MDPI Agronomy 2026, 16(17)·9月2日 · 周三论文农业人工智能与决策模型阅读 2
Agentic, Autonomous and Explainable AI in Smart Agriculture: A Systematic Literature Review（MDPI Agronomy 2026, 16(17), 1690）
论文解读
77精选
速览
系统综述2016-2026年智慧农业中代理式、自主与可解释AI研究，揭示可解释性主导、自主性不足及验
方法
PRISMA 2020系统综述，检索三大数据库，筛选322项研究进行统计分析。
发现
XAI占69.6%，自主与代理式少，仅4.3%结合自主与可解释性；78.9%系统停留在感知/决策层面
机会点
可解释性与自主性结合不足，且田间验证少，可探索高自主性且可解释的农业AI系统及其实地验证方法。
影响力18
信息增量22
专业深度19
信源权威13
时效性5
系统综述揭示可解释性与自主性鸿沟，对智慧农业AI发展方向有参考价值。
原文摘要
依据PRISMA 2020，从Web of Science Core Collection、Scopus和IEEE Xplore检索2016—2026年相关同行评议论文与会议论文共2255篇，筛选322项研究纳入分析。XAI占主导（69.6%），自主（14.0%）与代理式（12.1%）设计较少，仅4.3%结合自主与可解释性。病害检测为最主要应用（33.5%）。78.9%系统仍处于感知/决策支持层面，17.4%经过田间验证，4.3%经过农艺学解释验证。证据揭示了可解释性—自主性鸿沟及田间验证与可重复性差距。
信源（1 个）