数字农业与前沿技术

研究物联网智能灌溉系统优化农业用水，提升粮食安全与缓解水资源短缺。

探索浙江省农业品牌数字可见性，发现其高度不均且受产品类别影响。

提出结合IoT、机器学习和边缘计算的智能灌溉系统，优化用水并提高作物产量。

开发并评估了氮管理决策支持系统Nitrogenius 2，集成模拟与严肃游戏，提升利益相关者理解。

评估遥感模型在不同水稻基因型间的可转移性，用于氮肥监测和产量预测。

提出迁移学习与多分支中间融合深度网络，利用多尺度多模态遥感监测小麦氮浓度。

综述AI与数字传感在土壤结构多尺度观测到决策中的应用。

提出深度学习框架，非侵入性量化活体肉鸡翅膀和脚部表型。

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。

MDPI Agriculture 2026, 16(17), 1826, 2026年8月26日发表。江苏大学低空技术学院与电气信息工程学院联合综述,提出从低级数据增强和静态空间认知再到高级动态时空推理的渐进分析框架。气候变化、土地退化和资源稀缺驱动精准农业成为确保全球粮食安全的战略必然。传统人工检查主观且不可扩展;计算机视觉为精准作物和牲畜管理提供非侵入式解决方案,但在农业实际场景中的应用面临严重遮挡、光照剧变和生物目标非刚性形变等特定挑战。深度学习已成为克服这些限制的主流范式,CNN、Vision Transformers (ViTs)和Graph Neural Networks (GNNs)等架构学习海量数据中的自适应层次表示。识别四个优先研究方向:架构效率、数据级标注效率、部署级隐私和仿真、信任级安全。

Frontiers in Artificial Intelligence 2026年8月31日综述。研究对2023年1月至2026年1月Scopus、IEEE Xplore、ScienceDirect和SpringerLink数据库中的文章进行系统检索,使用IoT and machine learning and agriculture、crop recommendation、plant disease detection、precision farming等关键词组合,30篇文章符合实证方法、定量性能报告和清晰数据集描述的标准。结果表明,随机森林( Random Forest)、支持向量机(SVM)和决策树等集成方法与传统机器学习方法在作物产量预测中准确率达到99.9%;CNN和ResNet深度学习模型病害检测准确率超过98%;GRU和LSTM时间序列模型天气条件预测准确率范围94-98%。IoT系统在精准农业应用方面显著改善资源利用,实现60-96%的节水、25%的增产和36-38%的除草剂减量。

8月31日,以科创未来·硒旺安康为主题的第二届富硒产业科技年会在安康国际会议中心召开,由中国农业科学院、陕西省农业农村厅指导,安康市人民政府、中国农业科技国际交流协会共同主办,全国从事硒研究专家学者主要硒产区代表富硒企业代表共计300余人线下参会。农业农村部食物与营养发展研究所食物资源监测与营养健康评价团队首席科学家朱大洲发布了《中国富硒产业科技发展报告(2026年)》。报告认为近年来富硒产业在脱贫攻坚乡村振兴中发挥了重要作用;以SCI-E数据库和中国知网为数据源,采用文献计量以及CiteSpace关键词聚类时间线和突现词分析等方法,对富硒农业领域科研文献进行分析;面向十五五时期我国富硒产业发展需求,提出了十五五富硒产业十大科研攻关方向建议。

8月27日,2026山东省农业特色产业品牌推广暨齐鲁农超生态构建推进会在济南举行,现场发布山东农业产业大模型一期项目。山东农业产业大模型依托齐鲁文化大模型算力底座,整合齐鲁农超数据,核心亮点集中体现为四大硬核成果:一张地图(省级农业特色产业数字地图覆盖粮油果蔬畜禽水产全核心品类,汇聚全省100多个重点特色产业集群,精准标注地标农产品产区与重点经营主体近万家)、一条链条(覆盖粮食畜禽果蔬水产的产业链图谱)、一个画像(为涉农企业合作社种养基地建立动态数字档案与智能画像)、一套知识库(汇聚政策标准资讯与产业数据构建知识图谱).平台将持续向山东农业特色产业大脑升级,重点推进四个方面:开发山东农业产业大模型、完善数据底座。

全国农业技术推广服务中心发布智慧肥水大模型1.0版,设置八大智能体:问土(基于全国土壤墒情监测系统)、探墒(土壤水分快速测定)、知天(依托心知气象和土壤墒情监测系统构建ET0预报模型,实现未来7天逐日蒸散量高精度预测)、诊苗(识别作物种类、生育期、养分供应情况)、巧算(基于科学施肥和节水农业基础数据给出施肥灌溉决策方案)、识肥(对肥料包装智能识别)、智报(基于3.4万份资料库构建智能简报生成引擎)、慧答(构建多智能体推理框架提供肥水管理技术精准回答和智能决策辅助)。服务群体分两层:一是开发农技人员定向试用版,为推广体系开展技术服务提供辅助支撑;二是开发农户服务版,为种植大户、家庭农场、专业合作社等新型经营主体开展肥水精准管理提供决策参考。

福建省人民政府印发《福建省十五五加快推进农业农村现代化规划》,提出推动数智赋能农业农村发展,建设1个省级农业大数据中心、3个现代农业农村运行一张图、N个智慧农业应用场景,构建1+3+N数智农业体系。实施智慧林业123工程,建设一体化大融合海上福建平台一期项目。建设数字乡村先行区,加快5G网络与千兆光网向乡村延伸,推进智慧广电乡村建设,推广十个小微数字乡村应用场景。强化农业农村防灾减灾,完善农业气象灾害监测预警体系,构建智能化农作物病虫疫情监测网络,确保粮食作物病虫危害损失率控制在5%以内。

International Journal for Multidisciplinary Research (IJFMR) 2026年第8卷第4期(2026-08-28发表):基于FAO全球农业数据集(覆盖212个国家和地区、10种主要作物、1961-2016年56,717条记录),比较线性回归、随机森林、XGBoost三种机器学习模型。80:20 train-test split,Random Forest取得最佳性能:R²=0.9586、MAE=6724.19 hg/ha、RMSE=13829.60 hg/ha;XGBoost: R²=0.8115;线性回归:R²=0.0608。特征重要性分析识别作物类型(Item Code)为最具影响力预测因子,其次是地理区域和时间因素。[注:本论文使用2016年截止数据,模型泛化能力可能存在边界]

山东农业大学经济管理学院与山东女子大学商学院发表于《Symmetry》2026年第18卷第9期1435(7月7日投稿、8月21日修订、8月25日接收、8月27日发表)。针对数字农业多准则决策分析(MCDA)中难以表示不确定专家判断、捕捉因子间影响结构、整合互补权重信息的难题,构建集成Pythagorean Neutrosophic Sets(PNS)–Weighted Influence Non-linear Gauge System(WINGS)–Analytic Hierarchy Process(AHP)–Entropy Weight Method(EWM)框架。应用于数字农业案例识别关键影响因素并确定发展优先级,结果显示经济发展水平(W1)排名第一,其次是数字技术水平(W6)和数字基础设施(W5);WINGS分析揭示因子间感知影响结构,数字基础设施(W5)为网络中最强净影响因子。

2026年8月26日发表于Elsevier期刊《Artificial Intelligence in Agriculture》的系统综述(PRISMA 2020框架),纳入2021—2025年95项同行评议研究:机器学习模型诊断植物病害准确率>99%,灌溉控制器提取88%水分利用效率,机器人能看、数、收作物。51.58%论文发表于Q1期刊,36.84%为Q2期刊,JCR影响因子2.2-14.0。主题分布:环境监测23.15%、温室控制与保护栽培21.05%、病虫害检测21.05%、水培16.84%、产量预测13.68%。方法学:经典机器学习25.26%、IoT/AIoT 22.11%、深度学习与计算机视觉13.68%。审稿人指出多数研究仅通过单地点单季节的train-test或k-fold交叉验证,缺乏独立外部验证,发布准确率可能高估实际适用性。[预印本边界说明:已发表于同行评审期刊]

唐华俊、李会宾、苏宝峰、范蓓蕾、胡琼、叶剑秋、张帅、吴文斌、余强毅、史云、段玉林、李文娟、钱建平、宋茜、夏浪发表论文。本研究构建基于形态指纹特征的耕地遥感监测轻量化大模型,通过强化注意力机制以聚焦和捕获耕地形态的重要特征,并基于这些特征构建轻量化多模态模型,服务于耕地遥感监测应用场景。

Serge Kernbach 发表论文。本研究评估大语言模型(LLM)在复杂生物系统中的应用,从数据分析演进到AI引导的自主实验。框架由49通道植物传感器网络数据驱动,涵盖多光谱、电化学和介电模态。在最少时间模式下,系统将生产周期缩短35%;在能源优化模式下,通过利用光脉冲的生理惯性,降低能源消耗18%。最后,代理自主开发了黑暗诱导叶绿素积累策略,实现67.9%的节能。本框架将LLM转变为数字农业的自主副驾驶,改善成本-价值比,降低计算和专家劳动力约束。