#物联网

提出AI+IoT系统，用深度学习和激光机器人实现杂草与害虫识别及自动清除。

综述2021-2026年AI驱动精准农业系统，提出气候韧性粮食生产工程框架。

设计并验证了一款用于地下物联网的宽带柔性防水天线。

综述数据科学从古代记录到智能体智能的历史演进及其在物联网分析中的作用。

基于ESP32与LoRa构建智能灌溉系统，在无网络覆盖区实现精准用水管理。

提出五层情境模型管理水培IoT环境数据，结合AR应用减少数据过载。

Development and Performance Evaluation of an IoT-Based Smart Irrigation System with Real-Time Data Monitoring for Beetroot (Beta vulgaris L.)。Research Square

集成Laravel与Android的IoT系统，实时监测温室水培小白菜的温湿度、光照和CO2。

融合IoT传感器与多时相卫星数据，用时空Transformer实现作物胁迫实时监测。

研究将智慧农业技术融入农业高校专业课程教学的方法论。

利用物联网与机器学习构建水质预测监测系统，提前1-6小时预测rWQI。

综述了物联网赋能的自主农业监测机器人，分析架构、传感、导航与AI集成，指出低成本模块化系统的研究空白

综述基于NPK传感器与物联网的可再生能源智能水肥一体化控制器方案。

研发自主钻孔救援机器人，带实时视频与传感器，辅助营救坠井儿童。

基于树莓派与物联网，实现棉花叶病自动检测、感染率估算与防治推荐。

用IoT传感器数据与集成机器学习实现作物健康分类与资源优化。

提出TwinGrow云AIoT数字孪生系统，实现蘑菇栽培环境实时监测与自动调控。

设计基于土壤湿度传感、微控制器和继电器的自动灌溉系统，按需供水。

设计基于土壤湿度传感、微控制器、继电器和水泵的自动灌溉系统，实现按需供水。

设计并试验了一款太阳能物联网多功能农业机器人，可耕地、播种、灌溉和收割。

为西非河岸农场设计并验证低成本太阳能物联网灌溉系统，自动灌溉黄麻叶。

用YOLOv8+EfficientNet-B0两阶段流水线识别长尾猕猴，提升玉米田驱猴系统检测精度。

探讨将智慧农业技术融入高等农业教育，作为学生解决实际农艺问题的教学工具。

综述2019-2026年稻田pH与磷的物联网土壤传感器发展、精度及实施挑战。

提出基于树莓派与Coral Edge TPU的边缘AI精准农业系统，实现作物状态分类与实时决策。

提出基于ESP32与CNN的智能农业系统，实现环境监测与叶片病害实时检测。

基于物联网与传感器构建智能灌溉系统，实时监测土壤与气象并自动控制灌溉。

调查尼日利亚某院校智能土壤监测系统采纳障碍并提出策略。

构建ESP32物联网与CNN结合的植物病害检测及作物咨询系统。

提出农业数字孪生框架，结合GRU与物联网实现实时产量预测与可持续决策支持。

综述AI、物联网与数字孪生融合的可持续性智能，提出七层SIF框架。

开发基于ESP32与ESP32-CAM的物联网植物监测与自动灌溉系统，用Sugeno模糊逻辑决策浇水

提出InResKolArno_SCO混合框架，用于物联网智慧农业中的植物病害分类。

提出以人为中心的机器学习仪表盘，融合物联网与预测模型，为农户提供实时可解释的决策支持。

综述物联网土壤评估全信息链，提出土壤状况指数与决策支持框架。

相城区入选第三批江苏省数字乡村试点，依托区级数字乡村一件事平台落地美人腿数字乡村驾驶舱，构建水陆空一体化感知体系：无人机全域巡航、水质传感器实时跟踪、摄像头物联网全天候值守。相城区累计建成11个市级智慧农村。

用共享边缘推理架构整合机器学习，实现太阳能电池筛选、水库监测与IoT农业咨询。

研究验证旱季遮阴芹菜中智能滴灌能否保持病害防控与产量优势。

综述数字技术用于乌克兰森林草原浆果滴灌土壤水分管理，提升灌溉水利用效率20–35%。

研发并评估太阳能供电的智能滴灌系统，利用土壤湿度传感器自动触发灌溉。

北大荒集团闫家岗农场拥有72台套物联网设备，24小时不间断采集农业生产数据上传平台，通过AI分析给出生产建议。农场用几个关键词概括：'数字大脑'——巡田无人机已全面替代传统人工作业；'全天候守护'——实现气象、墒情、光照全方位智能监测；'智能装备'——农田水利'双孪生'系统实现远程调水、智能控温、虫情监测等功能。北大荒集团已在20多个农场实施智慧农业示范项目，已在七星、友谊等重点农场落地见效。

提出NB-IoT边缘云架构，同步监测空气与水质并做跨域空间统计分析。

基于物联网与土壤湿度及天气数据，实现低成本自动灌溉决策系统。

An integrated IoT and machine learning framework for maize yield prediction and smart agriculture in Tanzania。Cogent Food & Agriculture

提出基于堆叠集成学习的灌溉泵ON/OFF预测框架，用物联网传感器数据实现智能灌溉控制。

提出AI驱动的无线供电三层架构，优化大规模IoT设备能量传输与分配。

开发基于ESP32和GPS的低成本精准灌溉与作物健康监测系统，实现空间标记与节水。

提出基于边缘AI的宠物监测框架，用树莓派和YOLOv9识别兔子行为与环境。

基于ESP32和Blynk开发了带手动/自动模式的自动浇水原型系统。

设计并实现了一套低成本GNSS精准农业监测系统，集成ESP32与物联网实时可视化。

提出轻量级IoT-RiceMobileNet模型，实现水稻病害实时多类检测。

提出物联网与天气数据驱动的智能灌溉系统，按实时土壤与气象条件自动决策灌溉。

综述AI、物联网与无人机等智能技术在反盗猎监测中的进展、挑战与未来方向。

提出IoT与AI融合框架，结合实时土壤数据与天气预报推荐适宜作物。

系统综述2022-2025年IoT边缘计算数据处理与管理优化技术，涵盖存储、缓存、聚合与完整性四类。

提出基于区块链的食品供应链可追溯框架，实现高精度追溯与快速召回。

构建化学STEM教学框架，以“化肥与智慧农业”案例融合AI与物联网，提升教师自我效能。

提出AIoT框架，用LSTM预测土壤湿度实现智能灌溉，节水并延长节点续航。

通过日内蜂箱重量动态分析，识别开花前中后阶段的蜂群活动差异。

构建物联网增强的温室白粉虱发生预测预警系统。

山东临沂罗庄区黄山镇依托低成本物联改造、轻量化数字履职、全维度巡防感知,因地制宜探索基层数字治理模式,获评山东省大数据局2025年度公共视频智能应用示范案例。该镇布设55组智能接收终端完成应急广播数字化改造,为344户重点农户安装一氧化碳中毒智能报警器,搭建"电力大数据"监管模型、空天地一体感知网络,实现"人力蹲守"向"智能预警"转变。

综述物联网传感器网络连接性，涵盖应用、约束、能量管理及部署挑战。

利用物联网环境控制和离子传感，在水培中连续监测不同VPD条件下的硝酸盐和铵浓度。

综述AI与IoT在精准农业中的集成技术、应用与挑战，提出未来研究方向。

通过科学计量和系统综述，评估智能农业中技术整合的研究格局与优势。

构建集成物联网、无人机与深度学习的农业AI系统，实现作物与水产健康监测。

提出量子启发遗传算法与区块链结合，用于农业物联网中可信且节能的簇头选择。

综述AI与IoT在精准农业中的应用，涵盖传感、灌溉、病害检测等，并给出原型架构。

构建基于ESP32和I2C多路复用的低成本植物工厂微气候监测网络，实现多点温湿度同步测量。

开发基于IoT的土壤监测系统，支持西爪哇精准可持续农业，提高灌溉效率并增产。

提出结合IoT、机器学习和边缘计算的智能灌溉系统，优化用水并提高作物产量。

新华社北京8月25日电：农业法修订草案二审稿25日提请十四届全国人大常委会第二十四次会议审议。草案二审稿完善了支持农业和农村经济发展的措施，增加统筹发展科技农业、绿色农业、质量农业、品牌农业，维护种业安全，提升种业现代化水平，提高农业保险保障水平和服务质量，鼓励『物联网、人工智能』等新技术与农业生产、经营、管理相融合等规定。同时加强乡村建设和治理，推进平安乡村建设。草案落实整治形式主义为基层减负要求，并规定国家支持开展农业领域国际交流合作。全国政协委员、中国社会科学院农村发展研究所杜志雄研究员建议在总则部分增加农业安全协同保障制度的规定。

国务院《加快农业农村现代化"十五五"规划》明确构建多元化食物供给体系、深入实施设施农业现代化提升行动。设施农业突破时空与资源限制,加速物联网、大数据、人工智能技术集成,延伸产业链价值链。甘肃建成全球最大集中连片日光温室生产区,河北设施果蔬产业成为京津"菜篮子"压舱石。文章提出从政策、科技、产业维度协同发力、加强核心技术研发与运用。

arXiv 2026年8月4日上线的预印本,提出一种面向互联精准农场的AI驱动云边架构。研究针对番茄早疫病、晚疫病、叶霉病等重大病害导致严重减产的问题,集成物联网传感器、无人机、深度学习、Azure IoT Hub云端分析与多平台(移动应用、Web应用、嵌入式边缘设备平台)接口,实现番茄病害实时检测。模型基于PlantVillage、Kaggle等公开数据集训练,通过TensorFlow模型部署至移动、Web与边缘设备平台。实验结果显示检测有效性达92-95%,在不同环境与设备平台表现一致,显著降低人工巡检依赖,实现及时干预,支撑可持续互联精准农场发展。

Mustafa MS（卡拉比克大学计算机工程系）与Kutucu H（土耳其）在Frontiers in Sustainable Food Systems发表的原创研究"Enhancing Water Management with Intelligent Irrigation Systems Using Edge Computing, Machine Learning and IoT"于2026-07-28接受。针对农业占全球淡水取用量约70%、传统灌溉水耗大、效率低的现实，研究构建将物联网、机器学习与边缘计算融合的智能灌溉系统：物联网传感器和边缘设备实时采集环境数据并估算灌溉需求，机器学习模型与土壤监测单元（SMU）和水管理单元（WMU）协同，在边缘本地部署实现可扩展、实时、高效灌溉管理。研究比较决策树（DT）、随机森林（RF）、支持向量机（SVM）、K近邻（KNN）、随机梯度下降（SGD）和多层感知机（MLP）六种监督学习模型，其中决策树和随机森林分类准确率达93%、R²回归得分0.98，显著优于SVM（准确率58%、R²=0.18），为不同农业场景下水资源高效管理提供可复用方案。原文：Enhancing Water Management with Intelligent Irrigation Systems Using Edge Computing, Machine Learning and IoT