1. 中国科协青年人才托举工程第四届项目，2018QNRC001，2018.7-2020.12，45万元，结题，主持。

2. 国家自然科学基金青年基金，31801264，基于时序图像分析的冬小麦苗期冠层生长动态监测方法研究，2019.1-2021.12，27.3万元，结题，主持。

3. 农业农村部农业信息化标准化重点实验室开放课题，AIS2018-01，设施蔬菜病害识别与诊断物联网技术标准研究，2018.6-2020.5，2万元，结题，主持。

4. 河北省重点研发计划项目，20326406D，基于成像遥感技术的节水小麦品种高效评价方法及技术研究，2020.4-2022.12，30万元，在研，参加。

5. 国家自然科学基金面上项目，基于机器视觉的蔬菜霜霉病菌侵染特征提取与致病机理解析，6217022266，2022.1-2025.12，64.72万元，在研，参加

6. 国家重点研发计划，2017YFD0300401，黄淮海冬小麦与夏玉米气象灾害规律研究，2017.7-2021.6，189万元，结题，参加。

主持国家自然科学基金青年项目1项，中国科协青年人才托举计划第四届项目1项，农业农村部农业信息化标准化重点实验室开放课题1项，作为研究骨干参与国家自然科学基金面上项目，十三五国家重点研发计划子课题、河北省重点研发计划项目等；

（一）第一/通讯作者论文

1. Attention-optimizedDeepLab V3+ for automatic estimation of cucumber disease severity [J]. PlantMethods, 2022, 18: 109. （通讯作者，中科院二区，IF=5.827）

2. Predictingyield loss in winter wheat due to frost damage during stem elongation in thecentral area of Huang-Huai plain in China [J]. Field Crops Research, 2022, 276:108399. （通讯作者，中科院一区，TOP，IF=6.145）

3. Towardsimproved accuracy of UAV-based wheat ears counting: a transfer learning methodof the ground-based fully convolutional network [J]. Expert Systems WithApplications, 2022, 191: 116226.（第一作者，中科院一区，TOP，IF=8.665）

4. Estimationof leaf area index for winter wheat at early stages based on convolution neuralnetwork [J]. Computers and Electronics in Agriculture, 2021, 190: 106480. （通讯作者，中科院一区，TOP，IF=6.757）

5. Narrow-wavebandspectral indices for prediction of yield loss in frost-damaged winter wheatduring stem elongation [J]. European Journal of Agronomy, 2021, 124: 126240. (通讯作者，中科院一区，TOP，IF=5.722)

6. Improvingsegmentation accuracy for ears of winter wheat at flowering stage by semanticsegmentation[J]. Computers and Electronics in Agriculture, 2020, 176: 105662.（第一作者，中科院一区，TOP，IF=6.757）

7. Growthmonitoring of greenhouse lettuce based on a convolutional neural network[J].Horticulture Research, 2020, 7: 124-135（通讯作者，IF=7.291，中科院一区，TOP，JCR Horticulture类排名第一）

8. Segmentingears of winter wheat at flowering stage using digital images and deep learning[J].Computers and Electronics in Agriculture, 2020, 168: 105159.（第一作者，中科院一区，TOP，IF=6.757）

9. Estimatingabove ground biomass of winter wheat at early growth stages using digitalimages and deep convolutional neural network[J]. European Journal of Agronomy,2019, 103: 117-129. (第一作者，中科院一区，TOP，IF=5.722)

10. Arecognition method for cucumber diseases using leaf symptom images based ondeep convolutional neural network[J]. Computers and Electronics in Agriculture,2018, 154:18-24.（第一作者，中科院一区，TOP，IF=6.757）

11.  Asegmentation method for greenhouse vegetable foliar disease spots images usingcolor information and region growing[J]. Computers and Electronics in Agriculture,2017, 142:110-117.（第一作者，中科院一区，TOP，IF=6.757）

12.  Akey frame extraction method for processing greenhouse vegetables productionmonitoring video[J]. Computers and Electronics in Agriculture, 2015,111:92-102.（第一作者，中科院一区，TOP，IF=6.757）

13. 可见光光谱和机器学习的温室黄瓜霜霉病严重度定量估算研究[J]. 光谱学与光谱分析, 2020, 40(1): 227-232. （通讯作者，SCI，IF=0.609）

14. 可见光光谱的冬小麦苗期地上生物量估算研究[J]. 光谱学与光谱分析, 2019，39(8): 2501-2506.（通讯作者，SCI，IF=0.609）

15. 可见光光谱和支持向量机的温室黄瓜霜霉病图像分割[J]. 光谱学与光谱分析, 2018, 38(6): 1863-1868.（第一作者，SCI，IF=0.609）

16. 基于可见光图像和卷积神经网络的冬小麦苗期长势参数估算[J]. 农业工程学报，2019, 35(5): 183-189（第一作者，EI）.

17. 基于卷积神经网络的冬小麦麦穗检测计数系统[J]. 农业机械学报, 2019, 50(3): 144-150.（通讯作者，EI）

18. Asegmentation method for processing greenhouse vegetable foliar disease symptomimages[J]. Information Processing in Agriculture, 2018, 6(2): 216-223.（第一作者，EI）

19. 基于卷积神经网络的温室黄瓜病害识别系统[J]. 农业工程学报, 2018, 34(12): 186-192.（第一作者，EI，入选2021年度中国精品科技期刊顶尖论文—领跑者5000）

20. 基于图像处理的温室黄瓜霜霉病诊断系统[J]. 农业机械学报, 2017, 48(2): 195-202.（第一作者，EI，农业机械学报2017年度优秀论文）

21. 面向叶类蔬菜病害识别的温室监控视频采集系统[J]. 农业机械学报, 2015, 46(3): 282-287.（第一作者，EI）

（二）专利及软件著作权

1. 马浚诚，杜克明，孙忠富，等. 冬小麦穗密度检测方法及装置[发明专利], 202010082618.2（实审）

2. 马浚诚, 孙忠富, 杜克明, 等. 一种基于颜色信息的蔬菜叶片病斑分割方法及服务器, 2020-11-24，ZL201710358725.1.（授权）

3. 张领先, 马浚诚, 李鑫星, 等. 叶部病斑图像分割方法及系统，2018-11-23，中国，ZL201610306331.7.（授权）

4. 傅泽田, 马浚诚, 张领先, 等. 一种温室蔬菜病害监控视频关键帧提取方法即提取系统，2019-02-26，中国， ZL2014101912442.2.（授权）

5. 基于深度学习的麦穗计数系统（IOS客户端），登记号：2019SR0096056

6. 麦穗图像分割系统，登记号：2020SR1215399

7. 基于深度学习的麦穗计数系统，登记号：2020SR1216194

8. 冬小麦长势离线估算系统，登记号：2021SR1038895

（三）专著

1. 李道亮主编，中国农村信息化发展报告2011，北京：电子工业出版社

2. 傅泽田主编，中国农村信息化发展战略研究，北京：电子工业出版社

（四）获得学术奖励

1. 马浚诚（1/5），《基于卷积神经网络的温室黄瓜病害识别系统》，科技部中国科技信息研究所，2021年度中国精品科技期刊顶尖论文—领跑者5000，2021.

2. 马浚诚（1/6）,《基于图像处理的温室黄瓜霜霉病诊断系统》，农业机械学报杂志社，优秀论文奖，2017.

3. 马浚诚（3/5）,《大数据服务三农的初步分析与探索》，甘肃省学术年会第二分会，优秀论文，一等奖，2017-09.

4. 马浚诚（7/11），面向移动终端的农业信息智能获取关键技术及应用, 教育部, 科技进步奖, 二等奖，2015-02.

5. 马浚诚（10/20），蔬菜病害识别诊断与预警物联网关键技术研究与示范,大北农集团，创新奖，二等奖，2015-11.