本文介绍了应用AI和地球观测数据对可持续发展目标进行监测的方法，提出了一种基于U-net和SE块的卫星图像分割模型用于作物检测，同时提出了建立评估基础设施以实现更好实现SDGs的未来研究方向。

Jul, 2019

本文综述了人工智能在农业食品系统中的应用，首先总结了农业食品系统中的数据获取方法，其次介绍了农业、畜牧和渔业中人工智能方法的进展和应用，包括农业食品的分类、生长监测、产量预测和质量评估等，同时强调了转变现代农业食品系统所面临的潜在挑战和有前途的研究机会。

May, 2023

将遥感技术和机器学习运用于农业领域可以提高农业生产效率，改善产量预测和水资源管理，以实现联合国《可持续发展目标》中“零饥饿”的目标。通过综述现有文献，该研究探究了采用遥感、机器学习等技术进行农作物产量预测与水资源管理的方法，并探讨了如何将这些方法应用于实时决策，为农业生产提供决策依据。

Jun, 2023

该论文提出了一种利用先进技术实现可持续棕榈树耕种的创新方法，该方法结合了计算机视觉、深度学习、物联网和地理空间数据等技术，以有效检测和分类红棕榈象侵染的棕榈树，并利用地理空间数据制作完整的分布图，为高效监控和有针对性的管理策略制定提供方便。

Jun, 2023

本文介绍了利用人工智能技术和数据处理技术对加纳腰果病进行分析和诊断，达到提高农业生产和粮食安全的目的。

Jul, 2023

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

探讨人工智能在非洲不同地区可持续农业发展中的转型潜力，研究了人工智能在农业中的应用机会、挑战和影响，对精准农业、作物监测和适应气候的实践等机会进行了考察，同时研究了与技术基础设施、数据可访问性和技能差距相关的挑战。文章分析了人工智能对小农户、供应链和包容性增长的影响，讨论了伦理考虑和政策影响，为非洲农业可持续发展中利用人工智能的讨论做出了贡献。

Jan, 2024

通过对植物叶病常见性的全面了解，评估了传统和深度学习技术在病害检测中的应用，总结了可用的数据集，并探索了可解释人工智能（XAI）以提高深度学习模型决策对最终用户的可解释性，为农业领域的研究人员、从业人员和利益相关者提供了有价值的见解，促进了有效和透明的植物病害防治和可持续农业实践的发展。

Dec, 2023

棕榈油生产被确认为热带国家森林砍伐的主要原因之一，在供应链目标实现过程中，商品生产商和其他利益相关方需要及时了解供应区的土地覆盖动态数据。本研究提出了一种“社区模型”，这是一个由许多不同利益相关方提供的汇总数据进行训练的机器学习模型，用于开发一种特定的土地覆盖概率地图，即半全球油棕地图。该方法的优势在于包括多样化的输入，可以根据新的训练数据轻松更新模型，并在提供输入影像的任何年份运行模型。将多样化的数据源整合成一个概率地图有助于利益相关方共同理解土地覆盖或商品（在本例中为棕榈油）的存在和缺失。模型的预测因子是由Sentinel-1、Sentinel-2和ALOS DSM提供的公开卫星影像建立的年度复合图像。我们提供的地图输出是给定像素中棕榈的概率，以反映底层状态（是否为棕榈树）。根据空间分区的测试数据，该模型的初始版本在全球范围内的准确性约为90%（在0.5概率阈值下）。这个模型和生成的油棕概率地图产品对于准确确定棕榈种植的地理范围非常有用。结合及时的森林砍伐信息使用，这个棕榈模型对于了解在敏感森林区域持续扩张油棕种植的风险非常有用。

May, 2024

人工智能在农业中的应用被大部分忽视，本文通过对机器学习在农业中的应用进行全面综述，旨在探索其在农业实践和效率提升中的转型潜力，以优化作物产量并减少环境影响。通过分析和分类农业数据，本研究突出了机器学习能够提高农场生产力和盈利能力的例子，并讨论了在农业应用中显示有希望结果的重要机器学习模型及其独特特点。通过系统综述现有文献，本文填补了人工智能在农业领域的研究空白，为新手和研究者提供了有价值的信息，更深入地了解人工智能在农业中的重要贡献和潜力，最终受益于研究界。

May, 2024