From Farm to Fork: Integrating Smart Farming Data with Isotopic and Spectroscopic Analysis for Food Authentication and Traceability
综述将精准农业采前数据与光谱、同位素分析结合，构建从农场到餐桌的食品溯源与真伪鉴别框架。
农业AI与大模型
人工智能算法、大模型与决策支持系统
技术筛选
641 篇内容
Zenodo (CERN European Organization for Nuclear Research)·9月10日 · 周四76 分 论文农业AI与大模型智慧农业 / 农业物联网2 个信源同时报道 阅读 2
AI in energy and water conservation
提出卡塔尔国家AI水智能平台NAWIP，整合多源数据实现水预测、优化与协调。
EdgeHatch: Detection of chicken hatching stages using machine learning on an edge device
提出EdgeHatch，在边缘设备上用机器学习检测鸡蛋孵化阶段。
中国农业大学马韫韬教授到上海农科院作"AI与植物表型"专题学术报告 推动智慧农业多学科交叉
9月2日下午上海农科院信息所举办"AI时代的智慧农业与植物表型"专题学术报告会,特邀中国农业大学教授、博士生导师、作物表型三维仿真首席科学家马韫韬作专题学术报告。马韫韬重点介绍了棉花育种表型研究进展,基于DINO视觉大模型实现棉铃精准分割与最佳集中收获期量化,首创无人机交叉环绕飞行三维重建技术,为棉花机采化育种、产量预测与基因挖掘提供高效技术手段。
安徽农业大学发布大豆垂直大模型"丰菽"2.0 构建我国首个大豆全生命周期生成式AI育种平台
在第三十二届全国大豆科研生产研讨会上,安徽农业大学大豆智能设计育种创新团队联合中国农业科学院作物科学研究所共同研发的大豆领域垂直大模型"丰菽"2.0正式发布。该模型集成豆百科、豆分子、豆文献、豆病害、豆表型、豆育种六大功能模块,汇聚大豆核心种质资源、基因组、表型影像、科研文本等多源数据,构建"多源验证—智能融合—可信输出"的知识技术架构。科研人员用手机拍摄大豆叶片即可进行病害诊断与表型特征提取,实现"随拍随诊"。
中国农科院资划所基于可解释AI构建农产品产地溯源模型 破解光谱判断产地的"黑箱"难题
中国农科院农业资源与农业区划研究所智慧农业创新团队基于可解释人工智能构建农产品产地溯源模型,以中国六个地区的猕猴桃为对象,融合光谱成像与多模型组合策略,并运用可解释性方法对最优组合模型进行分层和整体解读,在提升溯源准确率的同时揭示光谱数据判断产地的内在逻辑,为光谱技术在农业生产与品质监管中应用提供系统解决思路,成果发表于《农业人工智能》(Artificial Intelligence in Agriculture)。
Leakage-Proof Reliability-Aware Deep Learning Framework for Rice Leaf Disease Diagnosis
提出防泄漏、可靠性导向的水稻叶病诊断深度学习框架，并系统评估其泛化与部署表现。
Machine Learning-Based Prediction of Fall Armyworm (Spodoptera frugiperda) Outbreaks in Maize Production Systems of Northern Nigeria Using Climate and Remote Sensing Data
用气候与遥感数据构建机器学习模型预测尼日利亚北部玉米草地贪夜蛾暴发。
Sustainable soil governance pathways toward zero food gap
综述土壤科学、地球观测、AI与决策支持，提出可持续土壤治理实现零食物缺口的整合框架。
The use of artificial intelligence in agriculture: Global practice
综述2022-2026年AI在农业的应用趋势、成效与各国推广障碍。
AI-Powered Crop Protection: Transforming Pest Surveillance and Decision-Making Through Digital Agriculture
综述AI与数字农业在害虫监测、预测及决策支持中的应用与挑战。
An ensemble deep learning approach for soil pH classification leveraging GLCM-based texture features and neural networks
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。
An Adaptive AI-DSS Framework for Real-Time Image Analysis and Decision-Making in Precision Agriculture
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。
Trustworthy AutoML indicators for climate-smart agriculture: A sustainability-governance framework for decision support
提出面向气候智慧型农业的可信AutoML指标体系与可持续治理框架，用于决策支持。
Smart crop recommendation: fusing nutrient and climate data with Krill Herd Optimization and explainable AI
提出融合养分与气候数据、KHO优化和可解释AI的作物推荐框架，Tab Transformer精度达0
Decision support in recirculating aquaculture systems (RAS): A case study of a human–AI interface in prawn hatchery operation
用大语言模型辅助人类专家，解决罗氏沼虾RAS育苗中幼体高死亡率问题。
Two Decades of Computer Vision in Precision Livestock Farming: an Umbrella Review of Applications, Benchmarking Evidence, and the Performance-to-Deployment Gap Across Cattle, Pig, and Poultry Systems
伞式综述112篇综述，梳理牛猪禽精准养殖计算机视觉应用与部署差距。
Mitigating artificial intelligence-related animal welfare risks in animal farming
探讨如何缓解动物养殖中人工智能应用带来的动物福利风险。
KRISHI.AI: an explainable machine learning framework for data-driven crop recommendation
提出可解释AI框架KRISHI.AI，基于土壤和气候数据推荐作物，并解释推荐原因。
Evaluating the thermal impacts of urban corridor redevelopment and greening interventions in Addis Ababa using multi-temporal satellite data and machine learning
评估亚的斯亚贝巴走廊改造与绿化对地表温度的影响，发现建成区扩张导致升温5.06°C，绿化无法抵消。