数字农业与前沿技术

2026年8月26日发表于Elsevier期刊《Artificial Intelligence in Agriculture》的系统综述(PRISMA 2020框架),纳入2021—2025年95项同行评议研究:机器学习模型诊断植物病害准确率>99%,灌溉控制器提取88%水分利用效率,机器人能看、数、收作物。51.58%论文发表于Q1期刊,36.84%为Q2期刊,JCR影响因子2.2-14.0。主题分布:环境监测23.15%、温室控制与保护栽培21.05%、病虫害检测21.05%、水培16.84%、产量预测13.68%。方法学:经典机器学习25.26%、IoT/AIoT 22.11%、深度学习与计算机视觉13.68%。审稿人指出多数研究仅通过单地点单季节的train-test或k-fold交叉验证,缺乏独立外部验证,发布准确率可能高估实际适用性。[预印本边界说明:已发表于同行评审期刊]

南京财经大学管理科学与工程学院张庆民、何腾飞、徐妍发表于《安徽农业科学》2026年14期。AI赋能数字乡村建设的本质是以乡村数据为关键要素、以智能农具为支撑,通过在乡村场景中实现乡村产业、治理、生态、文化、服务等现代化转型,最终推动乡村高质量发展和城乡深度融合。从AI赋能、场景理论与新质生产力视角诠释三个问题:面向农村农业农民AI赋能数字乡村建设的技术逻辑是什么?面对乡村场景的异质性、碎片化与社会责任,如何实现乡村场景的有效适配?应该采用什么样有效路径推进AI赋能数字乡村建设?