数字农业与前沿技术

基于2012-2023年中国13个粮食主产区省级面板数据,构建数字-实体融合与农业新质生产力评价指数,采用固定效应模型、中介效应模型和空间计量方法实证检验数字-实体融合对农业新质生产力的影响。研究发现:数字-实体融合与农业新质生产力呈现稳健正相关;农业产业结构升级与农业绿色全要素生产率是显著中介渠道;效应在区域特征、产业结构水平和财政分权水平三个维度上呈现显著异质性;具有显著空间溢出效应;存在显著阈值效应,创新水平和人力资本水平超过临界阈值后促进效应增强。

基于中国30个省份2012-2022年面板数据,构建包含数字基础设施、数字服务能力和数字发展环境的多维评价框架,采用固定效应模型、中介模型和面板阈值模型考察数字乡村发展对农业绿色全要素生产率的影响。结果表明数字乡村发展显著提升AGTFP;机制分析显示数字化通过促进劳动力流动、扩大规模化经营、加强合作社发展、加快机械化与农业研发提升绿色效率;土地流转的正面效应受制度摩擦制约;阈值分析显示数字基础设施的影响在跨越临界水平后更强。

为降低农业病虫害识别深度学习部署的专家标注成本,文章提出三层主动学习框架:动态原型记忆通过动量指数滑动平均保持稳定类别表征;上下文感知样本选择采用神经上下文老虎机动态调整分支组合比例;类别平衡评分通过逆频加权在选择阶段直接优先关注少数类。在IP06(害虫)和Natural CW-10(杂草)数据集上,框架在90%数据可用率下分别取得83.36%和85.07%的准确率,在20%低数据可用率下较最强基线分别领先4.12和2.68个百分点。结合GAN增强数据后,IP06上准确率提升至84.91%,Natural CW-10上提升至86.42%,证明主动学习与生成式AI在智能农业中的互补价值。

锚定十五五规划和2026年中央一号文件关于实施数字乡村高质量发展行动的部署,中国数字乡村建设从基础网络全面铺开转入数字应用深度整合的关键窗口期。文章构建条件变量-DOPP框架,通过产业基础、政府数字能力、社会资本活力三个条件变量分析模式分化机理,提炼驱动力量、目标、推进路径、现实局限四个维度。研究总结出中国三类典型模式——浙江治理先行型整体智治模式、寿光技术密集型产业赋能模式、淘宝村市场内生型平台驱动模式,并比较欧盟社区内生型、韩国政府引导型、日本产学研协同型模式,提出差异化推进机制、农业数据要素市场化、农民数字素养提升、中介组织培育、数字包容性评价五维政策建议。

利用中国2013-2023年省级面板数据,对数字乡村建设与农业新质生产力的关系及其作用机制进行理论分析与实证检验。研究发现:数字乡村建设显著促进农业新质生产力发展;通过推动数字普惠金融发展和促进农业技术进步两个中介渠道发挥作用;在中西部地区数字乡村建设能够推动农业新质生产力发展;在财政支农水平较高地区通过提升数字普惠金融水平、在农业产业链延伸水平较高地区通过促使农业技术进步,机制作用更显著。研究为各地因地制宜制定数字乡村建设政策、提升农业新质生产力提供理论与实证支撑。

基于2014-2023年中国30个省份平衡面板数据,文章考察了数字乡村发展与农业投入品相关碳排放的关系。研究构建了由8个标准化指标组成的复合数字乡村指数,采用双向固定效应模型进行实证估计。结果显示,在控制经济、财政、技术、监管等多重因素后,数字乡村发展与农业碳排放显著负相关,使用农村电商代理变量和替代性指标检验后结论依然稳健。异质性分析表明,在农村受教育水平较高、中部地区及粮食主产区,负相关关系更强。研究认为数字乡村建设能够支撑农业低碳转型,前提是数字基础设施转化为有效的产业应用、公共服务、人力资本开发和生产组织改善。

基于数字乡村发展政策这一准自然实验,统计中国2011-2022年2675个县域面板数据,系统考察数字乡村发展政策对共同富裕的影响效应及其作用机制。研究发现:数字乡村发展政策把数字技术和数字平台嵌入农业生产各环节与乡村生活各领域,能够有效提升农民收入水平、缓解农村内部收入不平等、缩小城乡收入差距。机制分析表明作用机制为产业融合-组织培育-经济机会,即政策不仅能够赋能农业接二连三,催生一批懂技术、会经营的经营主体,还可拓展非农就业机会,助力共同富裕。

浙江省人力资源和社会保障厅办公室将浙大城市学院人工智能引领农业数智化转型升级高级研修班列入2026年省级自筹项目,8月4-6日在杭州开班,共60人。研修紧扣人工智能+农业融合创新,覆盖战略解读、智能装备与工厂模式、数智化运营等核心方向,集结浙江省农业科学院、浙江大学等知名专家学者线下授课,并走进全省标杆未来农场现场教学。课程主持人由浙江省农业科学院农业人工智能创新中心主任、数字农业研究所副所长孔德栋研究员担任。

原文：Radiomics-driven and explainable machine learning for rapid characterization of Fusarium wilt and Black Sigatoka in banana crops。研究于2026年7月28日发表，聚焦利用影像组学和可解释机器学习快速表征香蕉枯萎病与黑斑病，属于作物病害智能识别方向。当前公开检索摘要未呈现完整实验细节，故不对模型精度作额外推断。

原文：Automated Detection and Counting of Redbanded Stink Bugs in Soybean Using an Improved Computer Vision Model。研究使用2281张田间图像训练YOLOv8变体，加入注意力模块和自适应空间特征融合后，最佳模型精确率96.30%、召回率76.40%、F1值85.20%，mAP50为82.00%。成果可辅助大豆害虫监测，但数据集与部署环境仍限制外推。

印度 Nagarjuna College of Engineering and Technology 的 Abeed K Attar 等提出 Smart Agriculture Assistant 综合 AI 驱动决策支持系统，集作物推荐、产量预测、肥料优化和市场价格预测于一体。系统利用 Random Forest、XGBoost、CatBoost、LSTM 和 SHAP 等多种机器学习算法分析 Kaggle 和 Agmarknet 收集的农业和市场数据集。框架处理土壤养分（N、P、K）、pH、温度、湿度、降雨量、作物特征和历史市场价格数据，为农民生成智能推荐和预测洞察。实验评估表明，所提出的混合框架达到 99% 的准确率，优于传统机器学习模型。

Smart Agricultural Technology 第14卷（2026年8月）论文已陆续上线：（1）AI-driven approaches in precision agriculture for strawberry production 系统综述（DOI:10.1016/j.atech.2026.101944）；（2）Development of a computer vision-aided lameness detection system for dairy cattle（DOI:10.1016/j.atech.2026.101952）；（3）YOLO-EHS: lightweight deep learning framework for Xinmei detection and Multi-scale integration in orchard（DOI:10.1016/j.atech.2026.101946）；（4）Coupled DEM-MBD analysis and experimental investigation of a dragon fruit end-effector（DOI:10.1016/j.atech.2026.101943）等。涵盖精准农业、奶牛跛行检测、新梅检测、火龙果末端执行器、轻量化生菜预测框架、烟叶烘烤自适应决策支持系统等多个主题。

综述系统分析 ML 在农业中的应用，强调多源数据融合（遥感、IoT、生物数据）对精准农业的关键作用。围绕四个研究目标展开：（1）探索 ML 在收获前、收获中、收获后阶段的整合；（2）展示多源数据融合的益处；（3）研究当前研究趋势；（4）汇编关键公共数据集。重点提及 Transformer、GAN、联邦学习、持续学习和可解释 AI 等新兴方法在应对现代农业挑战中的作用。

华中农业大学张纾、武汉邮电科学研究院王立强、长江工程职业技术学院王猛系统综述端到端自动驾驶技术在农业非结构化环境下的理论适应性与应用场景。深入分析农业环境的动态变异性、导航参考缺失及作业任务精度要求高特征与挑战；解析精准导航、三维空间作业路径规划、复杂环境适应与群体智能协调等方面的实现路径与技术优势；并前瞻性地展望该技术与多模态大模型、农艺知识图谱的深度融合趋势。

7月31日下午，苏州市'AI农业农村'应用场景开放对接会在张家港市常阴沙现代农业示范园区举行，苏州市人工智能创新应用实验室（都市农业）正式发布'AI农业'团体标准；多家农业生产加工企业发布需求清单。苏州市农业农村局透露，苏州已累计培育6个'AI农业'大模型应用场景，在大田种植、生猪养殖、农业执法等领域取得新进展。

山东出台实施'人工智能+农业'行动方案。在寿光，新增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；省农科院发布'舜耕·粮安'农业遥感大模型；由中国农业科学院与山东极智生物联合研发的iWheat小麦智能设计育种平台整合3万余份小麦种质资源，结合快速繁育体系能将传统8年育种周期压缩2至3年。2025年全省应用水肥一体化技术的粮油作物面积达到630万亩。

GK Ganesh Kumar P, RR RajiniGanth(Anna University/SNS College of Technology, India)提出基于物联网的环境信息学框架用于实时作物病害检测,采用YOLO 10-YSTs(注意力驱动CNN+基于stigmergy的编码方法)+DBGU-LSTM(Dual-Bi-Gated Recurrent Unit with Long Short-Term Memory)两级模型,在对比其他主流深度学习模型时实现97.99%识别准确率。该框架利用IoT传感器收集土壤湿度、温度、湿度等环境参数数据,通过深度学习算法识别作物病害模式,降低作物损失并提高整体产量。

裘佳颖、刘应昌、高星杰、黄远、张红雨、田芳、李万理、冯在文提出端到端工具增强型大模型智能体系统架构AgriAgent:通过知识检索与工具调用闭环,在农业场景下实现"环境感知-动态决策-执行反馈"的全周期闭环控制。实验表明,番茄产量分别提升926.20%、979.55%、1537.46%(三种配置);卷心菜产量分别提升501.67%、504.65%、1185.14%;当参数量达7B时智能体展现卓越的灵活性与适应性,能解决大部分复杂农业生产决策问题,基于DSSAT作物生长模型构建农业评测平台。

王毅、崔茜彤、王晨、熊宝伟、邵国敏、王琬莹、曹培、韩文霆(西安财经大学/西北农林科技大学/西安理工大学)针对传统玉米产量预测方法难以揭示变量间因果关系的问题,提出融合因果推断与机器学习的预测方法:基于遥感指数、气象数据、土壤剖面湿度和阶段性作物观测数据等多源异构信息,采用偏相关与瞬时条件独立算法系统分析玉米产量与各影响因子之间的因果关系,构建可解释的玉米产量预测模型。

刘浩然、王宇、赵学观、吴华瑞、付豪、庞树杰、翟长远(北京市农林科学院智能装备技术研究中心/国家农业智能装备工程技术研究中心)针对枝叶遮挡下田间胡萝卜苗精准识别难题,提出基于改进YOLOv11s的轻量化检测方法CD-YOLO:将主干网络部分标准卷积替换为深度可分离卷积降低模型复杂度,在C3k2模块引入高效多尺度注意力机制EMA构建C3k2_EMA模块增强关键特征动态感知,采用动态检测头强化多尺度特征融合与感知,显著提升检测鲁棒性。