AgriFlow: A Closed-Loop Cyber-Physical-Human Decision Support System for Precision Agriculture

方法

综述10篇文献，整合MobileNetV2病害分类、降雨确认与需水模型。

发现

十项研究均未将上述组件集成于单一平台，AgriFlow填补此空白。

机会点

AgriFlow尚缺田间定量评估，可开展多作物实地验证与闭环反馈效果研究。

智慧农业工具通常被构建为面向叶片病害诊断、灌溉排程和农场记录保存的独立应用，因此其中一个应用的输出很少能纠正或指导其他应用。本文综述了来自Springer和Springer Nature出版渠道的十项同行评审研究，发表时间介于2014年至2025年，涵盖植物病害检测、机器学习灌溉决策支持、降雨预报不确定性、干旱水资源分配以及农场管理信息系统，并将AgriFlow与之进行对照定位。AgriFlow是一个集成的多层级农业决策支持系统，融合了以EfficientNet-B0为基准的多作物MobileNetV2叶片病理分类器、闭环降雨确认机制、带监督者地面真值验证的品种条件物候建模、带假设情景干旱模拟的多因子田块优先级评分，以及跨四类用户角色的双照片维护工单闭环。针对这十项研究中的每一项，本文阐述了AgriFlow所增加的内容，以及该研究提供而AgriFlow尚不具备的内容。在所考察的摘要和概述中，这十项研究均未在单一平台中整合这些组件。对AgriFlow进行定量田间评估被确定为未来工作的主要方向。