人工智能算法、大模型与决策支持系统
云南省农业农村厅公示高原特色现代农业产业技术体系首席科学家和岗位专家候选人名单，拟确定 5 名首席科学家和 54 名岗位专家。其中新兴产业体系席位最多、共 12 席，岗位涉及农业人工智能、农业遥感观测、智慧农业、食品加工装备、农业栽植装备、丘陵山区农机装备研究和特色功能成分生物制造等领域，前沿岗位凸显云南向智能化、数字化、机械化加速转型的努力。咖啡体系设 4 个岗位（咖啡发酵、副产品加工、新咖饮料研究、市场运行与分析）；水果体系设榴莲绿色高效生产、种质创新等岗位；公示截止 2026 年 9 月 2 日。
开发了一种水下机器人工具，用扎带修复水产养殖网破损，并初步验证可行性。
提出SFNL-Former网络，通过空间-频率分离和长程建模提升降水预报精度。
比较葡萄叶片上下表面颜色特征，发现下表面更能区分品种。
综述数据驱动的农化供应链需求预测与决策支持系统，分析统计、ML/DL等方法并指出未来方向。
用机器学习集成方法预测作物产量，比较七种回归算法，发现Bagging效果最佳。
用固定可见光传感器和AI视觉技术，连续监测柑橘果实生长与成熟。
综述数字技术与AI在农业工效学评估中的应用，旨在减少肌肉骨骼损伤。
Explainable Deep Learning-Based Potato Leaf Disease Detection and Severity Assessment for Smart Agriculture in Bangladesh。Research Square
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。
系统综述数字孪生技术在撒哈拉以南非洲农业的应用，提出SSA-DT框架。
融合无人机多源遥感特征与深度学习，高精度估算茶树生物量与氮素积累量。
江苏省农业科学院已研发"光伏慧农"（新能源设施农业）、"瑞雪"（地膜领域全球首个垂直大语言模型，整合 2800 余个县域数据）、"豆好"（江苏农科院联合浙江大学研发，绿豆智能育种）等模型。江苏目前已有近 20 个农业大模型及智能体投入研发或应用，数量和密度居全国前列。
开发基于Web的农业援助分配决策支持系统，采用SAW方法提高精准性和透明度。
提出可解释机器学习框架，同时预测土壤质地和含水量，提升模型透明度和可信度。
利用无人机多光谱成像与机器学习检测作物胁迫并优化产量。
构建无人机与无人车协作的智能路径自动化系统，提升精准农业效率。
综述棉花害虫动态与农药使用变化，提出可持续管理策略。
通过文献计量分析，梳理了2016-2026年AI在作物病害检测与管理中的研究趋势。
提出精准微藻概念框架，整合实时监测、预测建模和自适应控制，以管理规模化培养中的多尺度异质性。
