机器学习算法用于埃塞俄比亚玉米土地适宜性预测的数学建模与性能对比评估
一项研究在埃塞俄比亚阿姆哈拉州三个地区对比多种机器学习分类器预测玉米土地适宜性的效果，用数学公式描述各算法，并结合特征选择方法建模。梯度提升（GB，Gradient Boosting）与序列特征选择（SFS，Sequential Feature Selection）组合的模型取得 99.41% 准确率，精确率和召回率均为 99.35%。结果表明机器学习可替代耗时、昂贵且不可靠的传统土地评估方法。
#农业
arXiv · cs.AI模型评分2121 arXiv · cs.AI模型评分3131 基于本体的透明水果病害检测视觉框架，在 MangoFruitDDS 上 F1 达 85%
研究者提出一种结合语义知识库的混合视觉框架，用网络本体语言（OWL，Web Ontology Language）把症状表型、HSV 光谱表型和形态表型形式化，无需大规模标注数据即可按专家规则指导图像处理流程完成水果病害诊断。
arXiv · cs.AI模型评分3434 Wenyao：结合领域适配与检索增强生成的盐碱地治理规划系统
研究团队构建了农业决策支持系统Wenyao，将领域适配与检索增强生成（RAG，Retrieval-Augmented Generation）结合，用于盐碱地治理规划。
Analytics India Magazine模型评分3232 人工智能（AI，Artificial Intelligence） 能否打通印度碎片化的农产品供应链
印度农业科技的机会正从田间转向供应链：人工智能（AI，Artificial Intelligence） 可预测供应量、价格与需求，但各环节记录分散、数据归属不清。2022 年 NABCONS 研究估算 2020 至 2022 年水果损耗 6–15%、蔬菜 5–12%。ONO 称其平台价格与供需预测准确率超 90%，该数字由公司自行报告。