大田作物

稻田定点杂草管理相比传统广域喷药可大幅减少除草剂用量,但现场部署受三大挑战制约:冠层下GNSS退化的稳健作物行导航、稻与形态多样化杂草的实时视觉区分、将稻误识为杂草的不可逆错误代价。本研究提出AgriNav,围绕四个ROS耦合模块构建集成自主拖拉机系统:用于稻检测的WeedDet PyTorch重实现、并行轻量级168万参数CNN-FPN变体(带非对称类加权)、通过硬编码置信门否决保护稻类的逆逻辑判别模块,以及融合GNSS/IMU/轮式里程计的6状态恒定速度转向率扩展卡尔曼滤波。主要系统级贡献是LiDAR-相机融合桥,利用导航LiDAR做ROI约束、世界坐标投影、地面平面滤波和双向置信融合,无额外硬件成本。

种子活力是种子质量与发芽潜力的关键指标,传统活力检测方法如四唑染色具有破坏性且需3-7天高强度人工操作,成为大规模播前筛选的关键瓶颈。本研究提出SeedFocusNet,集成浅层特征提取模块与基于Focal Loss的分类骨干网络,旨在增强对难以区分的高活力种子的识别。超参数通过Optuna框架结合贝叶斯优化在验证集上自动优化,ResNet50被选为最优架构。在测试集上对高活力种子识别的精确率达到74.39%,召回率达到54.46%。温室出苗实验进一步验证了SeedFocusNet筛选出的种子在同一品种内不同储藏时长下均表现出更高的出苗率。

为满足大豆-玉米带状复合种植中差异化施药需求,本研究开发了基于实时处方图解析、时空喷嘴匹配与延时补偿的带状变量喷药系统。使用ArcMap生成具有预定施药量级别的模拟处方图,基于高精度RTK-BDS定位建立田间坐标转换模型并结合SRAM预加载实现快速处方矩阵寻址;开发喷嘴空间位置预测模型与前向延时补偿控制算法,减少动态作业中由定位偏移、执行器响应滞后和液压延迟引起的边界错位。带状变量喷药试验中延时补偿后平均边界偏移由0.69米降至0.29米;大豆与玉米带不同施药量级下平均流量控制精度均超95%,流量变异系数均低于6%。

设置7组氮肥分施处理,对地面高光谱与UAV多光谱协同监测进行评估;N3分施方案在拔节期UAV-NDVI与籽粒产量相关性最强(r=0.717,p<0.01),实现产量最大化与叶养分动态同步。

提出全局-局部双流融合网络,叠加注意力机制+Grad-CAM可视化+大语言模型农艺建议;Dataset-1准确率99.55%、五折交叉验证98.91%±0.47,跨数据集九类公共病害准确率达90.80%。

北京市农林科学院联合中国农业科学院烟草研究所在山东滨海盐渍区开展 14 块玉米与 13 块大豆试验,基于 UAV 多光谱与偏最小二乘路径建模(PLS-PM)融合基线土壤盐分与叶面积指数、株高、SPAD、覆盖度,构建盐胁迫响应指数 SSRI;SSRI 与产量呈显著负相关(r=−0.670 至 −0.764),EN 模型在玉米拔节期 R²=0.774、PLSR 在开花期 R²=0.819,生成的空间 SSRI 地图可捕捉田间异质性,为盐渍农业 UAV 作物胁迫监测与精准管理干预评估提供概念验证框架。

海南大学联合山东理工大学针对仓储马铃薯堆叠遮挡、缺陷形态差异大问题,构建黑斑、发芽、干腐等多类缺陷数据集,设计 MCF 上下文特征整合模块与 AIFI-DyMona 实例特征交互结构并引入 Shape-IoU 回归;MDS-DETR 以 14.2M 参数、42.9G FLOPs 取得 mAP@0.5 96.3%,集成于智能分拣机器人后真实仓储分拣准确率稳定超过 95%。

提出GCT-BCLN(GCT双向闭环网络):基于高光谱成像技术的水稻种子活力无损检测方法。该方法结合图卷积与Transformer构建双向闭环特征提取机制,可同时捕获高光谱图像的空间-光谱联合特征,在水稻种子活力分级任务上较传统检测方法准确率与效率均显著提升。研究为种子质检、储藏与播种前的活力快速评估提供新工具。

基于低空UAV RGB影像的作物物候期深度学习自动分类研究。利用11,489张向日葵、油菜、大豆、小麦和大麦图像,基于BBCH量表标注,采用预训练ResNet18通过迁移学习适应任务。两阶段训练:先冻结骨干优化分类头,再微调整个网络。油菜和大麦测试准确率100%,其他作物均超过99%,平均准确率达99.73%。结果支持低空UAV影像与深度学习在精准农业中选择性区域物候评估的潜力,但广泛部署需要跨独立田块、季节、地区和调查条件的验证。

针对中国西南油菜水氮利用效率低、智能水肥装备落地难的问题,基于两季田间试验(2 个灌溉水平 ×3 个施氮水平 + 雨养对照)耦合 EWM-TOPSIS 多准则评价模型。结果显示 W2F2 处理(100% ETc 灌溉 + 300 kg N/ha)在两季分别提升叶片光合速率 51.2% 和 50.8%,在 EWM-TOPSIS 综合评价中两季均居首(S1 季贴近度 0.742,S2 季 0.650),在产量、品质、资源利用与经济效益间达到最优平衡。研究为西南丘陵油菜智能水肥装备应用提供了基于作物生理响应的决策优化框架。

江苏省农业科学院里下河所李爱宏研究员、肖宁研究员团队联合扬州大学完成的研究论文发表于《Plant Physiology》(Q1/8.2)。研究揭示了果胶裂解酶折叠家族蛋白qPSR10通过双重调控果胶甲酯酶活性降低果胶DM,进而激活MAPK耐寒信号通路的全新机制,为水稻耐寒分子育种提供了重要的基因资源和理论支撑。低温冷害是限制水稻产量和种植区域的重要非生物胁迫,每年全球因低温造成的水稻减产可达10%以上。研究得到国家自然科学基金、江苏省农业科技自主创新资金等项目的资助。里下河所陈梓春助理研究员、朱书豪研究实习员为该论文第一作者。

中国农业科学院作物科学研究所周美亮研究员、兰州大学刘建全教授、中国农业科学院刘旭院士等团队合作,在国际顶尖期刊Cell发表苦荞泛基因组研究。研究构建鞑靼荞麦(苦荞)的泛基因组,鉴定到赋予高海拔适应性的野生特有基因FtRNH以及调控种子大小的FtPLATZ基因结构变异。通过整合这些优良等位基因,培育出具有更强高海拔适应性和更高田间产量的荞麦品系,在高海拔条件下较对照品种增产约25%。该研究为弥补高海拔作物育种空白、提高喜马拉雅地区作物产量提供科学依据。

本文使用2010-2025年中国69家农业上市公司714个企业-年度非平衡面板数据,考察企业层面数字技术创新对农业产业链韧性的影响。研究显示数字技术创新显著提升产业链韧性,这一发现经多重检验后保持稳健。中介分析确认该效应通过企业经营效率和市场预期两个渠道发挥作用。从区域异质性看,东部地区、城市群、非老工业基地正向效应显著;从企业异质性看,非国有、大规模、成熟企业正向效应显著。原文标题:Digital technology innovation and agricultural industry chain resilience: implications for food security,作者:Chen J、Xu、Xiong、Zhao、Yao,发表于Frontiers in Nutrition 2026年第10卷doi:10.3389/fnut.2026.1915856。本研究为以粮食安全为导向、促进农业数字化同时解决粮食系统结构性薄弱环节的政策提供了实证依据。

本文针对精准农业中纯图像模型难以表征季节性上下文的问题,提出时序感知晚期融合(TALF)模型,通过CNN分支编码图像特征、MLP编码上下文特征,仅在回归头合并两条流。相对湿度、风速、累积时间作为上下文输入,在多季节公开水稻苗数据集上,MAE降至0.031(图像单一基线0.1455,早期融合0.0890),容差精准度达94.9%。结果表明,天气与时间上下文能显著提升无人机图像的水稻生长速率预测,图像与表格编码器分离至最后层的晚期融合设计具有竞争力。原文标题:Time-Aware Late Fusion for Multimodal Rice Growth-Rate Prediction from UAV Imagery and Weather Context,作者:Elhadi A O、Darwish S M、Mahdi M A(埃及Zagazig大学/Alexandria大学),发表于MDPI Computers 2026年第15卷第8期523。

山东理工大学等单位李京谦、韩国涛、赵静、张帅领、谢欣妤、付姗姗、鲁力群、兰玉彬在《农业工程学报》2026年第42卷第9期发表论文。该研究提出基于改进YOLOv12n的向日葵成熟期盘腐病危害程度检测模型,首先将主干和颈部网络的C3K2模块替换为融合感受野注意力卷积(RFAConv)与坐标注意力机制(CA)的C3K2-RC模块;其次在颈部网络集成轻量级的上采样算子CARFAE;最后引入LSCSBD(lightweight shared convolutional separable batch normalization detection)检测头。试验结果表明,YOLOv12n-RCL模型的精确率、召回率、mAP0.5和mAP0.5-0.95分别达到83.4%、81.2%、84.8%和50.2%,较基准模型YOLOv12n分别提高3.8、3.2、3.4和4.0个百分点。

针对水稻田间病虫害监测效率低、施药粗放等问题,文章提出一种改进YOLO模型与无人机组群协同的一体化解决方案。研究通过引入CBAM注意力机制、优化特征融合结构及改进损失函数,提升复杂背景下小目标病虫害检测精度;构建基于栅格划分的无人机组群监测系统,结合5G通信实现田间实时数据传输与智能决策。研究将传统粗放施药模式升级为基于监测数据的精准靶向施药,有效减少农药使用量与人工成本,显著提升防治效率和作业精度,为水稻病虫害智能监测与精准施药提供一体化技术方案,推动植保作业向智能化、精准化方向转型升级。

植物病害每年造成全球农业产量损失20%-40%、经济损失超2200亿美元。文章提出统一深度学习流水线,集成语义分割、基于回归的严重程度估计和病害分类,根据感染叶片面积比例将胁迫严重程度分为四档。在包含1641样本、六个类别的苹果树叶病害分割数据集上,采用MobileNetV2的U-Net表现最佳,像素准确率98.20%、mIoU 0.70、检测准确率99.41%、单张图像处理时间仅14.7毫秒,适合实时田间应用。计算出的严重程度指数与专家标注高度相关(r=0.968, R²=0.937),为自动化作物监测和决策支持提供可靠方案。[预印本]

及时准确地检测作物胁迫对提升农业生产力和保障全球粮食安全至关重要,但标注数据成本高。文章提出新型时空应力网络STS-NET,基于自监督3D卷积自编码器构建,利用PlanetScope高分辨率影像时序数据,提取NDVI、GNDVI、RECI、NDRE四种植被指数捕捉时空胁迫模式。在印度北方邦Lakhimpur-Kheri地区2.5英亩甘蔗试验田上,STS-NET对水分胁迫达到97.98%精度、对氮素胁迫达85.08%精度、对复合胁迫达83.47%精度,证明该自监督方法在标注数据稀缺条件下有效检测甘蔗胁迫的潜力,并可作为简单模型的稳健特征提取器。[预印本]

原文题名：Bridging Agronomic Science and Context Specific Farm-Level Advisory through Generative AI for Rice Systems in India。论文综述生成式AI、知识图谱、作物模拟器、卫星与无人机影像结合的农技咨询路径，强调专业语料、数据主权、基础设施和“人在回路”是可靠落地的前提。研究对象主要为印度水稻系统，属于综述和框架讨论，未提供统一田间效果验证。

原文：Automated Detection and Counting of Redbanded Stink Bugs in Soybean Using an Improved Computer Vision Model。研究使用2281张田间图像训练YOLOv8变体，加入注意力模块和自适应空间特征融合后，最佳模型精确率96.30%、召回率76.40%、F1值85.20%，mAP50为82.00%。成果可辅助大豆害虫监测，但数据集与部署环境仍限制外推。