该研究提出了一种结合土壤湿度的知识引导机器学习模型，以提高干旱条件下玉米产量预测的准确性。通过引入土壤湿度作为中介变量和设计干旱感知损失函数，显著改善了预测效果，对农业生产具有重要指导意义。

农业生产面临气候变化和可持续性需求挑战，机器人和无人机可帮助解决。本文提出自动化精准表型分析方法，使用无人机图像获取数据集，提供详细准确的点级标签。还提供了植物表型特征测量，支持自动表型分析方法的发展。

本文介绍了机器学习在农业生产中的应用，特别是在植物病理学中的突破。论文总结了可获取的数据集和常见的机器学习技术，并讨论了相关应用。