农业AI与大模型

综述轻量化AI方法，并以农业监测机器人为例，提出相机+轻量YOLO+Jetson+单片机的嵌入式部署

系统综述AI与自动化技术在现代农机中的应用现状、效益与障碍。

农民日报全媒体记者李克欣对话中国社科院杜志雄、中国农业大学李想、雄安集团孔德栋三位专家。专家指出当前我国智慧农业正从早期试点示范迈向规模化、体系化推广应用新阶段，人工智能赋能农业的关键技术包括机器学习与深度学习、计算机视觉与智能感知（如200万张高清图像训练的AI作物表型模型识别精度达95%以上）、农业大模型（如中化iMAP节约水肥10%~20%、增产8%~10%）和智能农机与农业机器人（如土壤高通量检测机器人实现42项指标检测误差控制在5%以内）。

提出LLM-模糊决策与数字孪生框架，用于自适应农业机器人协同决策。

系统综述智慧农业机器人、传感、AI、数据集与评估指标，指出落地瓶颈并展望方向。

提出WeedNet基础模型，实现全球杂草物种识别与区域微调。

综述可信农业自主性，从机器人学习、安全控制与人机交互三支柱探讨技术进展与挑战。

提出移动机器人结合CNN识别花卉的智能园艺框架，测试准确率达95%。

9月19日中国农科院36个研究所的560多项最新科研成果集中亮相：彩色胡萝卜、橘红心白菜、特色彩椒等全新果蔬品种轮番展示；富含丙醇二酸的晶莹剔透黄瓜能阻止糖类转化为脂肪；低豆腥味、高异黄酮、适合榨汁的大豆及'甜糯同粒'玉米；农业转运机器人能扛100公斤以上作物在丘陵山区跑、具备原地掉头能力；正在研发的全球动物疾病风险大模型将对动物疫病实现实时预报预警。

开发实时AI农业机器人，集成植物病害检测与地理参考土壤湿度分析。

综述2022-2026年AI在农业的应用趋势、成效与各国推广障碍。

本文系统综述双目立体视觉在农业应用中的最新进展,涵盖系统架构、传统与基于深度学习的立体匹配方法、点云重建技术及新兴的3D高斯溅射等监督策略。综述总结了关键应用,包括高通量表型分析、果实定位与机器人采摘、杂草检测与精准喷施、自主导航以及畜禽体况评估,突出其在多任务农业感知系统中的作用。论文还讨论了低纹理匹配困难、复杂环境中的遮挡、跨域泛化、实时轻量化部署及有限数据集可用性等主要挑战,并展望基于基础模型的视觉感知、自监督与弱监督学习、多模态融合及边缘高效模型设计的未来方向。原文标题:Advances in Binocular Stereo Vision-Driven 3D Perception and Intelligent Analysis Methods for Agriculture,作者:江苏大学Ye R、Wang J、Kong Z、Ou M,发表于MDPI Applied Sciences 2026年第16卷第16期7957。