农业AI与大模型

利用多时相遥感和机器学习揭示泰国湄公河支流流域植被对洪水的非对称响应。

综述乌干达环境管理中AI应用现状，发现应用集中于遥感与森林监测，整体零散且受基础设施制约。

提出MSA-TNet深度学习框架，实现红枣碰伤检测与品种分类。

提出轻量级CNN-LSTM混合网络，用于豆叶病害分类，兼顾高精度与低资源占用。

综述AI农业咨询与诊断系统，聚焦印度东北小农，提出人监督多模态部署架构。

提出多流深度学习框架WaterFormer-MS，从Sentinel-2影像中精准分割地表水体。

用冻结DINOv3 ViT微调回归，从微根管图像直接预测根系长度和面积。

综述闭环AI智能体用于畜禽疫病预测与决策支持，提出感知-决策-反馈架构。

系统综述农民对农业AI的感知、接受度、采纳意愿及障碍。

利用数字全息与AI检测葡萄园空气中霜霉和白粉病菌孢子，优化杀菌剂施用。

Cotton leaf disease classification using deep learning models for smart agriculture。Agriculture & Food Security

综述AI在可持续发展各领域的机会与创新路径，并强调负责任AI的治理要求。

系统映射181项研究，梳理农业代理式AI的架构、应用、挑战与未来方向。

提出PCA深度特征优化框架，用ViT+SVM分类橙子病害，准确率达99.12%。

巴西昆虫调查平台整合计算机视觉、田间试验与种群建模，实现害虫实时监测与治理。

基于六组一周IoT课程原型文档，分析其架构、AI集成与安全模式。

通过成本效益分析评估AI智能灌溉系统的经济与环境影响。

用文献计量法梳理2007-2025年AI与气候变化及可持续发展交叉研究，揭示主题演化与地域失衡。

提出AlexNet与蚁群优化混合路由框架，用于云智慧农业的智能路由与资源分配。

提出MDA-HI框架，融合过程模型与混合智能，用于作物生长与产量预测。