人工智能算法、大模型与决策支持系统
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。
综述轻量化AI方法，并以农业监测机器人为例，提出相机+轻量YOLO+Jetson+单片机的嵌入式部署
用四种机器学习模型基于39个玉米基因型盐胁迫发芽数据预测幼苗活力指数SVI。
提出GLC-Net，用全局-局部动量对比学习与关键特征校准提升田间植物病害识别。
用UNet++分割苹果病叶并融合多种CNN与ViT分类，实现98.85%识别准确率。
提出融合CNN深度特征与手工特征的方法，用于植物叶片病害识别。
结合CNN-LSTM混合模型检测植物叶片病害，并调查印度泰米尔纳德邦农户的农业实践与技术采纳情况。
评估干旱区农技社会化服务试点政策对县域粮食产量的因果效应。
提出多语言Transformer农业决策支持模拟器，统一实现作物病害诊断、农技建议与市场情报。
构建云原生决策支持系统，用多年NDRE时序自动生成精准农业变量施肥/播种处方图。
提出首个多答案芒果质量分级VQA框架MangoVQA，对齐印尼SNI标准。
提出SAMWater，用提示引导多模态基础模型实现可迁移地表水制图。
开发并验证基于深度学习的计算机视觉流程，用手机图像快速定量评估豌豆白粉病严重度。
综述AI自适应发射功率控制提升IoT通信能效，面向智慧农业等场景。
综述智能施肥系统的技术、控制与通信方法，并指出研究空白与未来方向。
基于树莓派与物联网，实现棉花叶病自动检测、感染率估算与防治推荐。
用IoT传感器数据与集成机器学习实现作物健康分类与资源优化。
开发了基于AI的农业数字决策支持平台AFDA，为农民提供作物推荐和农事指导。
综述AI、基础模型与数字孪生如何支撑气候韧性农业，并指出关键挑战与未来方向。
提出IVG-UAV系统，用语音、视觉与路径规划实现仿真中自主采摘熟果。
