小麦

设计并田间验证了基于视觉的小麦播种分级压实强度控制系统。

用无人机多光谱和VGG21深度学习检测小麦涝害并评估硅肥效果。

提出过程信息神经网络AgriPINN，嵌入作物生长方程，提升水分胁迫下生物量预测精度与可解释性。

近日，中国农业科学院农业环境与可持续发展研究所智慧气象与农业气候资源利用创新团队提出塑性感知基因组选择框架，实现了跨环境小麦基因组预测与育种资源高效配置。科研团队以重组自交系群体为材料，在 8 个环境中调查产量、千粒重、穗粒数、穗数和株高。研究发现仅使用 50% 基因型在 3 个环境中的表型数据，株高、穗粒数和千粒重的预测准确度即可分别达到 0.70、0.54 和 0.59，显示出减少试验规模的潜力。该研究得到国家重点研发计划、国家自然科学基金等项目支持。

9 月 4 日，"神农育种 Studio"正式发布，把原本分散的研究环节自动串联起来。育种人员用自然语言提出目标，Studio 先识别任务所需的数据、模型和软件，再按需调用相应工具，完成资料检索、亲本筛选、品系评价、多环境试验分析等任务。支撑平台运行的是团队多年积累的农业知识、生产数据和育种模型。神农大模型的数据底座已汇集超过 1000 万条农业知识图谱数据、超过 5000 万条农业生产数据。过去设计一套小麦育种方案需投入 10 人月，借助 Studio 可降至 0.5 人月，效率提升约 20 倍。

中国农业大学副教授王耀君介绍：神农大模型数据底座已汇集超过 1000 万条农业知识图谱数据、超过 5000 万条农业生产数据；团队借助平台从数百个生菜品种中海选出"雁栖 1 号""雁栖 2 号"。9 月 4 日"神农育种 Studio"将正式发布——以设计一套小麦育种方案为例，过去需要投入 10 人月，借助 Studio 可降至 0.5 人月，资料检索、数据处理、模型计算和初步方案生成等原分散工作可由平台连续完成。北京将依托农业中关村核心区打造北京农业中关村智能育种创新基地。

综述高光谱成像在小麦病害检测中的应用，涵盖方法、挑战与未来方向。

提出迁移学习与多分支中间融合深度网络，利用多尺度多模态遥感监测小麦氮浓度。