全部动态

印度 Nagarjuna College of Engineering and Technology 的 Abeed K Attar 等提出 Smart Agriculture Assistant 综合 AI 驱动决策支持系统，集作物推荐、产量预测、肥料优化和市场价格预测于一体。系统利用 Random Forest、XGBoost、CatBoost、LSTM 和 SHAP 等多种机器学习算法分析 Kaggle 和 Agmarknet 收集的农业和市场数据集。框架处理土壤养分（N、P、K）、pH、温度、湿度、降雨量、作物特征和历史市场价格数据，为农民生成智能推荐和预测洞察。实验评估表明，所提出的混合框架达到 99% 的准确率，优于传统机器学习模型。

Smart Agricultural Technology 第14卷（2026年8月）论文已陆续上线：（1）AI-driven approaches in precision agriculture for strawberry production 系统综述（DOI:10.1016/j.atech.2026.101944）；（2）Development of a computer vision-aided lameness detection system for dairy cattle（DOI:10.1016/j.atech.2026.101952）；（3）YOLO-EHS: lightweight deep learning framework for Xinmei detection and Multi-scale integration in orchard（DOI:10.1016/j.atech.2026.101946）；（4）Coupled DEM-MBD analysis and experimental investigation of a dragon fruit end-effector（DOI:10.1016/j.atech.2026.101943）等。涵盖精准农业、奶牛跛行检测、新梅检测、火龙果末端执行器、轻量化生菜预测框架、烟叶烘烤自适应决策支持系统等多个主题。

针对胡麻倒伏区域识别难题，研究构建改进YOLOv11n-seg模型。改进后的模型在精确度和平均精度均值上分别达到92.6%和95.2%，较原始YOLOv11n-seg模型分别提升3.7个百分点和2.1个百分点。模型参数量仅为1.73 M，计算量为8.0 GFLOPs，模型体积仅为3.8 MB，显示出较好的轻量化优势。该方法兼顾精度与轻量化，为智能化胡麻倒伏监测与实际田间设备部署提供了技术基础。

综述系统分析 ML 在农业中的应用，强调多源数据融合（遥感、IoT、生物数据）对精准农业的关键作用。围绕四个研究目标展开：（1）探索 ML 在收获前、收获中、收获后阶段的整合；（2）展示多源数据融合的益处；（3）研究当前研究趋势；（4）汇编关键公共数据集。重点提及 Transformer、GAN、联邦学习、持续学习和可解释 AI 等新兴方法在应对现代农业挑战中的作用。

International Rice Research Institute (India) 的 Shalini Gakhar 和 Raj Kumar Singh 在综述中系统分析 LLMs 在将复杂 GeoAI 数据转化为面向农户的可操作建议方面的潜力。区分了 LLM 已经验证的能力与农业遥感中的潜在应用，强调 RAG（检索增强生成）与 SFT（监督微调）在缓解误读风险中的重要性；探讨多模态方法在作物健康评估和生物物理异常识别的应用，并主张'人在回路'决策方式。综述最后展望了从田间结果中迭代学习的前瞻性研究范围和闭环系统。

华中农业大学张纾、武汉邮电科学研究院王立强、长江工程职业技术学院王猛系统综述端到端自动驾驶技术在农业非结构化环境下的理论适应性与应用场景。深入分析农业环境的动态变异性、导航参考缺失及作业任务精度要求高特征与挑战；解析精准导航、三维空间作业路径规划、复杂环境适应与群体智能协调等方面的实现路径与技术优势；并前瞻性地展望该技术与多模态大模型、农艺知识图谱的深度融合趋势。

中国农业科学院农业资源与农业区划研究所智慧农业团队在光谱数据建模的可解释方法研究上取得重要进展。该研究以中国六个区域的猕猴桃为对象，结合高光谱技术和集成学习方法构建猕猴桃产地溯源模型，并利用可解释性人工智能方法对最优的溯源集成模型进行分层和整体解释，在提高产地溯源准确率的同时，深入理解光谱数据背后预测农产品产地的逻辑。博士生李佳利为第一作者，钱建平研究员和吴文斌研究员担任共同通讯作者。论文链接：https://doi.org/10.1016/j.aiia.2026.05.010

中国农业大学经济管理学院团队基于中国易地扶贫搬迁农户面板数据,采用倾向得分匹配与多期面板数据方法,系统研究数字技术使用对易地搬迁农户收入水平和收入稳定性的影响。研究发现数字技术使用显著提升搬迁农户收入水平与稳定性,使用强度越高效应越强;机制分析表明信息获取和人力资本积累是关键传导渠道;为巩固拓展脱贫攻坚成果和数字乡村建设政策设计提供实证依据。

中国农业科学院农田灌溉研究所节水高效灌溉技术与装备团队融合冬小麦无人机多光谱遥感数据与田间水肥管理数据,研发出残差校正决策层融合模型(RC-DLF),为小麦关键生育期水肥协同高效利用提供智慧决策支撑。该模型依托田间定位试验采集小麦关键生育期无人机多光谱冠层信息,整合水肥管理指标构建多源数据集,创新构建RC-DLF,内嵌权重优化、二阶校准、残差校正模块有效消解单一模型预测偏差。田间试验结果显示,相较传统模型,小麦开花期、灌浆期产量预测决定系数R²分别提升至0.62、0.67,整体预测误差明显降低。

李佳利、钱建平、余青青、陈建宇、马文、李昂、陈强、林雪婷、孙丽梅、吴文斌(中国农业科学院农业资源与农业区划研究所/北方干旱半干旱耕地高效利用全国重点实验室)针对光谱数据预测农产品地理来源时通常侧重单一算法、过分强调预测性能而忽略可解释性的难题,以中国六个区域的猕猴桃为对象,结合高光谱技术和集成学习方法构建猕猴桃产地溯源模型,并利用可解释性人工智能方法对最优溯源集成模型进行分层和整体解释,在提高产地溯源准确率的同时深入理解光谱数据背后预测农产品产地的逻辑。

本研究提出一种集成的表型分析框架,结合RGB成像、机器学习以及边缘计算功能的无线传感器网络,用于准确检测薄荷在0/100/200 mM NaCl浓度下的三种盐分胁迫程度。在10天内每天采集侧视图和正视图图像,采用RGB颜色信息+直方图颜色信息两种互补特征提取方法。正视图图像仅使用两个特征即可通过Fine KNN模型实现高达98.30%的分类精度;紧凑型配置下宽神经网络(内存占用仅0.010 MB)实现近乎完美的100%分类精度;SHAP可解释性分析显示盐分胁迫的典型特征为植被绿色度下降、色调变化增加以及冠层收缩。

GK Ganesh Kumar P, RR RajiniGanth(Anna University/SNS College of Technology, India)提出基于物联网的环境信息学框架用于实时作物病害检测,采用YOLO 10-YSTs(注意力驱动CNN+基于stigmergy的编码方法)+DBGU-LSTM(Dual-Bi-Gated Recurrent Unit with Long Short-Term Memory)两级模型,在对比其他主流深度学习模型时实现97.99%识别准确率。该框架利用IoT传感器收集土壤湿度、温度、湿度等环境参数数据,通过深度学习算法识别作物病害模式,降低作物损失并提高整体产量。

裘佳颖、刘应昌、高星杰、黄远、张红雨、田芳、李万理、冯在文提出端到端工具增强型大模型智能体系统架构AgriAgent:通过知识检索与工具调用闭环,在农业场景下实现"环境感知-动态决策-执行反馈"的全周期闭环控制。实验表明,番茄产量分别提升926.20%、979.55%、1537.46%(三种配置);卷心菜产量分别提升501.67%、504.65%、1185.14%;当参数量达7B时智能体展现卓越的灵活性与适应性,能解决大部分复杂农业生产决策问题,基于DSSAT作物生长模型构建农业评测平台。

赵丽成、卢鑫羽、吴茜、任妮、周玲莉、程雅雯、胡安琦、戚超(江苏省农业科学院农业信息研究所/淮阴工学院)提出基于改进YOLOv10的轻量级串番茄成熟度目标检测模型LampCT-YOLO:在主干网络引入SegNeXt注意力机制,基于梯度的全局通道重要性方法LAMP通道剪枝显著压缩模型体积和计算复杂度。LampCT-YOLO对红熟早/中/晚期mAP分别达84.6%/89.5%/88.4%,应用LAMP通道剪枝后参数量和计算量分别减少63.07%和50.06%,推理速度提升23.1%;部署至自主研发的果蔬巡检机器人在边缘设备NVIDIA Jetson AGX Orin上达到9.1帧/s推理速度。

王毅、崔茜彤、王晨、熊宝伟、邵国敏、王琬莹、曹培、韩文霆(西安财经大学/西北农林科技大学/西安理工大学)针对传统玉米产量预测方法难以揭示变量间因果关系的问题,提出融合因果推断与机器学习的预测方法:基于遥感指数、气象数据、土壤剖面湿度和阶段性作物观测数据等多源异构信息,采用偏相关与瞬时条件独立算法系统分析玉米产量与各影响因子之间的因果关系,构建可解释的玉米产量预测模型。

刘浩然、王宇、赵学观、吴华瑞、付豪、庞树杰、翟长远(北京市农林科学院智能装备技术研究中心/国家农业智能装备工程技术研究中心)针对枝叶遮挡下田间胡萝卜苗精准识别难题,提出基于改进YOLOv11s的轻量化检测方法CD-YOLO:将主干网络部分标准卷积替换为深度可分离卷积降低模型复杂度,在C3k2模块引入高效多尺度注意力机制EMA构建C3k2_EMA模块增强关键特征动态感知,采用动态检测头强化多尺度特征融合与感知,显著提升检测鲁棒性。

中国农业科学院与华为云联合打造的'农科发现大模型'作为智慧农业板块唯一入选WAIC《人工智能高价值场景应用案例集》的案例,标志着我国农业生物育种踏上从'经验试错'迈向'智能创制'的新征程。

房洪伟等构建智慧农业发展综合评价体系,分析智慧农业实践格局与驱动机制,为科学评估智慧农业发展水平提供方法论支撑。

何磊磊等系统分析数智技术赋能农业高质量发展的现状、挑战及路径,提出数智技术与农业农村深度融合的发展模式与制度设计。

易红梅等基于两套具有代表性的全国农户调查数据,系统分析涉农数智技术的采纳现状与现实挑战,为理解数字技术与农业农村深度融合提供实证依据。