通过物联网和机器学习的融合，本研究旨在构建和实施一个复杂的农业温室控制系统。通过对温室内在环境参数的细致监控和机器学习算法的整合，温室内的条件得以适当调节。预期的结果是提高农作物的生长效率和产量，减少资源浪费。

Feb, 2024

设计并进行实验，展示了一款称为农业应用机器人 (AAR) 的轻型、太阳能电动的智能地面机器人，其使用智能感知进行植物的检测和分类，在半自主的情况下可以对低矮蔬菜进行各种操作，如除草、施肥、喷洒杀虫剂等，并提供了对未来研究的有用信息。

Aug, 2022

利用嵌入模型深度强化学习的智能闭环控制框架，结合计算机视觉算法和作物生长模型得到温度、湿度、光照强度和二氧化碳浓度等精确测量值，实现效果优于传统温室控制方法并使成本大大降低。

Dec, 2019

本研究探讨了人工智能、物联网和机器人技术在农业领域的最新应用，并讨论了其优势、挑战以及未来研究方向。

Feb, 2022

为了帮助小农户在气候变化下提高农业生产力，本研究将农作物管理决策支持系统模型化为一个马尔可夫决策过程，并采用 Li and Li (2019) 的 Follow the Weighted Leader (FWL) 在线学习算法为农户提供种植建议，通过模拟成功提出了保持效用的农作物种植模式，并与离线规划算法相比，大大减少了运行时间，但实现了相同的累计收益。

Nov, 2023

本研究探讨了人工智能（AI），尤其是强化学习（RL）在农业中的应用，以提高作物产量、精确调整氮肥使用和浇水量、减少硝酸盐径流和温室气体排放为重点，特别关注来自土壤的氧化亚氮（N2O）排放。通过使用部分可观察马尔可夫决策过程（POMDP）和作物模拟器来模拟 AI 智能体与农业环境的互动，应用基于循环神经网络（RNN）的深度 Q 学习和 Q 网络进行智能体的训练，在模拟器中整合了机器学习（ML）模型来预测 N2O 排放。我们通过概率机器学习方法处理了 N2O 排放估算中的不确定性，并通过随机天气模型应对气候变异，提供一系列排放结果以提高预测可靠性和决策能力。通过纳入气候变化因素，提升了智能体的气候适应能力，旨在实现可持续农业实践。研究结果表明，通过惩罚 N2O 排放，在气候变暖和降水减少等气候变化条件下，这些智能体能够平衡作物生产和环境问题。这种策略改善了气候变化下的农业管理，突出了人工智能在可持续农业中的作用。

Feb, 2024

全球挑战如人口增长、气候变化和资源稀缺日益严重，农业领域正处于关键时刻。可持续垂直农业作为解决这些挑战的转型性解决方案，通过在受控环境中最大化作物产量进行种植。这种范式转变需要集成尖端技术，其中人工智能（AI）处于前沿。本文全面探讨了 AI 在可持续垂直农业中的作用，研究其潜力、挑战和机遇。该综述汇集了当前 AI 应用的状况，包括机器学习、计算机视觉、物联网（IoT）和机器人技术，用于优化资源利用、自动化任务和增强决策能力。它发现了研究的空白，强调了优化 AI 模型、跨学科合作和农业中可解释性 AI 的发展的需要。其影响超出了效率的提高，而考虑了经济可行性、减少环境影响和增加食品安全。本文最后为相关利益相关者提供了见解，并提出了未来研究的方向，旨在引导将 AI 技术整合到可持续垂直农业中，为农业的弹性和可持续发展提供支持。

Nov, 2023

本文提出了一种智能作物管理系统，采用深度强化学习（RL）、模仿学习（IL）和作物模拟技术，通过同时优化氮肥施用和灌溉，解决了对特定种植环境和作物寻找最佳管理实践的挑战。实验结果表明，该管理系统在不同观测情况下的训练策略均取得了更好的效果，并且部分观测策略可以直接在实际情况中使用。

Sep, 2022

该研究文章展示了数据驱动决策支持在水产养殖中的强大作用，承诺满足日益增长的对海鲜的需求，同时强调环境责任与经济可行性，从而彻底改变未来的养鱼方式。

Nov, 2023

该研究提出了一种新型硬件和算法，利用物理规模的实验室和神经网络等技术相结合，实现了对不同作物进行自动化修剪的目标。该系统能够自动评估植物分布，选择要裁剪的部位，并根据训练好的神经网络自动裁剪，维护植物多样性和覆盖率。实验结果证明，系统能够在保持高平均枝叶覆盖率的同时，实现高度规范化的多植物分布。

Aug, 2022