农业AI与大模型

提出农业企业数据管理框架，实现数据从孤立采集到系统化决策支持。

比较九种机器学习算法预测青藏高原高寒农田土壤养分与pH，发现集成算法最优。

评估ET0与土壤湿度对机器学习估算实际蒸散的影响及可解释性。

提出PDANet网络，融合分割、联邦学习与RAG大模型，实现果实病害检测与严重度预警。

提出非洲土壤信息系统应转向高级AI驱动的自适应土壤数字孪生，并给出十条研究路径。

综述机器学习与物联网在智慧农业中的应用并做文献计量分析。

基于多源遥感与机器学习构建尼日利亚萨赫勒地区农业干旱早期预测框架。

融合MobileNetV2与EfficientNetB0特征并微调，实现植物病害高精度分类。

系统盘点魁北克数字农业技术应用及其对可持续发展的贡献与知识空白。

用YOLOv10-N实时检测大马士革玫瑰并基于花数估算产量。

提出移动机器人结合CNN识别花卉的智能园艺框架，测试准确率达95%。

9月23日人民政协网报道，中国移动以5G、物联网、AI与自主区块链技术助力秋收：河南开封兰考县打造全国首个'万兆+全链条智慧农业'样板，依托万兆光网与'万象耕耘'农业大模型，兰考高标准农田实现亩均粮食增产约220斤，节水、节肥、节药率均超过10%，农民亩均增收节支超过600元；广东梅州金柚园区5G物联网果园监测+智慧喷淋灌溉+水肥精准调控全链条上线；黑龙江佳木斯汤原县实施智慧农业示范工程，构建大米全链路可信溯源平台、农业数据中台与多模态AI大模型。

用LSTM结合可解释AI预测肯尼亚玉米产量，兼顾精度与透明度。

研究尼日利亚东南部教育学院农教学生的人工智能素养对数字农业准备度的预测作用。

综述指出农业数字化瓶颈已从技术转向数据治理与系统集成，呼吁研究重心转向互操作与组织设计。

评估UNet、SegNet和TransU-Net在多目标遥感语义分割中的性能，用于城市与生态监测。

综述地理空间技术在兽医领域的应用、挑战与前景，聚焦疾病监测与风险制图。

综述2020-2025年AI需求预测与生产调度研究，提出沙特食品制造整合框架以保障Vision 20

开发PAM-Li-Zn离子水凝胶TENG传感器，结合蓝牙与机器学习实现植物生长状态无线智能监测。

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。