#综述

系统综述目标检测三十年发展，从传统方法到深度学习、Transformer及大语言模型，并分析数据集与

综述AI在气候智慧农业中的应用，涵盖产量预测、天气预报、灌溉管理和病虫害检测。

原文标题: Intelligent Agents for Smart Agriculture: Architectures, Applications, and Future Challenges。作者: Wenzheng Tao、Qiwei Sang、Cong Chen、Qirong Mao(江苏大学计算机科学与通信工程学院、南京农业机械化研究所、江苏省大数据泛在感知与智能农业应用工程研究中心)。智能体正逐渐成为智慧农业中一种重要的系统级范式。本综述聚焦于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，探讨这一新兴领域如何重塑智慧农业智能系统的组织方式。首先厘清农业智能体的概念边界，将其与传统多智能体系统(MAS)、基于智能体的建模(ABM)、农业基础模型以及静态检索增强问答系统加以区分；随后综合评述它们的架构基础、关键能力、应用场景、部署挑战及未来研究方向。研究发现农业智能体正从孤立的感知、预测与响应生成，迈向对农业任务链中农业知识、动态数据、外部工具与决策流程的目标导向式协同；已开始支撑更具整合性的知识服务、作物监测与诊断、决策支持以及农场级协同管理；但仍面临上下文感知的知识扎根、异构数据与工具集成、长时任务可靠性、多智能体协作稳定性与系统安全等核心挑战。

Harper Adams University、河南农业大学、华南农业大学、中国农业大学等多机构联合综述:点对点GNSS导航已到达TRL 9(商业部署超百万台),基于视觉的作物行跟随视作物和季节处于TRL 5-7,全农场自主动态重规划处于TRL 3-5。主要障碍是缺乏标准化评估基准、感知模型在不同季节和作物类型的泛化失败、地形和滑移反馈与全局路径规划解耦。研究揭示开放田GNSS导航已商业化成熟,但真正的全农场农业自主仍未解决,因为现有系统在季节、地形、传感条件和操作转换的鲁棒性仍不足。

内蒙古农业大学乌云花、艾丽雅系统检索 CNKI、万方、WoS、ScienceDirect 共 97 篇文献,梳理数字素养概念演进与多维测度框架(欧 DigComp 2.2、UNESCO DLGF 等),分析其对农牧户正规与非正规信贷可得性的影响机制(信息获取、社会网络、信用可见度);指出针对牧区与牧户研究不足、测度工具适配性不够、影响机制黑箱待解,提出构建以牧区-牧户为导向的本土化数字素养测度框架。

茶叶栽培到品质评估的计算机视觉综述。全面比较视觉技术(RGB、高光谱、近红外、热成像、LiDAR、UAV)并建立任务导向的算法选择框架。小样本或近线性问题传统机器学习(SVM、PLSR)依然有效;非结构化田间任务深度学习表现优越:害虫检测准确率超97%,茶芽RGB图像检测96.8%,高光谱预测氮含量R²>0.90、茶多酚R²高达0.925。算法选择需进一步按任务粒度区分:轻量级CNN平衡边缘部署速度与精度(16fps);YOLO系列检测器在移动平台实现实时定位(93.1%准确率、24ms/目标)。

通过结构化综述全球学术文献、肯尼亚国家政策与新兴数字农业项目，审视数字农业在肯尼亚这一撒哈拉以南非洲最具活力的农食数字创新枢纽之一中的实际演进。研究发现肯尼亚政策更强调生产率和商业化，数字技术常嵌入效率导向和市场驱动模式；同时识别出一批以包容、参与和农业生态为核心的'变革种子'，包括整合本地知识、优先小农需求和重塑农食体系权力结构的平台实践，但因监管缺口、治理碎片和制度支持有限而处于主流策略边缘。论文提出应建立更具包容性的数字农业研究与实践议程。