農業科學院和農業農村部為提高現有蘋果目標檢測的性能和適應性，改進輕量級的MobileNetV3網絡，在保持較高檢測精度的同時，減輕模型計算量，降低檢測耗時，減少模型計算和存儲資源占用的目的，為非結構環境下果園作業平臺的輕量化果實目標檢測模型研究提供新的思路;

農業科學院和農業農村部為提高現有蘋果目標檢測的性能和適應性，改進輕量級的MobileNetV3網絡，在保持較高檢測精度的同時，減輕模型計算量，降低檢測耗時，減少模型計算和存儲資源占用的目的，為非結構環境下果園作業平臺的輕量化果實目標檢測模型研究提供新的思路;

針對溫室番茄智能化管理需要，北京農業智能裝備技術研究中心等機構，分別以莖稈、葉片和綠果器官作為識別目標，為農業環境近色目標視覺識別相關研究提供參考;

針對大豆-玉米輪作生產中，兩者競爭水肥，進而影響到兩者品質的問題，同時人工傳統檢測方法的不足，北達科他州立大學研究了可自動監測大豆生長過程中玉米雜苗情況的系統，為農民提供準確的信息，幫助其進行生產決策和田間管理;

中國農業科學院等機構，為應對糧食安全產生威脅的害蟲—草地貪夜蛾防治，利用深度學習方法，可視化分析可以直觀認識模型的特征學習情況，可為行業內或其他領域的研究人員提供參考;

國家農業信息化工程技術研究中心等機構，聯合研究了基于葉片圖像的番茄病害識別，發現了CCHKMSM模型具有一定優勢，識別準確率高且計算量小，對系統要求低，具有在手持設備、邊緣計算終端等低配置感知系統中的應用潛力;

蔬菜價格波動，對居民和菜農都是雙刃劍，針對菜價波動幅度大、影響因素多樣、精度不高等難點，北京市農林科學院等機構以黃瓜為研究對象，分析了影響黃瓜價格的供給、需求、流通等因素，實現了黃瓜的短期價格預測，也可推廣到其他蔬菜品種，對于保障菜農收入、穩定蔬菜市場價格等具有重要意義;

上海大學等機構針對現有的自動化除草解決方案，魯棒性不強、過度依賴大量樣本等不足，提出了基于圖像處理多算法融合的田間雜草檢測方法，設計了一套田間雜草自動識別算法。針對復雜多變的農業場景，進行了存在雨滴和陰影干擾的魯棒性測試，實現了90%以上的作物識別結果，可為智能移動機器人除草作業等領域應用提供技術支持;

對于小麥倒伏影響產量的問題，北達科他州立大學學生提出了一種基于圖像處理的自動數據集生成方法，利用無人機和深度學習算法對小麥倒伏檢測情況進行分類，可有效地替代人工檢測方法，其檢測精度達到了75%;

中國農業大學為提升果園管理能力，改進了果實檢測算法與產量擬合網絡的產量測定方法，利用無人機及攝像頭原位圖像，提升蘋果果園原位測產的準確性和有效性，基本可以滿足自然環境下樹上蘋果的測產要求，為現代果園環境下的智能農業技術參考;

中國農業大學等機構為快速準確計數大豆籽粒，研究了一種基于密度估計和VGG-Two (VGG-T)的大豆籽粒計數方法，實現大豆籽粒的快速計數任務，提高大豆考種速度和育種水平;