农业人工智能 精准农业

提出融合GLCM纹理特征与CNN的集成深度学习框架，实现土壤pH等级图像分类。

提出自适应AI决策支持系统，用轻量网络与特征优化实现精准农业实时图像分析与决策。

提出IoT-AM-EFGNN框架，结合IoT传感与图神经网络实现高精度作物推荐。

综述AI与IoT在精准农业中的集成技术、应用与挑战，提出未来研究方向。

CGTN 报道黑龙江农业数字化转型。在北大荒信息公司，一面墙大小的数字地图追踪约 320 万公顷农田的状况。土壤条件、作物生长和拖拉机运动数据在屏幕上更新。黑龙江省耕种收综合机械化率达 99.28%，已连续 16 年粮食总产量位居全国第一。激光除草机器人在田间作业可清除 95% 以上的杂草，作物损伤低于 0.1%；电动驱动精量播种机比传统机械式播种机减少种子损伤、作业速度快约 50%。"十五五"期间黑龙江将发展农业机器人和智能农业装备产业。

开发基于AI的无人机系统，用无监督算法从航拍图像估算果树高度和冠层体积。

提出一种集成AI、IoT和嵌入式系统的自主多作物除草与养分管理机器，实现精准农业。

综述智能农学新兴技术与可持续实践，重点评述第13章未来农学趋势与挑战。

系统综述2020-2026年玉米精准农业技术、应用与产量优化，纳入129项研究。

综述AI与多组学、基因编辑、精准农业结合，提升作物抗逆与营养性状改良效率。

通过文献计量分析，梳理精准农业与林业的研究趋势、主题结构和热点方向。

综述AI在气候智慧农业中的应用，涵盖产量预测、天气预报、灌溉管理和病虫害检测。

MDPI AgriEngineering 2026, 8(6), 249。精准农业越来越依赖应用于无人机(UAV)采集的高分辨率数据的机器学习来支持作物监测、胁迫检测和产量预测。本综述提出了无人机赋能精准农业机器学习方法的结构化综述,在一个由感知模态、数据类型、模型家族和分析任务四个维度定义的统一分类法中组织100多项同行评议研究。该分类法能够在RGB、多光谱、高光谱、LiDAR和IoT数据源之间进行系统比较,并在经典机器学习、深度学习、混合顺序模型和新兴基于Transformer的架构之间进行系统比较。分析建模选择如何与数据特征相互作用以影响鲁棒性、跨环境泛化、计算效率和UAV及边缘平台上的部署可行性。识别新兴研究方向,包括数据高效学习、表示级多模态融合、域自适应、轻量级架构和不确定性感知决策支持。

针对温室图像光照变化与遮挡难题,内蒙古农业大学团队构建黄瓜生长数据集 CGD 并提出轻量化骨干 FSA-GhostNet(参数2.07M,RTX 3060 上 13.96 ms/张);在 CGD 上生长阶段分类准确率 98.22%、播后天数回归 MAE 0.93 天、R² 0.9962,ImageNet-100 上准确率 78.98%,为温室智慧农业边缘部署提供算力-精度均衡方案。

面向精准农业受限于多模遥测难以实时自治的认知瓶颈,提出 AgriAgent 分层多智能体(MAS)框架,将大语言模型从被动分析工具重塑为目标导向的协调器,采用包含感知、认知、执行三层的三层编排(TLO)拓扑。构建基于 APSIM 生物物理模型并经 GAN 扩展的高保真 10,000 状态合成库,引入黑天鹅环境胁迫。基准测试显示推理成功率 98.2%,决策时延降低 97%,将传统人在回路模式转为智能体驱动,为生物-数字自治农场提供蓝图。

【预印本,未经同行评审】针对多作物病害识别任务,提出基于确定性硬路由的两阶段 AdapterMoE 架构:RouterHead 依据最大 softmax 概率阈值分类作物并拒判非目标作物,Energy+KNN 双重门控模块捕获分布外输入;在冻结 EfficientNet-B0 主干上添加五个逐作物 Adapter,通过温度缩放校准。在 PlantVillage(5 作物 26 类)上,AdapterMoE 与最优基线 Macro-F1 差距在 0.24 分以内,但训练成本约为全网络基线的 9%,并可通过 add_crop 接口实现逐作物增量更新,避免专家坍缩,适合田间部署成本敏感的精准植保场景。