果树

提出增强NightNet实现无人机夜间柑橘果实轻量检测。

提出LLM辅助多通道光谱相似度融合框架，实现柑橘黄龙病早期无损诊断。

以三峡宜昌为样本，梳理柑橘文化与产业协同机制并提出四条发展路径。

基于272名意大利葡萄种植者，用潜类别分析识别精准农业技术采纳意向的异质性群体。

Climate-resilient mountain orchard systems: A cross-scale framework linking microclimate regulation, energy-water balance, and G × E × M–EVH climate-risk management。Agricultural Systems

开发基于AI的无人机系统，用无监督算法从航拍图像估算果树高度和冠层体积。

研究视频多目标跟踪系统在不同扫描条件下估算苹果产量的性能。

提出语义风险感知运动规划方法，用于苹果疏果机械臂，提高作业安全与效率。

构建柑橘果园AI框架，实现果实质量分级与动态产量估计，并评估多种分割与跟踪模型。

利用无人机生成导航地图，实现葡萄园地面机器人自主遍历。

融合多源遥感数据改进水云模型，实现柑橘园土壤水分和冠层含水量高精度反演。

提出ERG-Mask模型，用于温室鲜食葡萄串的实例分割，提升边缘与区域协同精度。

将SAM3适配到3D水果计数，结合跨视图对比学习和Hough投票，提升密集遮挡下的检测与定位。

MDPI Agriculture 2026, 16(17), 1888, 2026年8月31日发表,作者来自华南农业大学工程学院和农业装备技术国家重点实验室。研究提出MangoNET,基于YOLOv11n的芒果果实与果柄联合检测框架,适用于复杂果园环境。P2高分辨率检测头保留小目标的精细空间信息,SPPF-ELAN聚合局部和上下文特征用于部分可见对象,SENet在光照变化下重新校准通道响应,WIoU v3调节具有不同定位质量的边界框样本。数据集包含1782张台农和金煌芒果原始图像,仅对训练集应用数据增强,将训练集大小从1172张增加到2886张图像。MangoNET果实和果柄F1分数分别为0.920和0.916,mAP50和mAP50-95值为0.941和0.690。

华南农业大学工程学院Lu等提出多模型融合框架用于复杂果园环境下稳健芒果检测:以YOLOv8n、YOLOv8s和YOLOv8m为基检测器,应用多尺度测试时增强(TTA)获取不同增强视图的预测;基于交并比(IoU)将每个基检测器不同TTA视图对应同一目标的预测进行匹配;采用加权框融合(WBF)确定融合后的边界框坐标;对多个基检测器共同检测的候选目标使用Noisy-OR组合各模型置信度得分;应用高斯Soft-NMS降低密集场景下相邻芒果的错误抑制风险。在标准数据集上Recall和[email protected]分别达到95.52%和98.60%。

提出高空多光谱卫星+低空RGB无人机两层协同葡萄园巡检方案,基于NDVI兴趣点识别引导低空病检任务;引入LEO卫星通信模拟,带宽受限下路由优化可减少任务时间约15%,为丘陵果园精准植保提供端到端解决方案。

Rui Ye与Mingxiong Ou(江苏大学农业工程学院、江苏省农业装备与智能化高技术重点实验室)发表的智能果园机器人综述,聚焦在具有挑战性果园场景中运行的自主机器人系统需求,全面概述了环境感知与语义认知、自主导航与环境建模、智能任务执行、协同机器人系统等关键技术。系统讨论了水果与花蕾检测、枝干与冠层结构感知、多模态传感器融合定位、语义建图、机器人采收控制、变量喷施、精准授粉和行内自主除草管理等方面的最新进展。此外还综述了多机器人协调、机器人-无人机协同、大语言模型(LLM)和视觉-语言模型(VLM)等新兴技术。

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)。

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。

中国农业科学院农业资源与农业区划研究所智慧农业团队在光谱数据建模的可解释方法研究上取得重要进展。该研究以中国六个区域的猕猴桃为对象，结合高光谱技术和集成学习方法构建猕猴桃产地溯源模型，并利用可解释性人工智能方法对最优的溯源集成模型进行分层和整体解释，在提高产地溯源准确率的同时，深入理解光谱数据背后预测农产品产地的逻辑。博士生李佳利为第一作者，钱建平研究员和吴文斌研究员担任共同通讯作者。论文链接：https://doi.org/10.1016/j.aiia.2026.05.010