农业操作中基于视觉语言动作模型的机器人学习
在仿真番茄环境中适配并微调视觉语言动作模型,实现农业操作机器人学习。
浏览园艺作物相关政策、产业动态与研究。
在仿真番茄环境中适配并微调视觉语言动作模型,实现农业操作机器人学习。
在萝卜田测试半自动精准喷药系统,评估三档速度下的检测与喷施性能。
构建植物电生理信号基础模型,用超400万小时无标签数据预训练。
用低成本遥操作机械臂采集演示,模仿学习实现草莓果柄定点采摘。
提出两级边缘AI框架,用RGB图像实时分类苹果叶片病害。
提出轻量注意力多级混合MobileNet-V2框架,融合手工纹理与深度学习特征实现番茄叶片病害早期检
提出物联网集成LSTM与Bi-LSTM加权集成框架,实时预测温室微气候。
提出轻量级混合视觉网络MambaSeed,实现番茄等作物叶病高效识别。
提出太阳能边缘AI系统DefoliationCAM,实时评估葡萄藤食叶严重度并远程传输。
提出分层跨模态时空注意力网络HCM-STAN,融合多源农业数据预测喜马拉雅山区苹果产量。
提出一种基于无人机多光谱时序影像的深度学习混合模型,实现苹果黑星病和葡萄霉病的早期检测与分割。
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TwinGrow云AIoT数字孪生系统,实现蘑菇栽培环境实时监测与自动调控。
集成物联网与计算机视觉的智能温室系统,实现非破坏性植物生长监测与远程管控。
提出基于光合最佳效能点的设施葡萄动态补光调控方法,实现节能与增产。
提出基于纹理自适应模糊池化机制,提升CNN番茄成熟度分类性能。
提出CuFormer U-Net多任务网络,同时实现黄瓜叶病分类与病斑分割。
提出MLP-ANN预测温室微气候并驱动自适应模糊控制器,实现预测性智能灌溉。
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。
构建融合IoT、大数据、AI与数字孪生的智能温室番茄种植数字化框架。