From Phenotyping to Supervised Agentic Decision Support: A Review of Sensing and Artificial Intelligence for Greenhouse Strawberry Cultivation（从表型到监督智能体决策支持：温室草莓栽培的传感与人工智能综述）

方法

综合草莓表型、多模态传感、AI状态解释与监督智能体协调的文献综述。

发现

感知与AI解释进展显著，但少有研究验证AI输出是否真正改善作物响应与管理决策。

机会点

可研究AI决策输出对温室草莓实际管理、资源利用与产量结果的闭环验证与效果评估。

MDPI Horticulturae 12(7) 765 发表综述：温室草莓栽培越来越依赖传感技术、人工智能和决策支持基础设施，但其在园艺上的价值取决于异构测量能否转化为生物学上有意义的作物状态和实际管理决策。本综述综合草莓表型、多模态传感、AI作物状态解释和监督智能体协调，提出表型到行动的温室草莓栽培框架。综述研究表明，通过成像、光谱、环境、根区和建模方法在测量和解释营养、生殖、果实品质、压力和环境作物状态方面取得实质性进展。然而，大部分文献仍强调测量精度、模型性能或基础设施能力，而较少研究验证AI输出是否改善作物响应、管理决策、工作流、资源使用或生产结果。综述区分数据采集传感技术与AI解释预测方法，并研究作物状态信息如何与实际温室决策相连接。