农业领域 · 主题专题
浏览大田作物相关政策、产业动态与研究。
植物病害每年造成全球农业产量损失20%-40%、经济损失超2200亿美元。文章提出统一深度学习流水线,集成语义分割、基于回归的严重程度估计和病害分类,根据感染叶片面积比例将胁迫严重程度分为四档。在包含1641样本、六个类别的苹果树叶病害分割数据集上,采用MobileNetV2的U-Net表现最佳,像素准确率98.20%、mIoU 0.70、检测准确率99.41%、单张图像处理时间仅14.7毫秒,适合实时田间应用。计算出的严重程度指数与专家标注高度相关(r=0.968, R²=0.937),为自动化作物监测和决策支持提供可靠方案。[预印本]
及时准确地检测作物胁迫对提升农业生产力和保障全球粮食安全至关重要,但标注数据成本高。文章提出新型时空应力网络STS-NET,基于自监督3D卷积自编码器构建,利用PlanetScope高分辨率影像时序数据,提取NDVI、GNDVI、RECI、NDRE四种植被指数捕捉时空胁迫模式。在印度北方邦Lakhimpur-Kheri地区2.5英亩甘蔗试验田上,STS-NET对水分胁迫达到97.98%精度、对氮素胁迫达85.08%精度、对复合胁迫达83.47%精度,证明该自监督方法在标注数据稀缺条件下有效检测甘蔗胁迫的潜力,并可作为简单模型的稳健特征提取器。[预印本]
原文题名：Bridging Agronomic Science and Context Specific Farm-Level Advisory through Generative AI for Rice Systems in India。论文综述生成式AI、知识图谱、作物模拟器、卫星与无人机影像结合的农技咨询路径，强调专业语料、数据主权、基础设施和“人在回路”是可靠落地的前提。研究对象主要为印度水稻系统，属于综述和框架讨论，未提供统一田间效果验证。
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。
中国农业科学院农田灌溉研究所节水高效灌溉技术与装备团队融合冬小麦无人机多光谱遥感数据与田间水肥管理数据,研发出残差校正决策层融合模型(RC-DLF),为小麦关键生育期水肥协同高效利用提供智慧决策支撑。该模型依托田间定位试验采集小麦关键生育期无人机多光谱冠层信息,整合水肥管理指标构建多源数据集,创新构建RC-DLF,内嵌权重优化、二阶校准、残差校正模块有效消解单一模型预测偏差。田间试验结果显示,相较传统模型,小麦开花期、灌浆期产量预测决定系数R²分别提升至0.62、0.67,整体预测误差明显降低。
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。
Muzi Li, Shuai Hao, Haoqi Chang, Xiaoyuan Zhao基于2011-2023年中国31个省份面板数据,采用双向固定效应模型评估数字乡村建设(DVC)对粮食安全水平(FSL)的影响及其空间效应。研究发现DVC显著提升本地粮食安全水平,在粮食主产区效应尤为突出。
《华南农业大学学报》"智慧农业关键技术"专题征稿优先发表栏目 2026-07-24 收录"基于数据、算法和应用多层协同的大豆智慧育种研究进展与展望"（DOI: 10.7671/j.issn.1001-411X.202606026）。大豆是兼具粮食、油料和饲用价值的战略作物，长期受单产提升缓慢与遗传基础狭窄制约。文章围绕数据层、算法层和应用层梳理大豆智慧育种研究进展，分析数据向算法传递、算法向应用转化、应用向数据回流中的主要障碍，归纳数据、算法、应用、平台与治理5个方面关键挑战，提出未来工作应补齐层间衔接断点，使预测、验证和数据回流进入常态化流程，并将评价标尺由模型预测精度转向实际实现的遗传增益。
Hagbe JTM、Gounou GK 与 Zimé SK 在 arXiv 提交预印本"Safety-Aware Cascaded Inference for Crop Damage Assessment with Controlled Error Trade-offs"（arXiv:2607.25468 [cs.CV]，2026-07-28提交）。针对基于图像的农业保险中漏检成本远高于误报的非对称代价结构，提出 CascadeCropNet 两阶段级联架构：通过阈值选择满足目标召回约束（Rec-Damaged ≥ 0.95），轻量 Sentinel 模型先做二分类健康分诊，超过损伤概率阈值 τ 的样本升级到专家 Expert 模型做精细诊断。在 Eyes on the Ground 数据集（肯尼亚小农户玉米田 23,804 张图像）上，τ=0.5 时 Rec-Damaged 达 0.974，相对单模型基线漏检减少最多54%。注：该方法可靠性取决于阈值与部署条件，并非任意分布漂移下的绝对保证。
研究提出基于自监督3D卷积自编码器（3D-CAE）的时空胁迫网络STS-NET，利用Planetscope高分辨率影像的NDVI、GNDVI、RECI和NDRE四种植被指数进行作物胁迫检测。模型在Barnala时空（BSPT）数据集训练，并在印度北方邦Lakhimpur-Kheri地区2.5英亩甘蔗试验田的真实数据集（一年期）上评估。STS-NET在水胁迫检测上达到97.98%精度、氮胁迫85.08%精度、复合胁迫83.47%精度。结果表明该网络能以最少标注数据有效检测甘蔗作物胁迫，并可作为简单模型的稳健特征提取器。
在肯尼亚纳库鲁郡Molo分郡对276户小农开展横截面调查，使用多元Probit（MVP）模型同时估计投入情报、市场情报和价格情报三类市场情报的采纳决定因素。研究显示三类情报选择之间存在显著相互依赖；马铃薯种植面积对三类情报使用均有正向影响；推广服务与信贷可显著提升投入情报使用；市场信息可及性显著提升市场情报使用；合作社成员身份显著提升价格情报使用；年龄、家庭规模和性别对部分情报选择亦有显著影响。建议加强推广服务、扩大普惠信贷、支持农民组织和投入市场信息系统。
