中国农科院资划所构建可解释 AI 模型实现猕猴桃产地精准溯源(AI in Agriculture)
国家级科研团队用可解释AI提升猕猴桃产地溯源准确率并揭示光谱判别逻辑，方法新颖、结论可靠，属智慧农业细分领域实质进展，值得进入每日精选。
中国农科院农业资源与农业区划研究所智慧农业创新团队利用光谱成像技术与多模型组合策略,以中国 6 个地区猕猴桃为对象构建产地溯源模型,并运用可解释性分析方法对最优组合模型进行分层和整体解读。在提升溯源准确率的同时,揭示了光谱数据背后判断产地的内在逻辑。该研究为破解光谱分析中数据分析模型难以解释的难题提供了系统解决思路,在关键波长选择、模型稳定性提升及预测结果可信度增强等方面具有参考价值。成果发表在《Artificial Intelligence in Agriculture》。
生命科学 | 医学科学 | 化学科学 | 工程材料 | 信息科学 | 地球科学 | 数理科学 | 管理综合站内规定 | 手机版
首页 | 新闻 | 博客 | 院士 | 人才 | 会议 | 基金·项目 | 论文 | 绘图 | 视频·直播 | 小柯机器人 | 医学科普
作者：李晨,姬悦 来源：中国科学报 发布时间：2026/9/9 21:39:55 选择字号：小 中 大 新模型实现猕猴桃产地精准溯源 近日，中国农业科学院农业资源与农业区划研究所智慧农业创新团队根据可解释人工智能构建农产品产地溯源模型，在提升溯源准确率的同时揭示了光谱数据判断产地的内在逻辑，相关研究成果发表在《农业人工智能》（Artificial Intelligence in Agriculture）上。 利用光谱数据判断农产品产地时，现有方法多依赖单一算法，往往只追求预测准确度，却忽略了模型决策逻辑的解释，限制了可靠溯源模型的开发和对判断过程的理解。 科研团队以中国六个地区的猕猴桃为对象，融合光谱成像技术与多模型组合策略构建产地溯源模型，并运用可解释性分析方法对最优组合模型进行分层和整体解读，在提升溯源准确率的同时，揭示了光谱数据背后判断产地的内在逻辑。 该研究为破解光谱分析中数据分析模型难以解释的难题提供了系统解决思路，在关键波长选择、模型稳定性提升及预测结果可信度增强等方面具有参考价值，有助于推动光谱技术在农业生产与品质监管中的实际应用。研究得到国家重点研发计划、中国农业科学院科技创新工程等项目支持。 相关论文信息：https://doi.org/10.1016/j.aiia.2026.05.010 版权声明：凡本网注明“来源：中国科学报、科学网、科学新闻杂志”的所有作品，网站转载，请在正文上方注明来源和作者，且不得对内容作实质性改动；微信公众号、头条号等新媒体平台，转载请联系授权。邮箱：[email protected]。
打印 发E-mail给：
以下评论只代表网友个人观点，不代表科学网观点。
相关新闻 相关论文
-
1
-
2
-
3
-
4
-
5
-
6
-
7
-
8
-
1
-
2
-
3
-
4
-
5
-
6
-
7
-
8
-
1
-
2
-
3
-
4
-
5
-
6
-
7
-
8
-
9
-
10
