园艺作物

综述花卉采摘智能机器人系统，涵盖视觉算法、末端执行器与运动规划策略。

中国农科院农业环境与可持续发展研究所设施植物环境工程创新团队联合荷兰瓦赫宁根大学,提出知识与数据双驱动的尺度自适应时序卷积混合模型(SATCN-Informer),根据番茄不同生育期动态调整时序特征提取尺度,结合机理模型(TOMSIM)合成数据预训练与生理阈值约束,实现番茄不同器官干物质及叶面积指数精准预测。研究成果发表于《农业计算机与电子学》(Computers and Electronics in Agriculture)。

提出YOLOv8+Inception-v4+XGBoost混合模型，实现番茄叶片病害精准检测与分类。

提出分位数归一化方法，改进非洲番茄红蜘蛛螨持久性适宜性的空间优先排序。

综述果蔬采摘目标识别方法，分析数字图像、机器学习与深度学习技术，指出挑战与未来方向。

8月31日，山东省重点研发计划（农业良种工程）十字花科蔬菜智能育种大模型研发及应用项目（2026LZGC006）启动会在济南召开，会议由蔬菜所党委书记、所长王文亮主持。来自哈尔滨工业大学胡杨教授、山东省种子管理总站、南京农业大学、华北理工大学、山东正华会计师事务所等30余人参会，会议宣布成立项目咨询专家组，重点突破数据标准化采集、多组学数据库搭建、智能育种大模型构建等关键环节。

提出ResNet50-Fusion(ViT)混合深度学习模型，用于番茄害虫精准识别，准确率达97%。

提出用视觉Transformer结合跨模态知识蒸馏，实现西瓜甜度的无损分类。

开发基于AI的无人机系统，用无监督算法从航拍图像估算果树高度和冠层体积。

评估持续学习框架用于温室高光谱番茄细菌性斑点病冠层检测。

研究视频多目标跟踪系统在不同扫描条件下估算苹果产量的性能。

构建柑橘果园AI框架，实现果实质量分级与动态产量估计，并评估多种分割与跟踪模型。

利用无人机生成导航地图，实现葡萄园地面机器人自主遍历。

方案围绕九华黄精、竹业、池州鳜鱼、富硒、食用菌、茶叶等特色主导产业，以 AI 技术赋能农业全产业链，推动"数字皖农"从示范试点走向全域覆盖；以 AI 和数字技术赋能乡村治理和便民服务，缩小城乡"数字鸿沟"。

综述遥感与机器学习在印度园艺作物精准管理中的应用，涵盖原理、方法、案例与挑战。

提出ERG-Mask模型，用于温室鲜食葡萄串的实例分割，提升边缘与区域协同精度。

将SAM3适配到3D水果计数，结合跨视图对比学习和Hough投票，提升密集遮挡下的检测与定位。

结合DINOv3与YOLO26提升蔬菜田间作物与杂草检测精度，助力精准除草。

MDPI Agriculture 2026, 16(17), 1888, 2026年8月31日发表,作者来自华南农业大学工程学院和农业装备技术国家重点实验室。研究提出MangoNET,基于YOLOv11n的芒果果实与果柄联合检测框架,适用于复杂果园环境。P2高分辨率检测头保留小目标的精细空间信息,SPPF-ELAN聚合局部和上下文特征用于部分可见对象,SENet在光照变化下重新校准通道响应,WIoU v3调节具有不同定位质量的边界框样本。数据集包含1782张台农和金煌芒果原始图像,仅对训练集应用数据增强,将训练集大小从1172张增加到2886张图像。MangoNET果实和果柄F1分数分别为0.920和0.916,mAP50和mAP50-95值为0.941和0.690。

针对温室图像光照变化与遮挡难题,内蒙古农业大学团队构建黄瓜生长数据集 CGD 并提出轻量化骨干 FSA-GhostNet(参数2.07M,RTX 3060 上 13.96 ms/张);在 CGD 上生长阶段分类准确率 98.22%、播后天数回归 MAE 0.93 天、R² 0.9962,ImageNet-100 上准确率 78.98%,为温室智慧农业边缘部署提供算力-精度均衡方案。