数字农业通过数据科学、机器学习、传感技术、机器人技术和新的管理策略，在减少环境影响的同时满足全球对食物、饲料、纤维和燃料不断增长的需求。为了充分发挥数字农业的潜力，强调数据积极性的机器学习研究在此领域显得至关重要，需要发展获取和整理有价值数据的策略，并实施能够利用数据内在价值的有效学习和评估策略，从而创建准确、可推广和适应性强的机器学习方法，有效可持续地应对农业任务，如产量预测、杂草检测和早期病害识别。

Dec, 2023

该研究提出了基于本体的知识映射模型，以表示和存储作物种植的数据挖掘结果，以建立、维护和丰富知识发现过程，从而实现更高效的决策过程。

Jul, 2022

通过分析园艺业从业人员的文本查询，我们展示了机器学习技术预测园艺业趋势的潜力。我们利用自然语言处理、分类和时间序列分析等方法，识别了从业者查询中的模式，并预测了园艺业的未来趋势。结果表明，机器学习技术还可用于预测其他农业领域的趋势，如果大规模农业企业能建立和维护一个类似的文本数据库，趋势预测和战略农业规划的潜力将会革新。技术与农业的融合为未来可持续农业和数据驱动型农业实践提供了一个有前景的发展路径。

Sep, 2023

本研究利用地球观测数据、机器学习和大数据方法开发应用程序，致力于监测共同农业政策（CAP）、食品安全及智能耐荒农业等领域，在解决机器学习模型训练的注释数据不足以及推导的价值落实到实际决策之间的差距等问题上取得了一定的方法创新和研究进展。具体来说，通过数据立方体、分布式学习和数据语义化等技术，不仅实现了农作物类型和生长状态估计的预测，也为应对实际农业问题提供了因果解释等机器学习技术支撑。

Nov, 2022

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

大数据在农业领域的应用需要从传感器、卫星和农民调查等多个源头收集和分析数据，然而数据安全性和参与者的隐私仍然存在显著问题，因此我们提出了一种新的框架来在隐私保护的数据生成算法中强制执行隐私政策规则，通过使用这个框架生成的合成农业数据集的实验结果证明了其在后续任务中的实用性，并展示了在适用的监管政策规则下，该框架能够规避潜在威胁和保护数据。

Nov, 2023

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

本研究旨在探索基于基础模型（foundation models）在智能农业领域的潜力，通过回顾计算机科学领域的最新研究，并将其归类为语言基础模型、视觉基础模型、多模态基础模型和强化学习基础模型，本文提出了农业基础模型的发展过程和潜在应用及其在模型训练、验证和部署过程中可能面临的挑战，旨在通过引入农业基础模型这一有前景的范式，显著减少对大规模标记数据集的依赖，同时提高农业人工智能系统的效率、效果和泛化能力。

Aug, 2023

通过整合 AI 基础模型在多种粮食安全应用中的应用，利用不同数据类型解决当前深度学习和机器学习方法的局限性，本研究探讨了其在作物类型映射、农田映射、作物产量预测等方面的应用。通过利用多光谱图像、气象数据、土壤特性、历史记录和高分辨率卫星图像，AI 基础模型提供了一种多功能的解决途径，能够提供准确的预测，改善资源配置，支持明智决策，从而增强粮食安全。这些模型在解决全球粮食安全局限性方面起到了变革性的作用，标志着迈向可持续、安全粮食未来的重要一步。

Oct, 2023

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