← 主题

#智能农业

Agriculture (MDPI)·8月23日 · 周日74 分 论文农机装备与机械化阅读 2

Intelligent Agents for Smart Agriculture: Architectures, Applications, and Future Challenges (Agriculture 2026, 16(17), 1808)

Wenzheng Tao、Qiwei Sang(江苏大学计算机科学与通信工程学院)、Cong Chen(农业农村部南京农业机械化研究所)、Qirong Mao(江苏大学)发表综述论文。本综述聚焦由大语言模型及相关多模态基础模型驱动的现代农业智能体,考察这一新兴领域如何重塑智能农业系统的组织模式。综述阐明农业智能体的概念边界,综合其架构基础、关键能力、应用场景、部署挑战和未来研究方向。综述文献表明,农业智能体正从孤立的感知、预测和响应生成,向农业任务链中农业知识、动态数据、外部工具和决策流程的目标导向协调转变,开始支持更集成的知识服务、作物监测与诊断、决策支持和农场级协作管理形式。

Computers and Electronics in Agriculture Vol.250 111938 2026-08·8月1日 · 周六80 分 论文农业AI与大模型阅读 10

Addressing representation instability, strategy rigidity, and class imbalance in active learning for agricultural pest and disease recognition(解决农业病虫害识别主动学习中表征不稳定、策略僵化和类别不平衡问题)

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。