農(nóng)業(yè)科學(xué)院和農(nóng)業(yè)農(nóng)村部為提高現(xiàn)有蘋(píng)果目標(biāo)檢測(cè)的性能和適應(yīng)性，改進(jìn)輕量級(jí)的MobileNetV3網(wǎng)絡(luò)，在保持較高檢測(cè)精度的同時(shí)，減輕模型計(jì)算量，降低檢測(cè)耗時(shí)，減少模型計(jì)算和存儲(chǔ)資源占用的目的，為非結(jié)構(gòu)環(huán)境下果園作業(yè)平臺(tái)的輕量化果實(shí)目標(biāo)檢測(cè)模型研究提供新的思路;

農(nóng)業(yè)科學(xué)院和農(nóng)業(yè)農(nóng)村部為提高現(xiàn)有蘋(píng)果目標(biāo)檢測(cè)的性能和適應(yīng)性，改進(jìn)輕量級(jí)的MobileNetV3網(wǎng)絡(luò)，在保持較高檢測(cè)精度的同時(shí)，減輕模型計(jì)算量，降低檢測(cè)耗時(shí)，減少模型計(jì)算和存儲(chǔ)資源占用的目的，為非結(jié)構(gòu)環(huán)境下果園作業(yè)平臺(tái)的輕量化果實(shí)目標(biāo)檢測(cè)模型研究提供新的思路;

針對(duì)溫室番茄智能化管理需要，北京農(nóng)業(yè)智能裝備技術(shù)研究中心等機(jī)構(gòu)，分別以莖稈、葉片和綠果器官作為識(shí)別目標(biāo)，為農(nóng)業(yè)環(huán)境近色目標(biāo)視覺(jué)識(shí)別相關(guān)研究提供參考;

針對(duì)大豆-玉米輪作生產(chǎn)中，兩者競(jìng)爭(zhēng)水肥，進(jìn)而影響到兩者品質(zhì)的問(wèn)題，同時(shí)人工傳統(tǒng)檢測(cè)方法的不足，北達(dá)科他州立大學(xué)研究了可自動(dòng)監(jiān)測(cè)大豆生長(zhǎng)過(guò)程中玉米雜苗情況的系統(tǒng)，為農(nóng)民提供準(zhǔn)確的信息，幫助其進(jìn)行生產(chǎn)決策和田間管理;

中國(guó)農(nóng)業(yè)科學(xué)院等機(jī)構(gòu)，為應(yīng)對(duì)糧食安全產(chǎn)生威脅的害蟲(chóng)—草地貪夜蛾防治，利用深度學(xué)習(xí)方法，可視化分析可以直觀認(rèn)識(shí)模型的特征學(xué)習(xí)情況，可為行業(yè)內(nèi)或其他領(lǐng)域的研究人員提供參考;

國(guó)家農(nóng)業(yè)信息化工程技術(shù)研究中心等機(jī)構(gòu)，聯(lián)合研究了基于葉片圖像的番茄病害識(shí)別，發(fā)現(xiàn)了CCHKMSM模型具有一定優(yōu)勢(shì)，識(shí)別準(zhǔn)確率高且計(jì)算量小，對(duì)系統(tǒng)要求低，具有在手持設(shè)備、邊緣計(jì)算終端等低配置感知系統(tǒng)中的應(yīng)用潛力;

蔬菜價(jià)格波動(dòng)，對(duì)居民和菜農(nóng)都是雙刃劍，針對(duì)菜價(jià)波動(dòng)幅度大、影響因素多樣、精度不高等難點(diǎn)，北京市農(nóng)林科學(xué)院等機(jī)構(gòu)以黃瓜為研究對(duì)象，分析了影響黃瓜價(jià)格的供給、需求、流通等因素，實(shí)現(xiàn)了黃瓜的短期價(jià)格預(yù)測(cè)，也可推廣到其他蔬菜品種，對(duì)于保障菜農(nóng)收入、穩(wěn)定蔬菜市場(chǎng)價(jià)格等具有重要意義;

上海大學(xué)等機(jī)構(gòu)針對(duì)現(xiàn)有的自動(dòng)化除草解決方案，魯棒性不強(qiáng)、過(guò)度依賴(lài)大量樣本等不足，提出了基于圖像處理多算法融合的田間雜草檢測(cè)方法，設(shè)計(jì)了一套田間雜草自動(dòng)識(shí)別算法。針對(duì)復(fù)雜多變的農(nóng)業(yè)場(chǎng)景，進(jìn)行了存在雨滴和陰影干擾的魯棒性測(cè)試，實(shí)現(xiàn)了90%以上的作物識(shí)別結(jié)果，可為智能移動(dòng)機(jī)器人除草作業(yè)等領(lǐng)域應(yīng)用提供技術(shù)支持;

對(duì)于小麥倒伏影響產(chǎn)量的問(wèn)題，北達(dá)科他州立大學(xué)學(xué)生提出了一種基于圖像處理的自動(dòng)數(shù)據(jù)集生成方法，利用無(wú)人機(jī)和深度學(xué)習(xí)算法對(duì)小麥倒伏檢測(cè)情況進(jìn)行分類(lèi)，可有效地替代人工檢測(cè)方法，其檢測(cè)精度達(dá)到了75%;

中國(guó)農(nóng)業(yè)大學(xué)為提升果園管理能力，改進(jìn)了果實(shí)檢測(cè)算法與產(chǎn)量擬合網(wǎng)絡(luò)的產(chǎn)量測(cè)定方法，利用無(wú)人機(jī)及攝像頭原位圖像，提升蘋(píng)果果園原位測(cè)產(chǎn)的準(zhǔn)確性和有效性，基本可以滿(mǎn)足自然環(huán)境下樹(shù)上蘋(píng)果的測(cè)產(chǎn)要求，為現(xiàn)代果園環(huán)境下的智能農(nóng)業(yè)技術(shù)參考;

中國(guó)農(nóng)業(yè)大學(xué)等機(jī)構(gòu)為快速準(zhǔn)確計(jì)數(shù)大豆籽粒，研究了一種基于密度估計(jì)和VGG-Two (VGG-T)的大豆籽粒計(jì)數(shù)方法，實(shí)現(xiàn)大豆籽粒的快速計(jì)數(shù)任務(wù)，提高大豆考種速度和育種水平;