A data-centric multi-modal ai framework for weed detection and classification in smart agriculture
A data-centric multi-modal ai framework for weed detection and classification in smart agriculture。Discover Applied Sciences
浏览数字农业与前沿技术相关政策、产业动态与研究。
A data-centric multi-modal ai framework for weed detection and classification in smart agriculture。Discover Applied Sciences
提出农业数字孪生框架,结合GRU与物联网实现实时产量预测与可持续决策支持。
用科学计量与BERTopic分析3262篇文献,揭示AI助力可持续发展目标的研究格局与主题演化。
汇总《智慧农业》2026年多篇论文,涵盖蒸腾模拟、病害检测与产业链数字化。
中国农业大学学报2026年第10期集中刊发6篇论文,主题涵盖人工智能赋能质量农业、智慧林业、绿色发展
综述AI在植物病害检测中的应用,涵盖分类、检测、分割及早期诊断,并指出田间部署的瓶颈与新兴方向。
综述图像处理从经典方法到深度学习的技术演进、应用与挑战。
提出融合机器学习、深度学习和物联网的智能农场系统,实现作物推荐与植物病害检测。
农民日报全媒体记者李克欣对话中国社科院杜志雄、中国农业大学李想、雄安集团孔德栋三位专家。专家指出当前我国智慧农业正从早期试点示范迈向规模化、体系化推广应用新阶段,人工智能赋能农业的关键技术包括机器学习与深度学习、计算机视觉与智能感知(如200万张高清图像训练的AI作物表型模型识别精度达95%以上)、农业大模型(如中化iMAP节约水肥10%~20%、增产8%~10%)和智能农机与农业机器人(如土壤高通量检测机器人实现42项指标检测误差控制在5%以内)。
提出FARX(1)函数自回归模型,以电力需求为外生变量预测日气温曲线。
系统综述2020-2026年计算机视觉与深度学习在番茄设施栽培虫害检测中的研究。
基于二手数据综述AI在印度农业中提升产量与可持续性的应用及障碍。
在卢旺达四区采集四种主粮作物的GPS标注地块数据集,支撑GeoAI作物监测。
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。
设计并验证了基于ESP32与随机森林的物联网闭环灌溉系统,实现植物胁迫自动诊断。
提出TinyML边缘推理与超低功耗唤醒接收机集成的土壤监测系统,实现事件驱动异步监测。
系统综述2024-2026年198篇无人机与物联网农业应用文献,划分七类技术方向并指出发展瓶颈。
系统综述2024-2026年198篇无人机与物联网农业应用文献,划分七类技术方向并指出发展重点。
综述数字技术在印度农业综合企业中的应用,探讨迈向智慧可持续食品系统的路径。
提出LLM-模糊决策与数字孪生框架,用于自适应农业机器人协同决策。