基于因果推断和机器学习的农田玉米产量预测模型
王毅、崔茜彤、王晨、熊宝伟、邵国敏、王琬莹、曹培、韩文霆(西安财经大学/西北农林科技大学/西安理工大学)针对传统玉米产量预测方法难以揭示变量间因果关系的问题,提出融合因果推断与机器学习的预测方法:基于遥感指数、气象数据、土壤剖面湿度和阶段性作物观测数据等多源异构信息,采用偏相关与瞬时条件独立算法系统分析玉米产量与各影响因子之间的因果关系,构建可解释的玉米产量预测模型。
阅读 10
关键词 · 相关资讯与研究
#CNN RNN
沿着“CNN RNN”继续探索，共 0 条内容。
你可能还想看
没有这个标签，内容接近Artificial Intelligence, Machine Learning, and Deep Learning Concepts, Methods, and Real-World Impact
系统综述AI、机器学习与深度学习的概念、方法、应用及伦理挑战。
阅读 3
Knowledge Distillation for Hybrid CNN–Vision Transformer Architectures: A Systematic Review
系统综述2015-2026年混合CNN-ViT架构的知识蒸馏方法，按迁移方向、知识类型和应用领域分类
阅读 0
A Hybrid CNN–Transformer–LSTM Deep Learning Framework for Automated Cotton Disease Detection
提出CNN-Transformer-LSTM混合框架，实现棉花叶片病害自动识别。
阅读 8
Multimodal ai in smart agriculture for crop disease detection
提出融合图像、传感器、气象与遥感数据的多模态作物病害检测概念框架。
阅读 0
Climate-Driven Poverty Prediction in Nusa Tenggara Timur Using Transfer Learning-Based CNN-LSTM and ERA5-Land
用迁移学习CNN-LSTM结合ERA5-Land降水数据预测印尼东努沙登加拉各县年度贫困率。
阅读 0
A Survey of Object Detection and Classification in Video Using Deep Learning Approaches
综述视频目标检测与分类从手工特征到深度学习方法的演进、模型、数据集与挑战。
智慧农业 / 农业物联网论文
阅读 1
基于无人机影像与YOLOv12n-RCL的向日葵成熟期盘腐病危害程度检测
山东理工大学等单位李京谦、韩国涛、赵静、张帅领、谢欣妤、付姗姗、鲁力群、兰玉彬在《农业工程学报》2026年第42卷第9期发表论文。该研究提出基于改进YOLOv12n的向日葵成熟期盘腐病危害程度检测模型,首先将主干和颈部网络的C3K2模块替换为融合感受野注意力卷积(RFAConv)与坐标注意力机制(CA)的C3K2-RC模块;其次在颈部网络集成轻量级的上采样算子CARFAE;最后引入LSCSBD(lightweight shared convolutional separable batch normalization detection)检测头。试验结果表明,YOLOv12n-RCL模型的精确率、召回率、mAP0.5和mAP0.5-0.95分别达到83.4%、81.2%、84.8%和50.2%,较基准模型YOLOv12n分别提高3.8、3.2、3.4和4.0个百分点。
阅读 4