Calibration-Shift Inference for Computer Vision Agriculture Yield Models Under Retrofit Sensor Replacement: An Artificial Intelligence Post-Deployment Recalibration Guarantee
提出改造传感器替换后视觉产量模型校准漂移的检测与置信区间保证方法。
同时包含 AI IoT、智慧农业、产量预测 的农业资讯,共 46 条。
提出改造传感器替换后视觉产量模型校准漂移的检测与置信区间保证方法。
推导卫星云掩膜缺口下反事实解释可靠性的理论界,并评估其对合作社储粮决策的影响。
研究不同品种和生育期下无人机NDVI与马铃薯产量的关系差异。
构建多模态回归学习框架,融合气候、遥感与作物因子,实现水稻产量连续预测。
用机载多光谱传感器评估菜豆产量构成与植被指数的关系。
评估17份豌豆种质与7个加拿大品种在爱荷华的表现,并用无人机时间序列表型关联产量。
开发深度学习模型在真实田间条件下检测并分类肯特芒果为三个出口等级,实现产量估计。
提出分层跨模态时空注意力网络HCM-STAN,融合多源农业数据预测喜马拉雅山区苹果产量。
基于CropIntel数据集,用15+种机器学习算法实现作物分类、灌溉需求预测与产量潜力预测。
评估Sentinel-2 NDVI与苹果园产量的关系,发现仅单一品种同龄地块存在可靠相关。
Smart agriculture improves nitrogen use efficiency yield prediction and sustainability in dryland mixed crop livestock systems。Discover Agriculture
系统综述2020—2026年玉米精准农业技术、应用与产量优化研究。
比较XGBoost、LightGBM和CatBoost在作物产量可解释建模中的表现,强调评估协议与数
结合遥感植被指数与机器学习,预测尼日尔萨赫勒四地区2010–2025年水稻产量。
研究不同训练-测试数据划分比例对无人机多光谱小麦产量预测的影响,发现可降低训练比例。
用无人机RGB影像和深度学习对咖啡开花分级,实现早期产量预测。
用1990–2025年气候数据与机器学习模型预测哈萨克斯坦北部小麦产量。
融合计算机视觉与机器学习,实现高粱病害严重度评估与产量预测。
结合Sentinel-2 NDVI与气候变量,构建多元模型预测米尔-穆甘地区棉花产量。
提出利用日光诱导叶绿素荧光(SIF)遥感构建下一代农田作物管理观测策略。