AI-Driven Transformation in Sustainable Agriculture: A Systematic Review
Manish Maan
系统综述AI在可持续农业中的应用，分析生产力与可持续性影响及推广障碍。
系统文献综述，围绕作物、土壤、水、植保和产量预测梳理ML、IoT、机器人、计算机
作物与土壤监测、产量预测和机器人田间作业收益最大，检测精度达95.78%，需可解释AI与互操作系统。
可解释AI与互操作农场系统在农户信任和气候适应中的作用尚缺实证，是值得深入的研究空白。
系统综述梳理AI在作物土壤监测、产量预测与机器人田间作业中的应用成效与推广障碍，结论扎实，对智慧农业方向有参考价值。
农业部门正面临着来自全球人口快速增长、天气条件不稳定以及水资源日益减少的前所未有的压力。传统耕作方法在满足不断增长的粮食需求方面日益显得力不从心，因此有必要转向技术驱动的解决方案。本文对人工智能（Artificial Intelligence, AI）在农业中的应用进行了批判性和系统性的综述，分析了其对生产力和可持续性的影响，同时识别了阻碍其采用的潜在障碍。本研究采用系统性文献综述方法，围绕农业生产的核心领域——作物、土壤与养分、水资源与灌溉、作物保护（病虫害和杂草）管理以及产量预测——对近期研究进行了综合梳理，考察了机器学习、物联网、机器人技术和计算机视觉等数据驱动工具在各领域中的应用方式，并优先关注报告了具有农学意义成果（如产量提升和资源利用效率）的研究。综述中发现的最显著收益集中在三个农业领域——作物与土壤监测、产量预测以及机器人田间作业（如靶向检测、除草和收获）。实现这些收益的技术，主要是卷积神经网络等机器学习模型与田间及遥感传感器的结合，已在田间条件下实现了高精度，所报告的目标检测精度在田间条件下高达95.78%。在实际应用中，这意味着水、肥料及其他投入品的更高效利用，以及产量和作物品质的提升。综述得出结论：优先发展可解释人工智能（Explainable AI）和可互操作的农场系统，对于在气候变化背景下建立农民信任和保障粮食安全至关重要。