目 錄

• 國際視角下我國智慧農(nóng)業(yè)科技創(chuàng)新發(fā)展的啟示
• 借鑒國際經(jīng)驗(yàn) 加快我國智慧農(nóng)業(yè)發(fā)展
• 基于深度學(xué)習(xí)的農(nóng)作物圖像識(shí)別的發(fā)展
• 基于遙感的流域尺度耕地冠層葉綠素、表層土壤有機(jī)碳含量估算及分布特征研究
• 基于無人機(jī)多光譜的土壤全氮含量反演模型研究
• 基于無人機(jī)多光譜影像的不同施氮量水稻LAI反演方法研究
• 基于Logistic模型的上海青生長模擬三維可視化建模技術(shù)
• 基于激光掃描技術(shù)的小麥植株三維重建與表型參數(shù)提取
• 基于YOLO v5模型的缺鈣草莓葉片識(shí)別方法
• 基于改進(jìn)YOLO v5算法的草莓缺素診斷方法
• 基于機(jī)器學(xué)習(xí)和哨兵2號(hào)遙感影像的棉花種植空間分布信息提取
• 基于隨機(jī)森林的水稻信息提取與空間格局分析
• 基于無人機(jī)影像和FABM-UNet網(wǎng)絡(luò)的油菜花簇分割方法研究
• 基于改進(jìn)輕量化YOLO v7的成熟期香梨目標(biāo)檢測(cè)方法
• 基于改進(jìn)RT-DETR的草莓成熟度檢測(cè)
• 基于改進(jìn)YOLO的輕量級(jí)草莓成熟度檢測(cè)方法研究
• 基于改進(jìn)YOLO v7-tiny的小麥麥穗檢測(cè)方法
• 基于改進(jìn)YOLO v8n的玉米田間雜草檢測(cè)網(wǎng)絡(luò)
• Ghost-MobileNet v2:一種輕量級(jí)玉米田雜草識(shí)別新模型
• 基于Res-Inception的農(nóng)作物病蟲害識(shí)別技術(shù)
• KMeans++與注意力機(jī)制融合的蘋果葉片病害識(shí)別方法
• 基于改進(jìn)YOLOX的實(shí)時(shí)馬鈴薯葉片病害檢測(cè)方法
• 基于改進(jìn)YOLO v8的水稻害蟲識(shí)別方法
• 基于ActNN-YOLO v5s-RepFPN的番茄病害識(shí)別及系統(tǒng)設(shè)計(jì)
• 基于原型自適應(yīng)對(duì)齊網(wǎng)絡(luò)的小樣本玉米病蟲害檢測(cè)
• 基于改進(jìn)FixMatch算法的半監(jiān)督番茄病蟲害識(shí)別
• 基于改進(jìn)YOLO v8的草莓病害檢測(cè)方法
• 基于P-MobileViT網(wǎng)絡(luò)的小麥病害分類研究
• 基于多尺度特征增強(qiáng)的輕量化黃瓜病害識(shí)別模型
• 基于輕量化YOLO v8-Rice的水稻蟲害檢測(cè)方法