Journal of Scientific Research and Reports·9月9日 · 周三论文智慧农业 / 农业物联网阅读 0
AI-Powered Crop Protection: Transforming Pest Surveillance and Decision-Making Through Digital Agriculture
R. Saritha · M. Swathi
论文解读
76精选
速览
综述AI与数字农业在害虫监测、预测及决策支持中的应用与挑战。
方法
综述机器学习、深度学习、计算机视觉、物联网、遥感、无人机与决策支持系统。
发现
AI可提升害虫识别、暴发预测和精准管理，但受数据、泛化、成本与采纳制约。
机会点
可探索生成式AI、数字孪生与边缘智能在田间害虫管理中的可解释、可扩展落地验证。
影响力18
信息增量20
专业深度17
信源权威13
时效性8
系统综述AI与数字农业在病虫害监测预警与决策支持中的应用与瓶颈，信息密度高、结论可靠，对智慧植保方向有参考价值，但属综述类论文而非突破性成果，适合进入精选。
原文摘要
作物保护正日益受到害虫种群动态变化、农药抗性以及更可持续农业生产需求的挑战。人工智能（AI）与数字农业通过自动检测、持续监测和更精准的干预措施，为改善害虫监测、预测和决策提供了互补性工具。本文综述了机器学习、深度学习、计算机视觉、物联网传感、智能诱捕器、遥感、无人机、机器人技术、预测分析和智能决策支持系统在害虫管理中的应用。这些方法支持害虫识别、种群监测、暴发预测、风险评估和位点特异性管理，从而强化了有害生物综合治理所需的信息基础。本文还探讨了新兴技术，包括生成式人工智能、基础模型、数字孪生、可解释人工智能、边缘智能和自主农业平台，及其在未来作物保护系统中的前景。尽管技术进展迅速，实际部署仍受限于高质量数据集不足、田间条件多变、模型泛化能力、互操作性、数字基础设施、成本以及农民采纳程度等因素。因此，有效实施需要透明、稳健且可扩展的系统，这些系统应在多样化农业条件下得到验证，并与生态害虫管理原则相一致。总体而言，将人工智能驱动的监测与决策支持同有害生物综合治理相结合，可支持更及时、更具适应性和资源效率更高的作物保护，同时减少不必要的干预。