全部动态

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]

为降低农业病虫害识别深度学习部署的专家标注成本,文章提出三层主动学习框架:动态原型记忆通过动量指数滑动平均保持稳定类别表征;上下文感知样本选择采用神经上下文老虎机动态调整分支组合比例;类别平衡评分通过逆频加权在选择阶段直接优先关注少数类。在IP06(害虫)和Natural CW-10(杂草)数据集上,框架在90%数据可用率下分别取得83.36%和85.07%的准确率,在20%低数据可用率下较最强基线分别领先4.12和2.68个百分点。结合GAN增强数据后,IP06上准确率提升至84.91%,Natural CW-10上提升至86.42%,证明主动学习与生成式AI在智能农业中的互补价值。

锚定十五五规划和2026年中央一号文件关于实施数字乡村高质量发展行动的部署,中国数字乡村建设从基础网络全面铺开转入数字应用深度整合的关键窗口期。文章构建条件变量-DOPP框架,通过产业基础、政府数字能力、社会资本活力三个条件变量分析模式分化机理,提炼驱动力量、目标、推进路径、现实局限四个维度。研究总结出中国三类典型模式——浙江治理先行型整体智治模式、寿光技术密集型产业赋能模式、淘宝村市场内生型平台驱动模式,并比较欧盟社区内生型、韩国政府引导型、日本产学研协同型模式,提出差异化推进机制、农业数据要素市场化、农民数字素养提升、中介组织培育、数字包容性评价五维政策建议。

利用中国2013-2023年省级面板数据,对数字乡村建设与农业新质生产力的关系及其作用机制进行理论分析与实证检验。研究发现:数字乡村建设显著促进农业新质生产力发展;通过推动数字普惠金融发展和促进农业技术进步两个中介渠道发挥作用;在中西部地区数字乡村建设能够推动农业新质生产力发展;在财政支农水平较高地区通过提升数字普惠金融水平、在农业产业链延伸水平较高地区通过促使农业技术进步,机制作用更显著。研究为各地因地制宜制定数字乡村建设政策、提升农业新质生产力提供理论与实证支撑。

基于2014-2023年中国30个省份平衡面板数据,文章考察了数字乡村发展与农业投入品相关碳排放的关系。研究构建了由8个标准化指标组成的复合数字乡村指数,采用双向固定效应模型进行实证估计。结果显示,在控制经济、财政、技术、监管等多重因素后,数字乡村发展与农业碳排放显著负相关,使用农村电商代理变量和替代性指标检验后结论依然稳健。异质性分析表明,在农村受教育水平较高、中部地区及粮食主产区,负相关关系更强。研究认为数字乡村建设能够支撑农业低碳转型,前提是数字基础设施转化为有效的产业应用、公共服务、人力资本开发和生产组织改善。

基于数字乡村发展政策这一准自然实验,统计中国2011-2022年2675个县域面板数据,系统考察数字乡村发展政策对共同富裕的影响效应及其作用机制。研究发现:数字乡村发展政策把数字技术和数字平台嵌入农业生产各环节与乡村生活各领域,能够有效提升农民收入水平、缓解农村内部收入不平等、缩小城乡收入差距。机制分析表明作用机制为产业融合-组织培育-经济机会,即政策不仅能够赋能农业接二连三,催生一批懂技术、会经营的经营主体,还可拓展非农就业机会,助力共同富裕。

原文：Radiomics-driven and explainable machine learning for rapid characterization of Fusarium wilt and Black Sigatoka in banana crops。研究于2026年7月28日发表，聚焦利用影像组学和可解释机器学习快速表征香蕉枯萎病与黑斑病，属于作物病害智能识别方向。当前公开检索摘要未呈现完整实验细节，故不对模型精度作额外推断。

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。

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。