数字农业与前沿技术

提出农田遥感图文跨模态检索任务，构建数据集并提出FarmMGR框架实现语言驱动检索。

提出CNN+ViT混合深度学习框架，利用多时相Sentinel-2影像监测作物分类与干旱胁迫。

提出AIoT框架，用LSTM预测土壤湿度实现智能灌溉，节水并延长节点续航。

综述2022-2026年AI在农业的应用趋势、成效与各国推广障碍。

提出YOLOv8+Inception-v4+XGBoost混合模型，实现番茄叶片病害精准检测与分类。

提出融合GLCM纹理特征与CNN的集成深度学习框架，实现土壤pH等级图像分类。

提出自适应AI决策支持系统，用轻量网络与特征优化实现精准农业实时图像分析与决策。

综述植物可穿戴传感器，按侵入性分类比较，提出选择框架。

用机器学习预测自动喷雾机的流量、喷幅、角度和重叠，实现精准农业。

提出IoT-AM-EFGNN框架，结合IoT传感与图神经网络实现高精度作物推荐。

综述AI与IoT在精准农业中的集成技术、应用与挑战，提出未来研究方向。

提出一种集成AI、IoT和嵌入式系统的自主多作物除草与养分管理机器，实现精准农业。

综述智能农学新兴技术与可持续实践，重点评述第13章未来农学趋势与挑战。

探讨数字技术对农业企业创新发展的影响，分析效益与障碍并提出改进路径。

开发基于IoT的土壤监测系统，支持西爪哇精准可持续农业，提高灌溉效率并增产。

Advances in electrochemical sensors for smart farming and precision agriculture: a focus on phytohormone quantification。Analytical and Bioanalytical Chemistry

通过文献计量分析，梳理精准农业与林业的研究趋势、主题结构和热点方向。

综述AI在气候智慧农业中的应用，涵盖产量预测、天气预报、灌溉管理和病虫害检测。

提出两种任务分配技术，利用时空冗余优化无线多媒体传感器网络，提升能效和寿命。

MDPI AgriEngineering 2026, 8(6), 249。精准农业越来越依赖应用于无人机(UAV)采集的高分辨率数据的机器学习来支持作物监测、胁迫检测和产量预测。本综述提出了无人机赋能精准农业机器学习方法的结构化综述,在一个由感知模态、数据类型、模型家族和分析任务四个维度定义的统一分类法中组织100多项同行评议研究。该分类法能够在RGB、多光谱、高光谱、LiDAR和IoT数据源之间进行系统比较,并在经典机器学习、深度学习、混合顺序模型和新兴基于Transformer的架构之间进行系统比较。分析建模选择如何与数据特征相互作用以影响鲁棒性、跨环境泛化、计算效率和UAV及边缘平台上的部署可行性。识别新兴研究方向,包括数据高效学习、表示级多模态融合、域自适应、轻量级架构和不确定性感知决策支持。