[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"item-2900":3,"related-2900":47},{"id":4,"title":5,"url":6,"summary":7,"summary_zh":8,"content":8,"source_name":9,"source_url":8,"published_at":10,"category":11,"cover_url":8,"hotness":12,"is_selected":13,"score":14,"score_detail":15,"sources":23,"tags":25,"search_phrases":32,"slug":35,"view_count":36,"doi":8,"paper":37,"created_at":46},2900,"Crop-GPA 2.0:安徽农业大学团队发布跨物种基因-表型预测深度学习工具,登The Crop Journal","https:\u002F\u002Fwww.global-agriculture.com\u002Fag-tech-research-news\u002Fchinese-researchers-launch-ai-tool-that-predicts-crop-gene-trait-links-across-species\u002F","安徽农业大学岳振宇教授团队(第一作者高玉佳)开发的Crop-GPA 2.0跨物种基因-表型预测深度学习工具于2026年9月10日发表在The Crop Journal。该工具通过分层基因组表征、跨物种预训练、性状感知学习三种联动技术,在水稻、玉米、小麦测试中跨性状(产量、抗病性、抗逆性、籽粒品质)均优于现有方法,且能在新物种或训练数据有限时保持较好性能,在线平台为育种者提供免费SNP排名服务,极大降低标记辅助选择门槛。",null,"Global Agriculture \u002F The Crop Journal","2026-09-14T00:00:00Z","论文",10,false,83,{"impact":16,"substance":17,"depth":18,"authority":19,"freshness":20,"relevant":21,"comment":22},22,23,18,14,6,1,"跨物种基因-表型预测工具登核心期刊，方法新颖、结论可靠，对智能育种有实质推动，值得进入每日精选。",[24],{"name":9,"url":6},[26,27,28,29,30,31],"智慧农业","农业人工智能","水稻","智能育种","玉米","基因-表型预测",[33,34],"安徽农业大学 Crop-GPA 2.0","Crop-GPA 2.0 基因-表型预测","安徽农业大学Crop-GPA2.0-2900",0,{"doi":8,"openalex_id":8,"authors":38,"venue":8,"cited_by_count":36,"oa_url":8,"card":39,"direction":43,"ingested_from":45},[],{"tldr":40,"method":41,"finding":42,"direction":43,"opportunity":44},"安徽农业大学团队发布跨物种基因-表型预测深度学习工具Crop-GPA 2.0，并在水稻、玉米、小麦中","分层基因组表征、跨物种预训练、性状感知学习，基于多物种SNP与表型数据。","跨性状预测均优于现有方法，新物种或小样本下仍表现良好，并提供免费在线SNP排名服务。","农业人工智能与决策模型","可探索将跨物种预训练模型与田间表型组、环境数据融合，提升复杂性状预测与育种决策的可解释性。","agent","2026-09-19T00:06:08.595080Z",{"total":20,"page":21,"page_size":20,"items":48},[49,74,99,121,141,169],{"id":50,"title":51,"url":52,"summary":53,"summary_zh":8,"content":54,"source_name":55,"source_url":8,"published_at":56,"category":57,"cover_url":8,"hotness":12,"is_selected":13,"score":58,"score_detail":59,"sources":64,"tags":66,"search_phrases":69,"slug":72,"view_count":36,"doi":8,"paper":8,"created_at":73},2846,"湖南农业大学校长唐文帮寄语2026级新生:用奋斗的青春书写AI浪潮的时代答卷","https:\u002F\u002Fnews.hunau.edu.cn\u002Fzhyw\u002F202609\u002Ft20260917_527257.html","9月16日,湖南农业大学2026级新生开学典礼上,校长唐文帮表示,2026年国家已经把\"人工智能+农业\"纳入国家发展整体框架,AI+农业已从\"可选项\"成为\"必答题\"。我国科学家跨界融合基因编辑与人工智能,研制出全球首台智能育种机器人\"吉儿\",开发的\"神农大模型\"让AI病虫害识别超千种、准确率达93%以上。学校开设了160余门人工智能相关课程、10余个人工智能相关微专业。在中药材育种领域,学校联合国家超算中心,创建中药资源育种智能体\"万草通\"。","![Image 1: 9d5fd6783e0070091696f1db849ab1d8.jpg](https:\u002F\u002Fnews.hunau.edu.cn\u002Fzhyw\u002F202609\u002FW020260917366422263518.jpg)\n\n**用奋斗的青春书写AI浪潮的时代答卷**\n\n——在湖南农业大学2026级新生开学典礼上的讲话\n\n湖南农业大学党委副书记、校长 唐文帮\n\n2026年9月16日\n\n**2026级的新同学们：**\n\n金秋九月，稻浪翻金。在这收获的时节，我们相聚在马坡岭下、浏阳河边。首先，我代表学校，向2026级9940名本科生新同学、3224名研究生新同学致以最热烈的欢迎！\n\n湖南农业大学始于1903年修业学堂，是一所底蕴深厚的百年学府。她是农业农村部与湖南省共建高校、国家首批硕士学位授予单位，现有博士后科研流动站11个，博士学位授权一级学科12个。袁隆平院士曾担任名誉校长。学校牵头建设国家2011协同创新中心，拥有国家“111计划”引智基地，建有10个国家级平台，现有5名中国工程院院士、2名外籍院士。2个学科跻身ESI全球前1‰，8个学科进入前1%。累计为国家培养50多万名优秀人才，他们中，有以邓秀新等8位中国科学院、中国工程院院士为代表的科技领军人才；有以联合国粮农组织总干事屈冬玉等一批省部级以上领导干部为代表的管理精英；有以楚天科技董事长唐岳等一批知名企业家为代表的产业骨干；有以全国劳动模范李常水等为代表的数以万计扎根基层一线的乡村振兴带头人。\n\n在创建一流农业大学的关键征途上，湖南农业大学迎来了优秀的你们！你们是与众不同的一届。当你们迈入大学之门，迅猛的人工智能浪潮已经扑面而来。人工智能正成为引领新一轮科技革命和产业变革的战略性技术，也正在深刻重塑高等教育的内涵、边界和形态。从ChatGPT到DeepSeek，从AI动画到AI编程，一夜之间，仿佛人人都有了一个“最强大脑”。AI正在迅猛重塑着包括农业在内的各行各业。大家不禁要问：AI浪潮来了，大学该怎么读？也有人焦虑：AI这么强，我学的专业还有用吗？今天，我想和大家聊的，正是这个时代之问——作为湖南农业大学的学子，当AI开始重塑农业，我们该成为什么样的新农人？下面我谈三点建议，供同学们思考和讨论，也是与全校师生的共勉。\n\n**第一，遇见AI，要洞悉与回应时代之变**\n\n放眼全球，AI改写农业已成星火燎原之势。在欧洲，AI正在重塑种养两端：英国Cattle Eye用一个摄像头，给每一头牛自动评分体况，无需耳标，无需穿戴；欧盟Rumen AI持续监测牛的瘤胃发酵，让奶、肉产量提高一成、代谢疾病减少一半。荷兰瓦赫宁根大学更让谷歌旗下Deep Mind强化AI算法，与人类专家“同台竞技”种植黄瓜。环顾国内，农业+人工智能已是国家必答题。2026年，国家已经把“人工智能+农业”纳入国家发展整体框架，AI+农业已从“可选项”成为“必答题”。我国科学家跨界融合基因编辑与人工智能，研制出全球首台智能育种机器人“吉儿”，把育种从“一把尺子，一杆秤，用手扒，用脚蹬”的经验模式，推向“BT+DT+AI”的新范式；开发的“神农大模型”，让AI“看得更准、懂得更多”——病虫害识别超千种、准确率达93%以上，还能在计算机里完成育种模拟与基因组设计。\n\n学校为了赢得未来，明确以人工智能深度赋能教学、科研、治理。智能教育方面，筹建运行智慧农业学院、人工智能学院、卓越工程师学院、中药资源学院（交叉学院）等新型学院。学校开设了160余门人工智能相关课程、10余个人工智能相关微专业；学校全面实施教师AI素养提升行动，创建智能化教学空间，打造主题式学习场景，探索人机协同教学新模式；已有10余位教师运用AI创作的教学案例获评国家级、省级优秀。我们推动教师从“会用AI”走向“善用AI、创用AI”，让老师都能在人机协同的讲台上，更好地陪伴大家成长。智能科技方面，学校正以“AI+生物育种”“AI+智慧农机”“AI+生物制造”等为主攻方向，建设农业大数据中心、AI专业知识创新中心，布局农业垂直大模型。在智能农机领域，学校锚定南方丘陵山区需求，嵌入企业真实场景，建设无人农场。在中药材育种领域，学校联合国家超算中心，创建中药资源育种智能体“万草通”。在植物保护领域，学校利用人工智能和图像识别技术研发的病虫测报AR眼镜，田间稻飞虱一眼识别，普查效率提升了3倍。智能治理方面，学校正在构建“数智湘农”新生态，将人工智能融入办学治校的每一个环节。建设全光网与5G专网，打造高速校园网络；加快建设校级AI算力，向全校提供标准化的智算服务。\n\n同学们，人工智能是一把金钥匙，不仅影响未来的教育，也影响教育的未来。看清时代之变，方能答好时代之问；读懂AI之势，方能走好求学之路。\n\n**第二，拥抱AI，要锻造不可替代的自己**\n\nAI的普及，将替代人类许多活动，黑灯工厂、无人快递派送都是人类被AI替代的结果。所以，锻造属于自己的不可替代性尤为重要。不可替代不是天赋，也不是与人争锋，而是在“大同”的世界里，做出自己独一份的“不同”，多一分专业深度思考，多一分创新思维，多一分长期主义，让你在自己的位置上，慢慢长成那个“独一无二的你”。AI是强大的辅助工具，AI越是强大，越考验我们独立思考，只有长在自己身上的本事，才能真正带得走、靠得住。深耕自己，在读书好、好读书、读好书中追求与学术大师的神交，在实践中多问一个“为什么”，把经验变成方法，才能看见别人看不见的需求，找到别人找不到的解法。2022级本科生赵经纬同学，自主开发健康追踪APP，从全球无数参赛者中脱颖而出，入选苹果公司学生编程挑战赛全球350人名单，被邀请赴美国苹果公司总部交流。2024级本科生柏章艺同学，在下乡服务中发现，单纯依靠文献数据生成的AI农事建议，有时和田间现实存在偏差；同学们采集土壤、苗情数据，探索将农户的经验融入模型迭代，让智能大模型真正适配我国的农业实际。\n\n同学们，AI本身并不会取代任何人，只有不善于运用AI的人，才会被取代。AI是通用工具，你所掌握的专业是独特壁垒。把工具和壁垒结合起来，形成属于自己的价值判断、情感共鸣、创新创造，你就具备了别人抢不走的竞争力。\n\n**第三，驾驭AI，要练就专业+AI的跨界本领**\n\n今天的农业，早已不是“面朝黄土背朝天”的老样子。一个智慧农场，需要懂农学的人做种植，需要懂计算机的人写算法，需要懂机械的人造机器，需要懂经管的人算成本效益。学校共建共享世界顶级种业创新高地——岳麓山实验室，正在形成教育、科技、产业、人才一体发展的机制，你们将直接面对产业一线，将有更多课程实现“专业+AI”的变革。希望同学们懂专业、懂AI、懂产业。2024级本科生宋润泽同学，开展低空监视雷达目标智能识别技术创新，成果获得2025年中国青年科技创新擂台赛大奖。2018级莫博程博士，将自身专业与人工智能技术融合，开发智慧农业实时监测预警系统，这项成果获得“金种子”大学生创新创业大赛金奖，这就是跨界的力量。\n\n同学们，时代是出卷人，我们是答卷人。AI时代，变的是工具，不变的是初心；变的是赛道，不变的是使命。技术越先进，初心越坚定；AI越强大，情怀越滚烫。将专业积淀与AI技术结合起来，练就解决复杂难题的本领，你就真正驾驭了AI。\n\n同学们，AI的浪潮，表面是技术的竞赛，本质是人才的竞争、国家命运的较量。当今世界，大国博弈日趋激烈，谁能在关键核心技术领域抢占先机，谁就能掌握发展的主动权。\n\n农业是国计民生的压舱石。学农，学的是安邦之本，守的是大国粮仓，担的是复兴大任。你们生逢其时、重任在肩。强国建设、民族复兴，你们是亲历者、见证者，更是参与者、建设者。接力棒已经传到你们手中，希望你们守好强农报国初心，厚植学农爱农情怀，练就强农兴农本领，在实现中华民族伟大复兴的征途中建功立业。\n\n同学们，希望你们以奋斗之我，赴时代之约；用奋斗的青春，书写AI浪潮的时代答卷！\n\n同学们，希望你们快乐学习、快乐生活、快乐成长！\n\n祝大家学业愉快、生活愉快、天天愉快！","湖南农业大学新闻网","2026-09-17T00:00:00Z","报道",58,{"impact":60,"substance":19,"depth":61,"authority":12,"freshness":62,"relevant":21,"comment":63},12,13,9,"高校开学典礼讲话，系统梳理AI赋能农业与农科教育改革举措，含神农大模型、吉儿育种机器人等实质信息，但属校内讲话，公共影响有限，可作主题聚合素材而非每日精选头条。",[65],{"name":55,"url":52},[26,27,29,67,68],"AI+农业","新农科教育",[70,71],"农业人工智能 新农科教育 智慧农业 智能育种","农业人工智能 新农科教育","农业人工智能新农科教育智慧农业智能育种-2846","2026-09-18T00:03:28.954237Z",{"id":75,"title":76,"url":77,"summary":78,"summary_zh":8,"content":8,"source_name":79,"source_url":8,"published_at":80,"category":57,"cover_url":8,"hotness":12,"is_selected":13,"score":81,"score_detail":82,"sources":88,"tags":90,"search_phrases":94,"slug":97,"view_count":36,"doi":8,"paper":8,"created_at":98},2815,"WAFI2026人工智能与农业论坛:中国方案助力农民种得好、种得起、种得稳、种得赚","https:\u002F\u002Fbaike.baidu.com\u002Fitem\u002F2026%E4%B8%96%E7%95%8C%E5%86%9C%E4%B8%9A%E7%A7%91%E6%8A%80%E5%88%9B%E6%96%B0%E5%A4%A7%E4%BC%9A\u002F68651190","9月16日WAFI2026举行\"人工智能与农业论坛\",中国农业大学全球食物经济与政策研究院院长樊胜根提出\"人工智能如何造福农民\"议题。论坛介绍神农大模型(2023年1.0版到2025年3.0版,3.0版为\"小麦育种智能助手\",可识别70类、600余种病虫害,已在非洲落地)、农业食物经济与政策AI模型、北大荒\"未来农场\"平台(覆盖111个农场、接入8.4万台智能装备、为60万种植户服务)、北京市\"智京园\"智慧设施管控技术体系等案例。","百度百科 \u002F 中国农业大学","2026-09-16T00:00:00Z",86,{"impact":83,"substance":84,"depth":85,"authority":19,"freshness":86,"relevant":21,"comment":87},26,21,17,8,"国际论坛上集中展示神农大模型、北大荒未来农场等中国AI农业方案，案例数据具体、信源权威，时效性强，值得进入每日精选。",[89],{"name":79,"url":77},[26,27,91,29,92,93],"未来农场","大模型","病虫害识别",[95,96],"农业人工智能 病虫害识别 智慧农业 智能育种","农业人工智能 病虫害识别","农业人工智能病虫害识别智慧农业智能育种-2815","2026-09-18T00:03:24.639818Z",{"id":100,"title":101,"url":102,"summary":103,"summary_zh":8,"content":104,"source_name":105,"source_url":8,"published_at":80,"category":57,"cover_url":8,"hotness":12,"is_selected":13,"score":106,"score_detail":107,"sources":111,"tags":113,"search_phrases":116,"slug":119,"view_count":36,"doi":8,"paper":8,"created_at":120},2729,"WAFI2026世界农业科技创新大会在京举行——辽宁省农科院等亮相","https:\u002F\u002Fwww.toutiao.com\u002Farticle\u002F7686105927610630691\u002F","2026世界农业科技创新大会(WAFI2026)9月16—19日在北京平谷举行。中国农业大学校长孙其信指出,人工智能已经从过去的示范,变成了部分大型新型经营主体的主要生产方式。中国农业大学王耀君副教授介绍神农大模型3.0已在非洲落地。北京数智京园智慧设施管控技术体系亮相。","潮新闻 记者 沈爱群 侴雪妍\n\n2026世界农业科技创新大会，正在北京举行。\n\n9月16日上午，在大会举行的“人工智能与农业论坛”上，潮新闻记者捕捉到了一个话题：人工智能如何造福农民？\n\n这个话题，由中国农业大学全球食物经济与政策研究院院长樊胜根教授在论坛致辞中提出。\n\n会上，与会国内外专家学者、业界代表见仁见智给出了答案：通过农业人工智能，可以让农民种得好、种得起、种得稳、种得赚。其中，深谙东方智慧的“中国方案”得到了与会嘉宾的点赞与关注。\n\n世界农业科技创新大会（英文缩写WAFI），是以“创新农业 共享未来”为宗旨的世界农业盛会，致力于打造农业“达沃斯”。自2023年成功举办以来，WAFI赢得了国内外同行的高度认可，被誉为世界三大农业盛会之一。\n\n![Image 1](https:\u002F\u002Fp3-sign.toutiaoimg.com\u002Ftos-cn-i-axegupay5k\u002F59a79b9b009545259d6d2d50486c2167~tplv-tt-origin-web:gif.jpeg?_iz=58558&from=article.pc_detail&lk3s=953192f4&x-expires=1790208715&x-signature=Mbp32uTVtyQxX7rWipDc9RKtXnU%3D)\n活动现场（记者 沈爱群 摄）\n\n在这个世界级农业盛会上，与会嘉宾为何特别关注“人工智能与农民”？\n\n答案，可以从人工智能时代全球农民、小农户面临的挑战找到。\n\n农业人工智能论坛上，中国农业大学校长、中国工程院院士陈卫就谈到：当前全球农食系统面临前所未有的挑战，气候变化加剧了农业生产的风险，土地、水资源和生物多样性承受着越来越大的压力。“我们必须生产更多更有营养的食物，降低农业对环境的影响，为农村地区创造更好的发展机会。然而这些挑战在不同地区的分布并不均衡，一端是资本和技术高度密集的现代化农场，另一边是数以亿计、以有限的资源支撑全球重要粮食供给的农民与小农户。”\n\n挑战面前，人工智能为农业转型注入了新动能。正如与会嘉宾在本次论坛上提及，人工智能正在推动智能育种、精准种植和农业生产全产业链系统发生新的变化，以卫星遥感数据、气象预警数据、土壤变化数据、种子种植数据以及营销数据分析等，帮助农民实现种植方案自动生成、无人机出苗率检测、卫星遥感旱涝、摄像头自动巡田、智能拼车等农业生产及农事经营。\n\n推动这些新变化的“中国方案”中，有着力农业教育的中国高校，有从事农业生产的中国农业企业，也有站在消费端的中国城市设施农业。\n\n先看中国高校。会上，中国农业大学信息与电子工程学院副教授王耀君和中国农业大学全球食物经济与政策研究院教授张玉梅，分别在主旨演讲中提到了“神农大模型”以及“农业食物经济与政策AI模型”。\n\n神农大模型，去年就已做到了3.0版。作为国内首个实现农业系统智能的大模型，神农1.0版于2023年问世，可以实现农业专业知识的精准查询与问答。2024年迭代的神农2.0版，拓展了技术边界，可以整合文本、图像等多模态数据进行分析决策。2025年全球首发的神农3.0版，打破了农业学科壁垒，让AI成为汇聚农业智慧的载体。\n\n神农大模型3.0是“小麦育种智能助手”。它融合了国家级种质资源与专家知识，可以赋能育种决策，实现从“田间试错”到“精准育种”。\n\n神农3.0还是个农业病虫害智能体。可以识别70类、600余种病虫害，实现用一部手机就能获得如同多个专业植保专家的指导。\n\n值得一提的是，神农3.0还可以让全球农业科技人员和从业者自主构建，以最低成本推动AI应用，让农业AI在科研院所和田间地头普惠落地。“经过过去一年的推广，神农大模型已经跨越千山万水，在非洲落地了。”神农大模型团队负责人王耀君说。\n\n农业食物经济与政策AI模型，不仅面向政府、科研机构和企业，也面向广大农业生产者，旨在将数据、经济模型与人工智能相结合，为农业市场研判和科学决策提供支持。为此，张玉梅教授提醒：“对于农民和小农户来说，这个模型提供的国内外农产品价格监测与异常预警、农业生产成本收益分析、膳食营养评价和国际市场动态分析，可以帮助他们及时了解市场变化 、比较政策方案、评估生产经营收益与营养状况。”\n\n其次，看看农业企业端。会上，北大荒信息有限公司总经理任荣荣向大家介绍了“未来农场”这个各项农艺技术集成平台。以深耕智慧农业培育发展新动能为己任的北大荒信息有限公司，既自主研发了智能装备管理平台覆盖111个农场、接入8.4万台智能装备；也让“未来农场”为60万种植户提供产前、产中、产后服务，实现农业资金交易1000亿元。\n\n再看城市设施农业。会上，北京市数字农业农村促进中心副主任、正高级农艺师芦天罡，向大家展示了北京市“数智京园”智慧设施管控技术体系和连栋温室“赛马制”中试熟化场景。\n\n据芦天罡介绍，北京市目前正通过AI+城市设施农业，实现了连栋温室的国产化技术攻关和日光温室的数智场景改造，快速推动农业产业智能化。“从系统到装备到模型，人工智能可以帮助农户解放劳动力、提高精细化生产水平，还可以调节生产周期，助推农户增收。”芦天罡表示。\n\n“转载请注明出处”","今日头条 2026年9月16日",78,{"impact":108,"substance":109,"depth":85,"authority":86,"freshness":62,"relevant":21,"comment":110},24,20,"世界级农业盛会现场报道，汇聚神农大模型3.0、未来农场、数智京园等多方实质进展，信息增量足，值得进入每日精选。",[112],{"name":105,"url":102},[26,27,114,115,29],"设施农业","神农大模型",[117,118],"农业人工智能 神农大模型 智慧农业 智能育种","农业人工智能 神农大模型","农业人工智能神农大模型智慧农业智能育种-2729","2026-09-17T00:04:39.330857Z",{"id":122,"title":123,"url":124,"summary":125,"summary_zh":8,"content":126,"source_name":127,"source_url":8,"published_at":8,"category":57,"cover_url":8,"hotness":12,"is_selected":13,"score":14,"score_detail":128,"sources":130,"tags":132,"search_phrases":136,"slug":139,"view_count":36,"doi":8,"paper":8,"created_at":140},2701,"山东实施人工智能+农业行动——数据种进泥土云端守护丰收","http:\u002F\u002Fgzylhyzx.com\u002Fdetail.html?newsId=52418975","山东省农科院发布舜耕·粮安农业遥感大模型,基于20年积累的2000万份人工样本数据,覆盖山东全域全地貌、全物候周期,构建耕地智能提取—肥力墒情预测—作物精准识别—长势动态监测—病虫草害预警—作物智能估产全链条智能监测体系,精度高达95%,效率提升超100%。寿光新建大棚已迭代升级至第七代智能物联网云棚,物联网应用率超过85%。","### 山东实施“人工智能+农业”行动：数据“种”进泥土，云端守护丰收\n\n2026-09-17 03:40:55\n\n![Image 1](https:\u002F\u002Fappimg.dzwww.com\u002Fshare\u002F2026\u002F08\u002F02\u002Ff9c9a29336dd947_750.JPEG)\n\n麦田上空，无人机低空掠过，哪片麦苗缺氮、哪处有蚜虫，屏幕上即时标红；大棚内，人工智能（AI）算法值守，缺水、缺肥时，系统立刻报警；分拣车间里，AI视觉系统每秒“端详”上百颗苹果，按色泽、果径、瑕疵精准分级，误判率不到百分之一……\n\n从“靠天吃饭”到“知天而作”，当前人工智能正成为助力农业稳产提质、带动农民增收致富的“好帮手”，为农业农村现代化提供全新范式。\n\n2026年中央一号文件明确提出“因地制宜发展农业新质生产力，促进人工智能与农业发展相结合”，将AI技术从单点应用升级为贯穿农业全产业链的战略引擎。多家行业机构预测，2026年中国智慧农业市场规模将突破1340亿元，年复合增长率保持在15%以上。\n\n刚刚召开的省委十二届十一次全会，着眼把农业建成现代化大产业，推动农业数智化转型升级，明确提出实施“人工智能+农业”行动。何谓“人工智能+农业”？简言之，就是以人工智能技术为核心，驱动传统农业向智能化、高效化转型的新型生产体系。与会同志认为，从更深层次看，“人工智能+农业”不是简单的技术叠加，而是农业生产方式、组织形式和价值链条的系统性重塑。\n\n**AI种地，田野阡陌释放出更多可能**\n\n技术的生命力在于解决实际问题。放眼全国，农业面临着劳动力老龄化、气候变化风险加剧等压力，也存在特色产业附加值低、品牌力不强等问题。人工智能的介入推动农业从“靠经验”转向“靠数据”，为端牢“中国饭碗”、塑强农业产业注入确定性。在不少人看来，人工智能的应用推广，恰逢其时。\n\n“山东是农业大省，也是农业产业化发源地，产业规模大、业态全，生产者队伍素质高、接受新事物能力强。与此同时，山东工业基础雄厚，人工智能技术发展迅速。新技术在农业方面的转化推广具有显著的成本和效率优势。”省委党校（山东行政学院）教授、山东乡村振兴研究院院长刘岳认为，山东有着发展“人工智能+农业”的坚实基础，在完整的产业体系、可观市场规模、丰富应用场景等优势加持下，田野阡陌将释放出更多可能。\n\n夏日的鲁北平原，玉米拔节生长，一片生机盎然。在齐河县金穗粮食种植专业合作社的示范田里，一套黑色管网发挥着大作用。“这是我们铺设的水肥一体化设施。每30厘米有一个出水孔，能精准滴灌到玉米根底部位置。相比大水漫灌，它的灌溉速度快3倍，可省水30%，一人一天能管理200亩地。”合作社理事长袁本刚说。依托大数据平台，合作社还可在“云端”实施全程监管，动动手指就能依据检测数据制订分地块水肥管理方案，为各村玉米田定制个性化基肥配方，同步开展测土配方、作物叶绿素检测等服务。\n\n今年山东夏粮逆势丰收，连续4年实现面积、单产、总产“三增”，这离不开水肥一体化技术在大田的推广。数据显示，2025年，全省应用水肥一体化技术的粮油作物面积已达到630万亩。“水肥一体化与减垄增地、‘大小行’密植等结合，加速了良种、良法、良机、良田深度融合，有效提升了农田规模化、标准化种植水平。”袁本刚体会深切，水肥一体化的落地，让丰收有了更充实的底气。\n\n![Image 2](https:\u002F\u002Fappimg.dzwww.com\u002Fshare\u002F2026\u002F08\u002F02\u002Ff9c9a2a30f6bab0_750.JPEG)\n\n种子是农业的“芯片”，也是保障粮食安全的关键，智能育种已成为育种科研人员聚焦的热点领域。\n\n今年4月，由中国农业科学院作物科学研究所与山东极智生物科技有限公司联合研发的“iWheat小麦智能设计育种平台”发布。对青岛农业大学小麦遗传育种团队来说，iWheat的应用正在帮助其攻克小麦育种“周期长、效率低、成本高”等行业难题。\n\n这一平台整合3万余份小麦种质资源的基因型、442个功能基因、6000余个功能位点及40余万条表型数据，为每一份种质建立起“数字身份证”，实现资源的精准检索与高效利用。“结合快速繁育体系，能将传统8年的育种周期压缩2至3年。”团队负责人张玉梅说，加速新品种的培育进程、降低育种成本，意味着更能提升整个种业行业的创新能力和竞争力，进而赋能小麦产业链上下游实现高质量发展。\n\n**让“技术盆景”真正落地为“产业风景”**\n\n农业大模型能够整合气象、土壤、作物生长等多维度数据，显著提升农业生产的精准性和预见性。我省明确，要加强农业大模型与人工智能体落地应用。\n\n在“中国蔬菜之乡”寿光，蔬菜大棚迎来了一批特殊“员工”。一群脚步灵活的机器狗，沿着田垄灵活穿梭，搭载的高清摄像头与传感器如同“火眼金睛”，精准识别病虫害迹象。巡检结束，数据实时传回后台，人工智能模型迅速给出种植决策。如今，寿光新建大棚已迭代升级至第七代智能物联网“云棚”，物联网应用率超过85%，劳动生产效率较以往翻倍。\n\n![Image 3](https:\u002F\u002Fappimg.dzwww.com\u002Fshare\u002F2026\u002F08\u002F02\u002Ff9c9a2a2155c1ff_750.JPEG)\n\n就在一个多月前，省农科院发布“舜耕·粮安”农业遥感大模型。省农科院党委书记梁金光介绍，该模型基于20年来积累的2000万份人工样本的海量数据，覆盖山东全域全地貌、全物候周期，构建起“耕地智能提取—肥力墒情预测—作物精准识别—长势动态监测—病虫草害预警—作物智能估产”全链条智能监测体系，精度高达95%，效率提升超100%。\n\n在中游加工环节，大模型也能有效提升产品附加值与标准化水平。在烟台莱山区，由浪潮云洲旗下数农云（山东）信息科技有限公司联合中国农业大学计算中心、烟台葡乡农业开发有限公司共同打造的“莱山葡萄种植和酿造大模型”，一方面在种植端自动生成气候适应性调控方案，实现水肥精准配施、病虫害智能预警与防治，葡萄产量与品质同步提升；另一方面在酿造端用AI模拟发酵、陈酿全过程，动态优化关键参数，完成原料分级、发酵控制和酒体风味数字化建模。以此，让每一批葡萄酒的口感更稳定、品质更可控。\n\n当然，让人工智能与广袤乡村实现更深层次的双向赋能，还有很长的路要走——\n\n一套AI系统，传感终端、边缘计算、决策模型全算上，初始投入比较大。普通农户能不能用得起、用得好？\n\n农业生产周期长、环境复杂、区域差异大，怎样才能收集利用一批高质量农业数据，推动AI模型迭代？\n\n下沉到村、懂技术懂农业的青年人才较为短缺，农业人工智能技术人才怎样引育？\n\n让“技术盆景”真正落地为“产业风景”，刘岳认为，关键是鼓励龙头企业、高校院所与新型农业经营主体协同攻关，围绕粮食、果蔬、畜牧、水产等优势产业，打造一批“听得懂农事、算得清账本、管得了全程”的行业大模型。\n\n此外，刘岳还建议，要更加重视构建与农村新质生产力相适应的农村新型生产关系，盘活整合农村各类资产资源，为充分发挥数字化、智能化技术进步作用提供保障。“推动农村数字化从‘局域网’向‘互联网’转化，要破除长期存在的‘信息孤岛’，构建乡村振兴的数据底座。”\n\n（大众新闻记者 于新悦 刘兵）\n\n  \n免责声明：以上数据来源于天眼查等平台，相关内容仅为传递更多信息之目的，不代表本网观点，亦不代表本网站赞同其观点或证实其内容的真实性。如有侵权请联系0531-85193563。\n本文来源：大众新闻·大众日报\n\n查看更多","大众新闻 2026年9月",{"impact":108,"substance":16,"depth":18,"authority":12,"freshness":62,"relevant":21,"comment":129},"省级\"人工智能+农业\"行动部署，含舜耕遥感大模型、iWheat育种平台、寿光云棚等具体案例与数据，政策与产业信息增量充足，值得入选每日精选。",[131],{"name":127,"url":124},[133,26,27,134,29,135],"数字乡村","农业大模型","水肥一体化",[137,138],"农业人工智能 农业大模型 水肥一体化 数字乡村","农业人工智能 农业大模型","农业人工智能农业大模型水肥一体化数字乡村-2701","2026-09-17T00:04:37.256062Z",{"id":142,"title":143,"url":144,"summary":145,"summary_zh":8,"content":8,"source_name":146,"source_url":8,"published_at":147,"category":11,"cover_url":8,"hotness":12,"is_selected":13,"score":148,"score_detail":149,"sources":151,"tags":153,"search_phrases":156,"slug":159,"view_count":36,"doi":8,"paper":160,"created_at":168},2611,"无人机遥感在水稻高通量表型分析中的研究进展 系统综述","https:\u002F\u002Fwww.ebiotrade.com\u002Fnewsf\u002F2026-9\u002F20260911171723051.htm","发表于Smart Agricultural Technology。依据PRISMA 2020规范系统检索文献最终纳入199项研究(2014–2026年)。研究发现：先进传感、特征集成和建模技术日益支持氮素和叶绿素估算及产量预测；轻量级模型和边缘计算系统在倒伏和病害监测任务中显示出实时部署的可行性；跨区域泛化受环境背景干扰以及地点品种偏倚制约；199项研究中有6项(3.0%)将UAV衍生性状与遗传关联分析联系起来。","Smart Agricultural Technology","2026-09-11T01:00:00Z",77,{"impact":18,"substance":16,"depth":18,"authority":61,"freshness":20,"relevant":21,"comment":150},"基于PRISMA规范纳入199项研究的系统综述，方法严谨、数据规模大，对水稻表型与智慧育种有实质参考价值，但属细分领域学术进展，公共影响有限。",[152],{"name":146,"url":144},[26,27,28,154,155],"无人机遥感","高通量表型",[157,158],"农业人工智能 无人机遥感 高通量表型 智慧农业","农业人工智能 无人机遥感","农业人工智能无人机遥感高通量表型智慧农业-2611",{"doi":8,"openalex_id":8,"authors":161,"venue":8,"cited_by_count":36,"oa_url":8,"card":162,"direction":166,"ingested_from":45},[],{"tldr":163,"method":164,"finding":165,"direction":166,"opportunity":167},"系统综述199项研究，梳理无人机遥感在水稻高通量表型分析中的应用进展与瓶颈。","依据PRISMA 2020系统检索2014–2026年199项研究并归纳分析。","传感与建模支撑氮素、产量预测，跨区域泛化受环境与品种偏倚制约，基因关联研究仅占3%。","农业遥感与作物表型","UAV表型与遗传关联分析严重不足，可探索跨区域泛化建模及表型-基因型融合方向。","2026-09-16T00:03:52.470505Z",{"id":170,"title":171,"url":172,"summary":173,"summary_zh":174,"content":8,"source_name":175,"source_url":172,"published_at":10,"category":11,"cover_url":8,"hotness":12,"is_selected":13,"score":176,"score_detail":177,"sources":180,"tags":182,"search_phrases":185,"slug":188,"view_count":36,"doi":189,"paper":190,"created_at":226},2512,"Deep learning-based classification of wet direct seeded rice, broadcasted direct seeded rice and transplanted rice using drone imagery for precision agriculture","https:\u002F\u002Fdoi.org\u002F10.3389\u002Ffrsen.2026.1698781","Accurate estimation of crop area using classification techniques applied to drone imagery plays an important role in precision agriculture. Traditional machine learning (ML) approaches have been widely used for agricultural image classification; however, advanced deep learning (DL) models generally provide superior feature extraction and classification capability for complex crop patterns. Differentiating various rice establishment methods is essential for precise area estimation. In this study, advanced deep learning models were employed to classify three types of rice cultivation: (i) Broadcasted Direct Seeded Rice (DSR), (ii) Wet Direct Seeded Rice (Wet DSR), and (iii) Transplanted Rice (TR) using drone imagery. The drone imagery was collected from an experimental field at Praanadhaara Organised Agro Forestry Private Limited, Bapatla District, Andhra Pradesh, India. The images were captured in the visible spectrum (Red, Green, and Blue bands) on three dates, viz., 15 October 2023, 27 October 2023, and 01 December 2023, from an altitude of 40 m and were used to train and test classification models. Classification was performed using six ResNet-50 based hybrid models, namely, ResNet-50+K-Nearest Neighbor (ResNet-50+KNN), ResNet-50+Support Vector Machine (ResNet-50+SVM), ResNet-50+Decision Trees (ResNet-50+DT), ResNet-50+Random Forest (ResNet-50+RF), ResNet-50+Naïve Bayes (ResNet-50+NB), and ResNet-50+Neural Network (ResNet-50+NN), along with two additional DL architectures, namely, You Only Look Once version 5 (YOLOv5) and You Only Look Once version 8 (YOLOv8). Model performance was evaluated using overall accuracy (OA), precision (P), recall (R), kappa coefficient (K), F1-score (F1), and mean Average Precision (mAP). Among the tested classifiers, the ResNet-50+NN model consistently achieved the highest average overall accuracies of 93.16%, 95.81%, and 93.31% at T 1 , T 2 , and T 3 , respectively, outperforming all other models, whose accuracies ranged from 78.05% to 92.07%, 86.11%–95.24%, and 77.47%–92.09% across the respective time intervals. The ResNet-50+NN model also recorded the highest precision (0.93–0.97), recall (0.92–0.97), F1-score (0.92–0.97), and kappa coefficient (0.89–0.96), demonstrating superior and consistent classification performance across all observation dates. The methodology developed in this work enables precise identification of rice establishment methods, improving crop mapping and monitoring. This identification enhances resource efficiency, optimizes input use, and supports site-specific management, contributing to sustainable precision agriculture.","利用分类技术对无人机影像进行作物面积精确估算，在精准农业中发挥着重要作用。传统机器学习（ML）方法已广泛用于农业图像分类；然而，先进的深度学习（DL）模型通常对复杂作物模式具有更优越的特征提取和分类能力。区分不同的水稻种植方式对于精确估算面积至关重要。本研究采用先进的深度学习模型，利用无人机影像对三种水稻种植类型进行分类：（i）撒播直播稻（DSR），（ii）湿润直播稻（Wet DSR），以及（iii）移栽稻（TR）。无人机影像采集自印度安得拉邦巴帕特拉县Praanadhaara Organised Agro Forestry Private Limited的试验田。图像在可见光谱（红、绿、蓝波段）下于三个日期拍摄，即2023年10月15日、2023年10月27日和2023年12月1日，飞行高度为40 m，用于训练和测试分类模型。分类采用六种基于ResNet-50的混合模型，即ResNet-50+K近邻（ResNet-50+KNN）、ResNet-50+支持向量机（ResNet-50+SVM）、ResNet-50+决策树（ResNet-50+DT）、ResNet-50+随机森林（ResNet-50+RF）、ResNet-50+朴素贝叶斯（ResNet-50+NB）和ResNet-50+神经网络（ResNet-50+NN），以及两种额外的深度学习架构，即You Only Look Once第5版（YOLOv5）和You Only Look Once第8版（YOLOv8）。采用总体精度（OA）、精确率（P）、召回率（R）、Kappa系数（K）、F1分数（F1）和平均精度均值（mAP）评估模型性能。在测试的分类器中，ResNet-50+NN模型在T₁、T₂和T₃分别持续取得最高的平均总体精度，为93.16%、95.81%和93.31%，优于所有其他模型，后者的精度在相应时间段分别为78.05%–92.07%、86.11%–95.24%和77.47%–92.09%。ResNet-50+NN模型还记录了最高的精确率（0.93–0.97）、召回率（0.92–0.97）、F1分数（0.92–0.97）和Kappa系数（0.89–0.96），在所有观测日期均表现出优越且稳定的分类性能。本研究开发的方法能够精确识别水稻种植方式，改进作物制图和监测。这种识别增强了资源","Frontiers in Remote Sensing",76,{"impact":178,"substance":84,"depth":85,"authority":61,"freshness":62,"relevant":21,"comment":179},16,"基于无人机可见光影像与ResNet-50混合模型区分三类水稻种植方式，方法对比系统、精度数据扎实，对精准农业作物制图有参考价值，但属细分技术进展，影响范围有限。",[181],{"name":175,"url":172},[26,27,28,183,184],"精准农业","遥感",[186,187],"农业人工智能 智慧农业 精准农业 水稻","农业人工智能 智慧农业","农业人工智能智慧农业精准农业水稻-2512","10.3389\u002Ffrsen.2026.1698781",{"doi":189,"openalex_id":191,"authors":192,"venue":175,"cited_by_count":36,"oa_url":218,"card":219,"direction":224,"ingested_from":225},"W7212834743",[193,195,197,199,201,204,206,208,210,213,215],{"name":194,"orcid":8},"Amrutha Lakshmi Gubbala",{"name":196,"orcid":8},"Santosha Rathod",{"name":198,"orcid":8},"Ramesh Dasyam",{"name":200,"orcid":8},"Mahender Kumar Rapolu",{"name":202,"orcid":203},"Arun Kumar Dasari","https:\u002F\u002Forcid.org\u002F0000-0001-7398-8601",{"name":205,"orcid":8},"Pundarikakshudu Kurra",{"name":207,"orcid":8},"Hanuma Raviteja Madireddy",{"name":209,"orcid":8},"Prajwal R. Shashishekhar",{"name":211,"orcid":212},"Ravi V. Mural","https:\u002F\u002Forcid.org\u002F0000-0002-5489-9918",{"name":214,"orcid":8},"Anil Kumar",{"name":216,"orcid":217},"R. M. Sundaram","https:\u002F\u002Forcid.org\u002F0000-0002-9857-8251","https:\u002F\u002Fwww.frontiersin.org\u002Fjournals\u002Fremote-sensing\u002Farticles\u002F10.3389\u002Ffrsen.2026.1698781\u002Fpdf",{"tldr":220,"method":221,"finding":222,"direction":166,"opportunity":223},"用无人机可见光影像和深度学习模型区分直播稻、湿直播稻与移栽稻三种水稻种植方式。","无人机RGB影像三个时相，比较ResNet-50混合模型与YOLOv5\u002Fv8分类","ResNet-50+NN表现最优，三期总体精度达93.16%、95.81%、93.31%，优于其他模","可扩展到多光谱\u002F多时相与更大区域验证，并用于种植方式制图与面积精准估算。","智慧农业 \u002F 农业物联网","openalex","2026-09-15T23:30:08.600535Z"]