[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"item-3574":3,"related-3574":37},{"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":31,"slug":34,"view_count":35,"doi":8,"paper":8,"created_at":36},3574,"'智慧'点亮丰收图——甘肃'12316'智慧农业AI服务系统亮相2026年中国农民丰收节甘肃主场","https:\u002F\u002Fszb.farmer.com.cn\u002Fnmrb\u002Fhtml\u002F2026\u002F20260925\u002F20260925_4\u002Fnmrb_20260925_13414_4_2103265943006318653.html","9月23日天水市麦积区南山花牛苹果基地举行的2026年中国农民丰收节甘肃省主场活动上，甘肃'12316'智慧农业AI服务系统展示'知识推荐、话术推荐、关键词锁定、专家转接、疑问解答'全流程：农户手机一点即可视频连线省级专家远程问诊。北京市农林科学院农业机器人团队成员郭鑫介绍，双臂采摘机器人依托柔性末端采摘机构与高精度深度视觉系统，可应对光照变化、枝叶遮挡、果实分布不均等复杂工况，实现苹果全自动识别、定位与采摘，作业覆盖高度0.5至3米。",null,"农民日报 2026-09-25","2026-09-25T00:00:00Z","报道",10,false,72,{"impact":16,"substance":17,"depth":18,"authority":19,"freshness":20,"relevant":21,"comment":22},18,20,15,12,7,1,"省级丰收节主场亮相的AI农技服务与采摘机器人，兼具服务模式与装备技术信息增量，值得进入每日精选。",[24],{"name":9,"url":6},[26,27,28,29,30],"智慧农业","农业人工智能","采摘机器人","农业社会化服务","苹果产业",[32,33],"甘肃 智慧农业 AI服务系统","北京农林科学院 双臂采摘机器人 苹果","甘肃智慧农业AI服务系统-3574",0,"2026-09-27T00:05:13.939515Z",{"total":38,"page":21,"page_size":38,"items":39},6,[40,67,98,118,146,166],{"id":41,"title":42,"url":43,"summary":44,"summary_zh":8,"content":45,"source_name":46,"source_url":8,"published_at":47,"category":11,"cover_url":8,"hotness":12,"is_selected":48,"score":49,"score_detail":50,"sources":56,"tags":58,"search_phrases":62,"slug":65,"view_count":21,"doi":8,"paper":8,"created_at":66},3289,"专家解读：乘数而上向智而行——大力发展智慧农业 加快建设数字乡村 智慧农业与小农户有机衔接","https:\u002F\u002Fwww.thepaper.cn\u002FnewsDetail_forward_34116699","专家解读文章指出：近年来农机北斗终端实现快速规模化推广，截至2025年底累计推广超350万台套。各类农业社会化服务组织加速布点，通过集采智能装备、统一调度作业、提供菜单式服务，将智能农机、无人机植保、精准施肥等先进技术和装备转化为小农户点单即享的标准化服务。十五五时期是基本实现农业农村现代化的关键时期，《加快农业农村现代化十五五规划》明确要推进人工智能运用和智慧农业发展；农业大模型、智能装备加速在生物育种、农情监测、生产管理、动植物疫病识别与防控、产量预测等场景落地。","习近平总书记高度重视数字乡村建设和智慧农业发展，作出重要指示强调，“瞄准农业现代化主攻方向，提高农业生产智能化、经营网络化水平，帮助广大农民增加收入”“要用好现代信息技术，创新乡村治理方式，提高乡村善治水平”。2019年，中共中央办公厅、国务院办公厅印发了《数字乡村发展战略纲要》。此后，中央一号文件连续八年对推进数字乡村和智慧农业作出重要部署。各地区各有关部门持续推进数字技术与农业生产、乡村生活日益融合，数字乡村建设和智慧农业发展取得重要阶段性成效。近日，国家互联网信息办公室、农业农村部联合发布《中国数字乡村发展报告（2019—2025年）》（以下简称《报告》），系统总结了七年来我国数字乡村发展的成就和经验。《报告》立足新形势新要求，展示了以信息基础设施为底座、数据资源体系为核心、智慧农业与乡村数字经济为重点、数字文化与数字治理为支撑、信息服务与智慧美丽乡村为拓展、政策机制与人才队伍为保障的体系化发展路径。该《报告》不仅为全面了解发展成效、科学谋划“十五五”数字乡村发展蓝图提供了重要参考，也积极回应各方关切，向国际社会展示了我国借助数字技术推动农业与乡村治理数智化转型的经验。回顾七年历程，智慧农业作为数字乡村建设的重要内容，已由试点探索转向快速起步、由点状突破迈向系统推进，正乘“数”而上，向“智”而行，为推进农业农村现代化提供有力支撑。\n\n一、智慧农业正从“盆景”走向“风景”\n\n数字乡村涵盖乡村经济、治理、文化、服务等多个维度，内涵丰富。《报告》提出，智慧农业是“农业新质生产力的重要内容，是乡村产业数字化的关键着力点”。智慧农业为数字乡村高质量发展提供了坚实的产业支撑，成为推动数字乡村发展的关键动能。《报告》显示，七年的探索推进和快速发展，推动智慧农业实现了“四个跨越”。\n\n第一，智慧农业基础设施实现从“基础覆盖”到“深化赋能”的跨越。完善的网络基础设施为智慧农业在田间地头、池塘圈舍的落地拓展提供了基础支撑。截至2025年底，农村地区互联网普及率达69.5%，较2018年底提升31.1个百分点。传统基础设施数字化为智慧农业提供了更加坚实的硬件底座和场景支撑，农村水利、农田、电网、公路及寄递物流等持续升级完善。农业数据资源日益丰富，为智慧农业落地应用提供了基础资源和创新引擎，“天空地一体化”监测网络等新型基础设施加快建设，全国农产品批发市场价格信息等涉农数据开发利用不断深入。\n\n第二，关键技术装备实现从“基础”到“核心”的跨越。智能农机装备研发应用取得重要进展，新一代信息技术与农业装备深度融合，正推动农业生产方式从“靠天吃饭”向“知天而作”加速转变。产学研用相衔接的智慧农业创新体系加快形成，支撑取得一批关键智慧农业技术装备创新成果。《报告》显示，截至2025年底，累计建设智慧农业创新中心、分中心34个，智慧农业创新应用项目116个，104项关键智慧农业技术和62项整机智能装备研发取得突破。智慧农业技术装备质量管控更加严格、应用推广不断拓展，布局建设国家农机装备产业计量测试中心，强化农机装备产业计算测试技术研究与应用。\n\n第三，主要产业数字化实现从“单点试验”到“面上推广”的跨越。大田种植领域，天空地一体化农情感知与数据驱动模式初步构建，实现水稻、小麦、玉米苗情长势动态监测。截至2025年底，累计推广应用各类农机北斗终端超350万台套，农用无人机保有量超过30万架、年作业面积突破4.6亿亩。智能农机共享租赁加速普及。畜禽养殖领域，精准饲喂、环境控制、行为分析等智能技术广泛应用于生猪养殖和家禽立体高效养殖中。全国659个动物防疫通道纳入信息化管理，动物检疫监督更加智能化、便捷化和高效化。渔业领域，数字技术持续赋能多元化养殖模式，智能化网箱设备、投料机器人等智能装备加速迭代，海洋养殖智能化水平不断提升。\n\n第四，粮食安全保障实现从“人工管控”到“数智赋能”的跨越。粮食安全是“国之大者”，数智技术正在为其构筑起坚实保障。在耕地保护方面，“三区三线”等“一张图”相关基础数据库进一步完善，让“藏粮于地”有了更坚实的数据底座，助力守牢18亿亩耕地红线。在种业振兴方面，中国种业大数据平台建成运行，全国农作物种质资源信息平台已上线58.8万份国家级库圃种质资源信息，为育种创新提供了坚实的资源基础。在防灾减损领域，气象预警信息全面接入全国123万个应急广播终端并在16个省份386个市县试行开展“闪信”技术应用，以气象预警为先导的应急响应联动机制更加健全。在仓储方面，借助数字化仓储技术，粮库储粮周期内综合损耗率控制在1%以内，支撑节粮减损效果明显。从种到收、从田间到粮仓，数智技术正在全链条赋能国家粮食安全保障体系。\n\n二、智慧农业发展需要坚定走好符合国情农情的路子\n\n七年来，在信息革命加速农业深刻变革的进程中，智慧农业加快发展、数字乡村建设深入推进，推动农业成为更有奔头的产业、农村成为更加宜居宜业的家园，为网络强国、农业强国建设贡献了重要力量。回顾七年实践，我们进一步深化了对智慧农业发展的规律性认识。\n\n一是政府引导与市场机制协同发力。党中央、国务院印发的《加快建设农业强国规划（2024—2035年）》、农业农村部印发的《关于大力发展智慧农业的指导意见》《全国智慧农业行动计划（2024—2028年）》等文件构建了智慧农业“四梁八柱”。七年来，从智慧农业创新中心布局到创新应用项目建设实施，从主推技术遴选、典型案例推介到智慧农业创新大赛，政府的“有形之手”在搭建平台、降低门槛、推动产业化等方面发挥了重要作用。同时，平台经济等推动拓展创业空间，返乡青年、家庭农场、农民合作社和农村个体商户以平台化方式进入市场、链接消费和重构经营模式，农村电商、数字服务等新业态加速发展，市场的“无形之手”进一步增强了智慧农业发展的动力活力。\n\n二是技术创新与农情农艺深度结合。农业不同于工业、农村不同于城市，发展智慧农业、建设数字乡村必须坚持问题导向、应用导向，走适宜化、低成本、易操作的技术路线。近年来，农机北斗终端实现快速规模化推广，在于其有效契合了播种、收获等关键环节的实际生产需求，让农民“用得上、用得起、用得好”。\n\n三是智慧农业与小农户有机衔接。“大国小农”的基本国情农情决定了智慧农业要实现大规模落地应用，必须坚持让小农户共享数字红利的现实路径。各类农业社会化服务组织加速布点，通过集采智能装备、统一调度作业、提供“菜单式”服务，将智能农机、无人机植保、精准施肥等先进技术和装备转化为小农户“点单即享”的标准化服务，有效破解小农户“买不起、用不好”的难题。以社会化服务为纽带，智慧农业正成为促进小农户与现代农业发展有机衔接的重要手段。\n\n三、奋力推进“十五五”时期智慧农业建设\n\n“十五五”时期是基本实现农业农村现代化的关键时期。展望未来五年，数字乡村将加快迈向数智乡村，智慧农业建设将进入创新发展、落地见效的关键阶段。《加快农业农村现代化“十五五”规划》明确，要“推进人工智能运用和智慧农业发展”。这要求我们既要总结运用好实践中积累形成的宝贵经验，又要准确把握未来数智技术和农业发展新趋势。\n\n当前，人工智能等数智技术加速演进，深刻重塑农业发展的底层逻辑，为智慧农业发展带来了前所未有的新机遇。一是数据产业加快培育，释放要素价值潜能。数据从支撑农业农村发展的辅助性工具，逐步发展为具有独立价值、可市场化运营的新型生产要素，其基础资源和创新引擎作用日渐显现，数智技术加速内化成为农业农村领域的发展动能，要抓实数据这个根本，进一步加快“统筹部署农业农村数据基础设施”“发展农业农村领域数据产业”。二是应用场景全链拓展，场景驱动成为重要引擎。农业大模型、智能装备加速在生物育种、农情监测、生产管理、动植物疫病识别与防控、产量预测等场景落地，场景驱动技术迭代的效能日益凸显，要打造丰富多样的应用场景，“加快农业人工智能应用场景拓展”。三是新兴产业加快培育，拓展农业发展新空间。智能设计育种、新能源农机、农业低空经济等先导性产业规模化发展，开辟智慧农业高质量发展全新赛道，要从智能育种等产业急需领域做起，加快“培育发展乡村新产业新业态”。\n\n《报告》的发布既是阶段性总结，更是新征程的动员。面向“十五五”，我们要坚决贯彻党中央、国务院关于大力推进“人工智能+”农业的部署要求，在基础设施上强基固本，在关键技术装备上聚力攻坚，在产业数智化上扩面提效，在粮食安全保障上筑牢数字防线，加快推动智慧农业从“点上突破”迈向“面上成势”，从“量的积累”转向“质的跃升”。以智慧农业的创新发展，推动数字乡村高质量发展，为加快农业农村现代化、扎实推进乡村全面振兴注入更加澎湃的数智动能。\n\n作者：李韶民 农业农村部信息中心副主任\n\n原标题：《专家解读｜乘“数”而上 向“智”而行——大力发展智慧农业 加快建设数字乡村》\n\n[阅读原文](https:\u002F\u002Fmp.weixin.qq.com\u002Fs?__biz=Mzg2ODA4MDIwNg==&mid=2247812104&idx=2&sn=0d26f89082d00b4df0d545a746ae8920&chksm=cf86c6565a4df065b13c07ba7a865f15b705b1f5daea9595cb732f4e76ca7a07f6080524f4d7&scene=7)","澎湃新闻 2026年09月23日","2026-09-23T00:00:00Z",true,93,{"impact":51,"substance":52,"depth":16,"authority":53,"freshness":54,"relevant":21,"comment":55},28,24,14,9,"农业农村部信息中心专家对《中国数字乡村发展报告（2019—2025年）》的系统解读，含大量权威数据与“十五五”方向判断，政策参考价值高。",[57],{"name":46,"url":43},[59,26,27,60,61,29],"数字乡村","十五五规划","粮食安全",[63,64],"中国数字乡村发展报告 2019-2025","智慧农业 小农户 社会化服务","中国数字乡村发展报告2019-2025-3289","2026-09-24T00:03:56.916759Z",{"id":68,"title":69,"url":70,"summary":71,"summary_zh":8,"content":8,"source_name":72,"source_url":8,"published_at":73,"category":74,"cover_url":8,"hotness":12,"is_selected":13,"score":75,"score_detail":76,"sources":79,"tags":81,"search_phrases":84,"slug":87,"view_count":35,"doi":8,"paper":88,"created_at":97},3249,"设施番茄采摘机器人识别定位与采摘方法研究——江苏大学雷志龙等 基于改进YOLO v5-HSV融合算法识别准确率95.01%","http:\u002F\u002Fwww.qikanzj.com\u002Fhek\u002Fnyjxxb\u002Fmulu\u002F455758.html","智慧农业(中英文)期刊发表江苏大学雷志龙、刘畅、王权团队研究：针对设施单果番茄采摘需求，设计一款设施番茄智能采摘平台，主要由升降机构、采摘机构、识别与定位系统等部分组成。平台整体结构由低压一体化伺服滚珠丝杠副升降机构、六轴协作机械臂和力控末端执行器组成。基于改进YOLO v5-HSV融合算法来识别检测，通过对H分量进行图像阈值分割，提高对成熟目标果实识别的准确率，有效排除未成熟番茄和枝叶背景的干扰；通过眼在手外的标定方法，使用ZED双目相机进行定位。搭建的设施番茄采摘机样机平台在现场采摘试验中识别准确率达到95.01%，采摘成功率为87.96%，单果平均采摘时间为14.56s。","智慧农业(中英文)·江苏大学","2026-09-22T00:00:00Z","论文",82,{"impact":16,"substance":77,"depth":16,"authority":53,"freshness":12,"relevant":21,"comment":78},22,"核心期刊论文，方法有改进、数据完整，识别准确率与采摘成功率等指标明确，对设施农业智能装备研发有参考价值。",[80],{"name":72,"url":70},[26,27,28,82,83],"机器视觉","设施番茄",[85,86],"江苏大学 设施番茄 采摘机器人","YOLO v5 番茄 识别定位","江苏大学设施番茄采摘机器人-3249",{"doi":8,"openalex_id":8,"authors":89,"venue":8,"cited_by_count":35,"oa_url":8,"card":90,"direction":94,"ingested_from":96},[],{"tldr":91,"method":92,"finding":93,"direction":94,"opportunity":95},"设计设施番茄智能采摘平台，融合改进YOLO v5与HSV实现识别定位与采摘。","改进YOLO v5-HSV融合算法、ZED双目相机眼在手外标定、六轴机械臂力控末","识别准确率95.01%，采摘成功率87.96%，单果平均采摘时间14.56秒。","农业人工智能与决策模型","可探索多果簇、遮挡与弱光环境下识别定位鲁棒性，并优化采摘效率与末端力控。","agent","2026-09-23T00:04:33.401768Z",{"id":99,"title":100,"url":101,"summary":102,"summary_zh":8,"content":8,"source_name":103,"source_url":8,"published_at":104,"category":11,"cover_url":8,"hotness":12,"is_selected":13,"score":105,"score_detail":106,"sources":109,"tags":111,"search_phrases":113,"slug":116,"view_count":35,"doi":8,"paper":8,"created_at":117},2899,"佳木斯国家农高区伏羲大脑智慧农服APP累计服务600多万亩:覆盖6万多户农民","https:\u002F\u002Fwww.gskjb.cn\u002Fgskjb\u002F20260914\u002Fhtml\u002Fcontent_20260914003003.htm","在黑龙江佳木斯国家农业高新技术产业示范区,中国科学院研发的伏羲大脑农业大模型搭建的普惠式智慧农业服务体系正在改变传统农耕模式。农事综合服务手机APP成为农户的新农具,涵盖农事指导、农资直供、农机呼叫、卖粮、补贴、培训、金融保险等10项功能。农户上传地块信息后系统自动地块智能体检;系统每3-7天更新一次遥感数据。去年服务佳木斯100多万亩农田,一年半时间扩大到600多万亩,覆盖佳木斯6万多户农民。","甘肃科技报\u002F农民日报","2026-09-14T00:00:00Z",74,{"impact":77,"substance":17,"depth":18,"authority":19,"freshness":107,"relevant":21,"comment":108},5,"国家级科研机构大模型落地农业社会化服务的规模化案例，数据具体、可复制性强，值得进入每日精选。",[110],{"name":103,"url":101},[59,26,27,112,29],"农业大模型",[114,115],"佳木斯农高区 伏羲大脑 智慧农服APP","中国科学院 伏羲大脑 农业大模型","佳木斯农高区伏羲大脑智慧农服APP-2899","2026-09-19T00:06:07.688523Z",{"id":119,"title":120,"url":121,"summary":122,"summary_zh":8,"content":8,"source_name":123,"source_url":8,"published_at":104,"category":74,"cover_url":8,"hotness":12,"is_selected":13,"score":124,"score_detail":125,"sources":127,"tags":129,"search_phrases":132,"slug":135,"view_count":35,"doi":136,"paper":137,"created_at":145},2852,"面向边缘部署的温室串番茄采摘机器人:YOLOv8n-BiFPN-WIoU+ROS分布式控制——Frontiers in Plant Science","https:\u002F\u002Fwww.frontiersin.org\u002Fjournals\u002Fplant-science\u002Farticles\u002F10.3389\u002Ffpls.2026.1926482\u002Ffull","论文提出了一种可在边缘部署的温室串番茄采摘机器人,集成YOLOv8n-BiFPN-WIoU视觉检测模型与基于ROS的分布式控制架构。BiFPN加权特征融合结构增强了跨尺度特征表示,WIoU改进了部分遮挡和重叠目标的定位稳健性。在独立测试集上,该模型Precision达88.534%、Recall 89.377%、F1 88.954%、mAP@0.5为92.338%、mAP@0.5:0.95为71.368%,相比基线YOLOv8n分别提升2.143、2.779、2.460、4.587和5.675个百分点。视觉检测器与ROS机器人系统集成,协调目标感知、轨道站点间运动和机械臂操作。","Frontiers in Plant Science",81,{"impact":16,"substance":77,"depth":16,"authority":53,"freshness":54,"relevant":21,"comment":126},"方法改进与实测指标扎实、面向边缘部署的温室串番茄采摘机器人研究，对智慧农业具参考价值，但属细分技术进展，未达产业级突破。",[128],{"name":123,"url":121},[26,27,130,131,28],"边缘计算","串番茄",[133,134],"农业人工智能 采摘机器人 智慧农业 边缘计算","农业人工智能 采摘机器人","农业人工智能采摘机器人智慧农业边缘计算-2852","10.3389\u002Ffpls.2026.1926482\u002Ffull",{"doi":136,"openalex_id":8,"authors":138,"venue":8,"cited_by_count":35,"oa_url":8,"card":139,"direction":143,"ingested_from":96},[],{"tldr":140,"method":141,"finding":142,"direction":143,"opportunity":144},"提出边缘部署的温室串番茄采摘机器人，融合改进YOLOv8n检测与ROS分布式控制。","YOLOv8n结合BiFPN加权特征融合与WIoU损失，集成ROS分布式控制架构","模型mAP@0.5达92.338%，较基线YOLOv8n提升4.587个百分点，可完成采摘。","智慧农业 \u002F 农业物联网","可探索轻量化模型在更多边缘设备上的泛化部署，及多机器人协同采摘调度优化。","2026-09-18T00:03:30.570025Z",{"id":147,"title":148,"url":149,"summary":150,"summary_zh":8,"content":8,"source_name":151,"source_url":8,"published_at":152,"category":11,"cover_url":8,"hotness":12,"is_selected":13,"score":153,"score_detail":154,"sources":158,"tags":160,"search_phrases":161,"slug":164,"view_count":21,"doi":8,"paper":8,"created_at":165},2557,"手机App成为农户的新农具 中国科学院伏羲大脑农业大模型落地佳木斯","https:\u002F\u002Fbig5.china.com.cn\u002Fgate\u002Fbig5\u002Ff.china.com.cn\u002F2026-09\u002F10\u002Fcontent_118688671.shtml","黑龙江佳木斯国家农业高新技术产业示范区依托中国科学院研发的伏羲大脑农业大模型搭建普惠式智慧农业服务体系，串联10项农业相关环节：农事指导、农资直供、农机呼叫、卖粮、补贴、培训、金融保险等；服务佳木斯100多万亩农田，一年半扩大至600多万亩，覆盖6万多户农民。","中国网 2026-09-10","2026-09-10T01:00:00Z",80,{"impact":52,"substance":77,"depth":155,"authority":53,"freshness":156,"relevant":21,"comment":157},16,4,"中科院农业大模型在佳木斯落地，服务面积一年半从百万亩扩至600多万亩、覆盖6万余农户，是农业AI规模化应用的标志性案例，但发布已过一周，时效性偏弱。",[159],{"name":151,"url":149},[59,26,27,112,29],[162,163],"农业社会化服务 农业人工智能 农业大模型 数字乡村","农业社会化服务 农业人工智能","农业社会化服务农业人工智能农业大模型数字乡村-2557","2026-09-16T00:03:45.386438Z",{"id":167,"title":168,"url":169,"summary":170,"summary_zh":171,"content":8,"source_name":172,"source_url":169,"published_at":104,"category":74,"cover_url":8,"hotness":12,"is_selected":13,"score":124,"score_detail":173,"sources":175,"tags":177,"search_phrases":179,"slug":181,"view_count":35,"doi":182,"paper":183,"created_at":207},2506,"LitchiInst: Instance segmentation of the main fruit-bearing branch via fruit-branch association for robotic litchi harvesting","https:\u002F\u002Fdoi.org\u002F10.1016\u002Fj.biosystemseng.2026.104586","Accurate picking point localisation is a fundamental challenge in robotic harvesting. For litchi, this requires precise identification of the main fruit-bearing branch (MFBB). Current methods, however, rely on implicit structural association, failing to learn the explicit spatial correlation between fruits and branches, which leads to frequent misidentification. To address this, LitchiInst is proposed, a real-time instance segmentation framework that explicitly models this fruit-branch dependency. The core of LitchiInst is a Structure Association Guidance (SAG) mechanism, which employs SAG queries and a dedicated SAG loss to enforce spatial correlation and enable structure-aware discrimination. The framework is further enhanced by an Enhanced Feature Pyramid Network (EFPN) to capture fine-grained MFBB features and a Mask-to-3D head to convert segmentation masks into stable 3D picking points for robotic execution. LitchiInst improves MFBB average precision by 31.06% relative to the baseline while maintaining real-time processing. In real-robot experiments across three testing settings, LitchiInst achieved a 92.0% MFBB detection success rate. These results further demonstrate its practical potential as a visual guidance module for automated litchi harvesting.","准确的采摘点定位是机器人采收面临的一项基本挑战。对于荔枝而言，这需要精确识别主结果枝（MFBB）。然而，现有方法依赖隐式结构关联，无法学习果实与枝条之间显式的空间相关性，导致误识别频发。为解决这一问题，提出了LitchiInst，一种实时实例分割框架，能够显式建模这种果枝依赖关系。LitchiInst的核心是结构关联引导（SAG）机制，该机制采用SAG查询和专用的SAG损失来强化空间相关性并实现结构感知判别。该框架还通过增强特征金字塔网络（EFPN）捕获细粒度MFBB特征，并利用Mask-to-3D头将分割掩码转换为稳定的3D采摘点以供机器人执行。相较于基线，LitchiInst将MFBB平均精度提升了31.06%，同时保持实时处理能力。在三种测试设置下的真实机器人实验中，LitchiInst实现了92.0%的MFBB检测成功率。这些结果进一步证明了其作为自动化荔枝采收视觉引导模块的实际潜力。","Biosystems Engineering",{"impact":16,"substance":77,"depth":16,"authority":53,"freshness":54,"relevant":21,"comment":174},"提出显式建模果枝空间关联的实时实例分割框架，主结果枝识别精度提升31.06%、真机成功率92%，对荔枝采摘机器人视觉引导有实质推进，但属细分作物技术进展，未达产业级突破。",[176],{"name":172,"url":169},[26,27,28,178,82],"荔枝",[180,134],"农业人工智能 采摘机器人 智慧农业 机器视觉","农业人工智能采摘机器人智慧农业机器视觉-2506","10.1016\u002Fj.biosystemseng.2026.104586",{"doi":182,"openalex_id":184,"authors":185,"venue":172,"cited_by_count":35,"oa_url":169,"card":201,"direction":94,"ingested_from":206},"W7213074904",[186,189,191,194,196,198],{"name":187,"orcid":188},"Yukun Qian","https:\u002F\u002Forcid.org\u002F0000-0001-9095-4024",{"name":190,"orcid":8},"Wenchang Chai",{"name":192,"orcid":193},"Haitao Wang","https:\u002F\u002Forcid.org\u002F0000-0002-8394-6410",{"name":195,"orcid":8},"Zhiyang Mai",{"name":197,"orcid":8},"Liangliang Zhou",{"name":199,"orcid":200},"Hejun Wu","https:\u002F\u002Forcid.org\u002F0000-0001-9758-5698",{"tldr":202,"method":203,"finding":204,"direction":94,"opportunity":205},"提出LitchiInst实例分割框架，通过果实-枝条关联实现荔枝主结果枝实时分割与采摘点定位。","结构关联引导机制、增强特征金字塔网络和Mask-to-3D头，基于荔枝图像数据。","主结果枝平均精度提升31.06%，真实机器人实验检测成功率达92.0%。","可探索果实-枝条显式关联机制在其他果园采摘中的迁移，并融合时序信息提升遮挡下的鲁棒性。","openalex","2026-09-15T23:30:05.541830Z"]