农业AI与大模型

农机周讯8月3日—9日盘点:农业农村部部长张柱在形势政策报告会系统盘点"十五五"农机化方向;7月30日至31日农业农村部党组连续召开会议部署加快推进农业人工智能,突破农业传感器专用芯片,健全标准体系与安全管理机制。7月AMI指数52.7%重返景气区间。北京发布"十五五"农业农村现代化规划,建成60个智慧农业应用场景;河南完善"农机云平台";重庆农科院推出新能源农机移动充换电车及成套核心技术。

山西农业大学研究团队开发ALSDet人工智能工具,用于在苹果叶病(如苹果锈病、蛙眼叶病)扩散前发现,集成多阶段全局上下文模块基于ResNet-50架构。用扩张卷积替代关键阶段的3×3卷积,扩大AI视野,多尺度训练策略与在线难例挖掘迫使模型专注于最难案例。ALSDet实现mAP 65.6%和平均召回率(AR)71.2%,优于YOLOv8、Faster R-CNN、RetinaNet;对于锈病和蛙眼叶病,模型识别受影响叶片精度超过87%。这意味着更早的干预、针对性的喷施和减少浪费,在苹果生产数十亿美元产业显著提高效率。原文标题:ALSDet Deep Learning Apple Leaf Disease Detection,发表于Frontiers in Plant Science 2026-08-08,作者:山西农业大学软件技术学院Xulu Gong(通讯)。

本文系统综述双目立体视觉在农业应用中的最新进展,涵盖系统架构、传统与基于深度学习的立体匹配方法、点云重建技术及新兴的3D高斯溅射等监督策略。综述总结了关键应用,包括高通量表型分析、果实定位与机器人采摘、杂草检测与精准喷施、自主导航以及畜禽体况评估,突出其在多任务农业感知系统中的作用。论文还讨论了低纹理匹配困难、复杂环境中的遮挡、跨域泛化、实时轻量化部署及有限数据集可用性等主要挑战,并展望基于基础模型的视觉感知、自监督与弱监督学习、多模态融合及边缘高效模型设计的未来方向。原文标题:Advances in Binocular Stereo Vision-Driven 3D Perception and Intelligent Analysis Methods for Agriculture,作者:江苏大学Ye R、Wang J、Kong Z、Ou M,发表于MDPI Applied Sciences 2026年第16卷第16期7957。

本文对YOLOv5、YOLOv8、YOLO11、YOLO26、Faster R-CNN、RT-DETR六种目标检测模型在尼日利亚农场实地采集的真实世界数据集AgriAISeg 1(3382张芝麻、卷心菜、番茄图像)上进行比较,涵盖不同光照、遮挡和视角条件。结果显示RT-DETR整体表现最优,精度0.768、mAP@0.5:0.95达0.624;YOLOv8和YOLO11表现稳定强劲;Faster R-CNN精度显著较低,mAP@0.5仅0.466,YOLO系模型训练效率优于Faster R-CNN。研究表明,现代单阶段和基于Transformer的检测器在真实世界农业环境中提供更可靠、高效的植物检测解决方案。原文标题:A Comparative Evaluation of Deep Learning Object Detection Models on a Real-World Multi-Plant Dataset from Africa,作者:Ismail Ismail Tijjani等8人,arXiv:2608.11053,2026年8月11日提交。

本文提出自适应广义回归深度卷积强化学习(AGR-DCRL)模型,用于智慧精确农业作物产量预测。模型由输入层、卷积层、池化层和密集层组成,IoT技术采集天气、土壤、农药使用数据。在卷积层,采用加权局部相似性插补和广义Tietjen-Moore检验进行缺失值处理和异常值检测;在池化层,采用Camargo自适应多样性指数进行特征选择;在密集层,通过多项式逻辑回归进行产量预测,采用softmax激活函数生成多类预测结果。实验结果表明,AGR-DCRL模型相比传统深度学习方法准确率提高4%,误差率降低69%,预测时间快20%。原文标题:Adaptive generalized regressive deep convolutional reinforcement learning for crop yield prediction in smart precision farming,作者:Preethi P、Devadas R M,适用于大规模产量预测数据集。

本文系统综述了2015-2025年期间208篇垂直农业(VF)同行评审研究,探讨AI、ML与IoT如何重塑VF生态系统,聚焦计算机视觉病害识别、作物生长与产量预测、智能气候控制、精准营养与灌溉管理。综述涵盖CNN、随机森林、XGBoost、LSTM等算法在水培、气培、鱼菜共生系统中的性能,以及多传感器网络IoT架构、边-云计算与自动化控制系统。商业农场展示出资源效率提升与供应链缩短,但仍面临能耗(LED占40%-60%成本)、高初始投资、数据集分散、实地验证不足等挑战;许多>95%的高精度来自实验室条件。原文标题:Application of Artificial Intelligence and Machine Learning in Vertical Farming: A Comprehensive Review,作者:Kim M Y、Park G、Seo C H(韩国公州国立大学),发表在MDPI Sustainability 2026年第18卷第16期8261。

2026年8月6日,首届热带作物人工智能产业发展大会在中国热带农业科学院召开,同期发布'树薯智汇1.0'木薯产业垂类大模型,并成立'热带农业人工智能创新联盟',云南省农业科学院农业经济与信息研究所(以下简称经信所)杨娜、杨月晗参加此次大会。发布会现场,中国热科院信息所、海南农科院与广东农科院、云南农科院经信所等9家单位联合成立'木薯产业人工智能创新联盟'。此次参会,深化了经信所与国内热作农业领域兄弟院所的联系交流,下一步,经信所将积极对接联盟平台,立足云南高原特色农业产业需求,探索数字技术赋能高原热作产业高质量发展。

近日,华北首个农业领域AI育种垂类大模型在京津产业新城高村数智创新园正式落地,标志着AI技术从通用对话场景深度下沉至种业科研一线,打通'基因数据—智能模拟—品种选育'全链条。天津百奥华兴基因科技有限公司深耕生物育种智能化赛道,自研MFMGP、LGBMY、PFMGP三款国产可控AI育种模型以及下一代AI育种大模型,适配全物种、多场景育种,多项核心指标达到国际先进水平。传统育种往往需要6—8年完成海量田间杂交试验,如今通过AI育种大模型打造的'虚拟试验田',大量试验推演在数字空间完成,育种周期可压缩30%以上,土地、人力和农资成本得到有效节约。

8月6日,中国热带农业科学院科技信息研究所在海口发布'树薯智汇1.0'大模型,这是覆盖全产业链的木薯产业垂类大模型。系统整合品种资料、病虫草害图谱、产业数据、行业标准和专家经验,设置产业行情、品种推荐、病虫草害识别、品质智能分析、繁育栽培、木薯科普、木薯厨房、行业标准八大核心功能模块,通过微信小程序等便捷入口提供给农户、农技人员、收购商、加工企业及科研人员。中国热科院信息所、海南农科院、广东农科院、云南农科院经信所等9家单位联合成立'木薯产业人工智能创新联盟'。

8月9日,华为中国行2026·黑龙江省'人工智能+'赋能行业高质量发展峰会在哈尔滨举办,东北农业大学与华为签署框架合作协议并联合发布'五谷丰登·定风波'农业区域气象大模型。模型采用'AI+作物机理'耦合创新技术路线,华为提供盘古气象大模型与云羲微观气象引擎作为算力与AI底座,学校构建寒地作物种植大模型与千金方农田智能处方系统,实现公里级、小时级高精度气象预报,输出35项精细化农业气象指标。模型以'一品一策'为核心理念,涵盖播种决策、灌溉优化、灾害防御、产量预估等应用场景。峰会同步揭牌成立国家人工智能应用中试基地(农业领域种植方向)与人工智能+农业产业联盟。

《农业工程学报》2026年第42卷第9期刊载华中师范大学等单位杨子恒、胡琼、吴尚岐、徐保东、蔡志文论文。DOI: 10.11975/j.issn.1002-6819.202510247。研究基于多源中、高分辨率遥感数据和深度学习语义分割算法,自动提取农田地块与道路等基础设施的空间分布信息,结合数字高程模型与水旱分布数据,从地块形状、规模、平整度以及道路通达度4个维度建立综合评价体系,以当阳市为研究区域。结果:语义分割模型农田地块与道路面积准确度分别达到0.92和0.79,边界匹配度0.85和0.86;研究区宜机化良好农田面积占比达67.3%,丘陵山区乡镇普遍面临道路通达度不足与地块平整度较差问题。

浙江省农业科学院病毒学与生物技术研究所所长、智能生物育种创新中心主任朱英研究员发布'豆芯'DNA育种大模型。该模型以27种、120个豆科植物基因组为基座,系统整合大豆、豇豆、豌豆等5000余份种质资源多组学数据,涵盖8万余个基因组和超12.5万份表型数据,构建起从DNA序列解读到育种方案设计的一体化智能解析与育种决策系统。该模型具备精准识别豆科作物基因组关键功能位点与调控模式、解析遗传变异效应的核心能力,性状预测精度超越传统育种模型,可将豆科作物育种周期压缩至传统方法的三分之一。

基于陕西、贵州、四川三省10057名猕猴桃种植户的微观调查数据,西安建筑科技大学向雯与西北农林大学高建中等于Sustainability发表论文。以农户对低碳农业技术的初始与持续采纳为因变量,构建涵盖数字接入、数字获取、数字处理和数字共享4个维度的数字能力综合评价体系。比较Lasso回归、极端梯度提升、随机森林和反向传播神经网络等多种实证模型,结果显示随机森林模型表现最优。采用SHAP方法定量评估各变量边际贡献,研究发现农户数字能力显著正向促进低碳农业技术的初始与持续采纳,且具有明显的维度异质性:数字接入和获取能力是初始采纳的核心驱动因素,数字处理和共享能力对持续采纳起决定性作用。

中国农业大学黄晨晓、何林然、黄文涛、张晓绚等于Sensors发表TMAF-YOLO模型——基于YOLOv8n的轻量化番茄成熟度与缺陷果实检测模型,隶属中国农业大学120周年校庆专刊。该模型以LGhostConv替换选定卷积结构减少冗余计算;引入番茄成熟度感知聚合融合模块TMAF增强检测分支的颜色、纹理和局部结构特征表示能力;使用MA-CB Focal Loss改善类别不平衡和难样本条件下的学习。实验结果显示,Precision、Recall、mAP50和mAP50-95分别达到0.889、0.873、0.954和0.776,模型仅含2.647M参数,推理速度209.030 FPS,优于YOLOv11n和YOLOv12n,同时保持实时推理性能。

河南农业大学豆根生、王开元、秦兆辉为共同第一作者,豆根生、李俊周、陈震为共同通讯作者,在Molecular Plant发表PlantPTM——首个覆盖水稻、小麦、玉米等多种植物、支持多类翻译后修饰(PTM)的植物专有深度学习预测工具。在独立测试集上,PlantPTM在9种PTM类型的平均AUROC达0.8640,其中N-糖基化位点预测AUROC最高达0.9699。与25种现有预测工具对比,在所有PTM类型上均显著优于已有方法,AUROC提升2.90%-19.08%,平均提升15.46%。留一物种交叉验证显示,即使完全排除拟南芥或水稻等数据丰富物种参与训练,模型在未见物种上的AUROC仍稳定在0.8以上。

由浙江省农科院在全国首创的AI养鱼模式落地杭州临平,依托多维度智能传感设备与AI大模型精准调控,让加州鲈鱼和鳜鱼始终处于生长'舒适区',将幼鱼成活率提升10倍,同时能耗下降50%以上、人工成本缩减超80%。基地标准化养殖池6米直径单茬产量可达3000斤以上,13米直径单茬产量最高可达16000斤,全年可养殖三茬以上。省农科院农业人工智能创新中心主任孔德栋介绍,全流程嵌入AI后,95%的核心环节实现无人值守。这套方案已复制推广至江苏等地,未来三年计划在全国打造25个AI智慧渔业工厂。

2026年7月30日,人工智能赋能农业科技创新报告会暨"龙江农知大模型"发布会在哈尔滨举办。"龙江农知大模型"由黑龙江省农科院与中国农科院农业信息研究所共同研发,在中国农科院农业信息研究所2024年研发的"农知大模型"基础上,融合黑龙江省农业科研领域的高质量文献与专业科学数据资源,围绕农知增强检索、农技知识问答、农业数据分析、乡村振兴及智库服务方向,打造智能问答、智能写作、科研助手、数据分析、政策解读等智能化服务工具。

山东省委十二届十一次全会着眼把农业建成现代化大产业,推动农业数智化转型升级,明确提出实施「人工智能农业」行动。多家行业机构预测,2026年中国智慧农业市场规模将突破1340亿元,年复合增长率保持在15%以上。山东行动重点:水肥一体化方面,2025年全省应用水肥一体化技术的粮油作物面积已达630万亩,相比大水漫灌可省水30%;智能育种方面,4月由中国农业科学院作物科学研究所与山东极智生物科技有限公司联合研发的「iWheat小麦智能设计育种平台」发布,整合3万余份小麦种质资源基因型、442个功能基因、6000余个功能位点及40余万条表型数据,结合快速繁育体系将传统8年育种周期压缩2-3年;农业大模型方面,山东省农科院7月发布「舜耕·粮安」农业遥感大模型,基于20年积累的2000万份人工样本,覆盖山东全域全地貌、全物候周期,构建「耕地智能提取—肥力墒情预测—作物精准识别—长势动态监测—病虫草害预警—作物智能估产」全链条智能监测体系,精度高达95%,效率提升超100%;智能装备方面,寿光新建大棚已迭代升级至第七代智能物联网「云棚」,物联网应用率超过85%,劳动生产效率较以往翻倍;下游加工方面,浪潮云洲联合中国农业大学计算中心、烟台葡乡农业开发公司在莱山区共同打造「莱山葡萄种植和酿造大模型」,实现种植端气候适应性调控与酿造端AI模拟发酵动态优化。

许佳彬、秦亚茹、温浩洋、仇焕广、崔钊达在《智慧农业(中英文)》2026年第3期发表《数字技术能提升粮食生产韧性吗?——基于双重机器学习的因果推断》论文。研究聚焦数字技术对粮食生产韧性的因果效应,基于中国省级面板数据,运用双重机器学习(DML)方法有效解决高维控制变量与潜在混杂问题,准确估计数字技术对粮食生产韧性的处理效应。研究发现,数字技术显著提升粮食生产韧性,主要通过要素重组效应、数据要素与传统生产要素的协同配置等中介机制实现;数字技术的赋能效应呈现区域异质性,在粮食主产区和数字基础设施较好的地区效应更为显著。基于研究结论,建议构建数字农业社会化服务新体系,依托数字平台的规模效应,有效弥合小农户与现代农业之间的数字鸿沟,推动粮食生产韧性持续提升。

针对水稻田间病虫害监测效率低、施药粗放等问题,文章提出一种改进YOLO模型与无人机组群协同的一体化解决方案。研究通过引入CBAM注意力机制、优化特征融合结构及改进损失函数,提升复杂背景下小目标病虫害检测精度;构建基于栅格划分的无人机组群监测系统,结合5G通信实现田间实时数据传输与智能决策。研究将传统粗放施药模式升级为基于监测数据的精准靶向施药,有效减少农药使用量与人工成本,显著提升防治效率和作业精度,为水稻病虫害智能监测与精准施药提供一体化技术方案,推动植保作业向智能化、精准化方向转型升级。