数字农业与前沿技术

设计并试验了一款太阳能物联网多功能农业机器人，可耕地、播种、灌溉和收割。

提出融合物联网、厘米级GNSS、多光谱遥感和AI的精准农业框架，构建作物数字孪生。

提出融合玉米叶片图像与气象数据的多模态AI推荐框架，实现病害诊断与农事建议生成。

综述2000—2025年智慧农业演进，提出政策驱动的数字农业生态管理框架以支撑欧洲绿色协议。

综述2019-2026年稻田pH与磷的物联网土壤传感器发展、精度及实施挑战。

提出模糊推理系统引导的CNN超参数优化方法，用于植物病害分类，兼顾精度与效率。

构建集成作物推荐、产量预测、肥料建议与多语言问答的AI农业决策Web平台。

综述无人机应用潜力与发展趋势，强调其向自主化、网络化、数据驱动系统演进。

GreenAI: An Explainable AI and IoT-Enabled Offline Framework for Precision Agriculture。Research Square

提出轻量CNN与EfficientNet-B0混合特征提取、PCA降维和堆叠集成分类的菠萝蜜病害检测

AGRISIGHT AI: A ConvNeXtV2-Based Deep Learning Framework for Crop Disease Classification with a Proposed Multimodal Extension for Precision Agriculture。Research Square

综述农学大数据的技术、应用、效益与挑战，强调多源数据融合支撑精准农业决策。

提出基于ESP32与CNN的智能农业系统，实现环境监测与叶片病害实时检测。

提出物联网结合机器学习的智慧农业系统，实现环境监测与智能灌溉决策。

基于物联网与传感器构建智能灌溉系统，实时监测土壤与气象并自动控制灌溉。

综述深度学习与计算机视觉在芒果叶片病害早期识别中的应用，梳理三代技术并展望可持续种植。

提出融合RMUNet分割、CRNN与AJFO优化的木薯叶病害识别框架，实现高精度分类。

提出ResNet+GA+CNN混合模型，用苹果叶片图像检测病害并计算病斑面积占比。

A data-centric multi-modal ai framework for weed detection and classification in smart agriculture。Discover Applied Sciences

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。