农业人工智能 病虫害识别

提出基于MobileNetV2迁移学习的轻量模型，实现辣椒七种害虫高精度分类。

开发了集成作物推荐、病害识别、土壤分析等多功能的农民支持平台AgriSense AI。

提出MSFANet多尺度特征聚合网络，实现复杂田间背景下烟草害虫的自动识别。

构建基于AI/ML的Web农业决策支持平台，为农民提供作物推荐、病害检测、天气与市场价格等服务。

融合三种CNN深度特征与集成学习，实现田间马铃薯叶片七类病害分类。

提出联邦学习结合改进EfficientNet-Lite4的水稻叶片病害检测框架，兼顾隐私与精度。

结合CNN-LSTM混合模型检测植物叶片病害，并调查印度泰米尔纳德邦农户的农业实践与技术采纳情况。

提出融合玉米叶片图像与气象数据的多模态AI推荐框架，实现病害诊断与农事建议生成。

综述人工智能在蔬菜作物生产中的应用，涵盖监测、诊断、灌溉、产量预测与采收机器人。

综述人工智能在农业4.0作物监测与管理中的应用、潜力与挑战。

提出梯度增强轻量网络，用于复杂田间场景下花生叶部病害分割。

综述2023-2026年30篇文献，评估物联网与机器学习在作物病害检测和推荐中的应用。

中国农业科学院农业信息研究所科学数据研究室科研团队近日提出一种层次知识引导的枸杞害虫识别框架，有效解决真实农业场景下样本稀缺与类间混淆的双重挑战，相关研究成果发表在《人工智能的工程应用》（Engineering Applications of Artificial Intelligence）上。研究团队依托长文本-图像检索模型，把专家撰写的长文本描述解析为粗、中、细三个语义层次，并与多尺度视觉特征实现精准跨模态对齐。同时设计知识引导的去混淆模块，通过构建文本和视觉双模态相似度图，明显降低容易混淆类别之间的预测误差。该研究得到国家重点研发计划、中国农业科学院科技创新工程等项目支持。

提出轻量级双路径网络DPMFNet，实现复杂农田场景下的作物病虫害高精度识别。

9 月 8 日中国农业大学植保学院成果转化工作站主任兼北京爱格瑞科技有限公司董事长李世盛、广东电信农业农村行业资深总监黄凯豪一行 4 人到广东省农科院植保所开展科企合作交流。植保所党委书记吴寿迁介绍团队建设、科技创新、成果转化等基本情况;李世盛以'爱格瑞科技绿色智慧植保综合解决方案'为题详细介绍了公司在绿色智慧植保领域的技术布局与应用成效;各方围绕水稻和荔枝病虫害智能体研发及科企合作模式进行了深入研讨。后续将依托技术指导、项目合作等方式,深化人工智能技术与植保科技的深度融合。

提出ECP-Net，用注意力与动态原型提升番茄病害分类精度与可解释性。

提出YOLOv8+Inception-v4+XGBoost混合模型，实现番茄叶片病害精准检测与分类。

近日，"神农大模型"路演暨场景应用交流会在杭州市萧山区湘湖实验室举办。最新发布的神农大模型 4.0 病虫害识别种类拓展至 1016 种、识别准确率超 93%，可适配大田、设施农业、畜禽养殖等多元场景；同步推出的"神农·农业世界模型 1.0"能搭建数字孪生仿真田块，不用下地试种便可模拟预判施肥、温控等对作物长势的影响。这套农业"超级大脑"已覆盖全国 31 个省份超 500 万亩农田，惠及百万农户。

提出轻量级作物病虫害识别网络MOIR-Net，结合多尺度重参数化与能量注意力，实现高效精准识别。

综述AI与IoT在精准农业中的应用，涵盖传感、灌溉、病害检测等，并给出原型架构。