浏览数字农业与前沿技术相关政策、产业动态与研究。
中国农业大学黄晨晓、何林然、黄文涛、张晓绚等于Sensors发表TMAF-YOLO模型——基于YOLOv8n的轻量化番茄成熟度与缺陷果实检测模型,隶属中国农业大学120周年校庆专刊。该模型以LGhostConv替换选定卷积结构减少冗余计算;引入番茄成熟度感知聚合融合模块TMAF增强检测分支的颜色、纹理和局部结构特征表示能力;使用MA-CB Focal Loss改善类别不平衡和难样本条件下的学习。实验结果显示,Precision、Recall、mAP50和mAP50-95分别达到0.889、0.873、0.954和0.776,模型仅含2.647M参数,推理速度209.030 FPS,优于YOLOv11n和YOLOv12n,同时保持实时推理性能。
研究构建了由资金约束农户、企业和银行组成的绿色农业供应链博弈模型,采用Stackelberg博弈框架分析信息对称和信息不对称两种情形下,传统采购订单融资(TPOF)与基于区块链物联网(BPOF)对供应链韧性的影响。研究发现,BoT通过三大机制提升韧性:扩大高融资需求农户的融资可及性、在特定条件下重新分配供应链利润、优化信息不对称下的成本信息传递。但BoT并非始终优于TPOF,在传统作物价格极低时TPOF下的韧性更高。案例研究基于上市公司宏辉果蔬的公开数据,样本覆盖山东寿光、福建漳州等22个县的218户合作农户。
河南农业大学豆根生、王开元、秦兆辉为共同第一作者,豆根生、李俊周、陈震为共同通讯作者,在Molecular Plant发表PlantPTM——首个覆盖水稻、小麦、玉米等多种植物、支持多类翻译后修饰(PTM)的植物专有深度学习预测工具。在独立测试集上,PlantPTM在9种PTM类型的平均AUROC达0.8640,其中N-糖基化位点预测AUROC最高达0.9699。与25种现有预测工具对比,在所有PTM类型上均显著优于已有方法,AUROC提升2.90%-19.08%,平均提升15.46%。留一物种交叉验证显示,即使完全排除拟南芥或水稻等数据丰富物种参与训练,模型在未见物种上的AUROC仍稳定在0.8以上。
吴炳方、马慧、张淼、潘庆成、张翔、陈水森、邱炳文、徐新刚、刘建红、范锦龙、黄健熙、江佳乐、何昌垂在《智慧农业(中英文)》2026年第8卷第2期发表文章。数字农业的本质在于通过物联网、大数据、人工智能及遥感等信息技术,实现农业生产全过程的数字化映射与智能化管控。文章从对地观测视角系统剖析数字(智慧)农业研究前沿与典型案例:农情智慧监测(全口径作物制图、精准产量预测和灾害监测评估与预警)、数字孪生农场(全要素数字化建模、动态科学指导精准生产)、农业系统韧性(应对气候变化挑战)。结合农情遥感智能监测系统与农业水管理系统两个典型案例,展示数字(智慧)农业的云端服务能力,并分析影响商业化与业务化进程的多重阻力。
在数字化快速发展背景下,作者基于2014—2023年中国30个省区市面板数据,运用双向固定效应模型和中介效应模型,系统考察数字乡村建设对农业经济韧性的影响与传导机制。研究发现:数字乡村建设显著提升农业经济韧性,且这种正向效应在自然灾害频发区、粮食主产区及高数字乡村试点区表现更为突出;传导机制主要通过促进农业技术创新实现。建议继续推进数字乡村建设,强化农业技术创新,实施差异化扶持政策以增强农业经济韧性。基金项目:安徽省社会科学创新发展研究课题(2024AH050264)。
余泽田、张世博、吴俣、彭华、董晓霞在《智慧农业(中英文)》2026年第8卷第3期发表文章,基于2014—2023年全国727个县域面板数据,将2020年国家数字乡村试点政策视为准自然实验,构建双重差分模型识别数字乡村建设对农村居民收入增长的影响。研究发现:国家数字乡村试点政策显著促进农村居民收入增长,但未对城乡收入差距产生显著影响;机制分析表明政策主要通过促进劳动力配置调整和提高创业活跃度推动增收,且经济基础、数字金融普惠水平和工业化程度会正向调节增收效应。后续应继续推进数字乡村建设,围绕优化劳动力配置、提升创业活跃度增强政策传导能力,统筹配套条件,强化数字红利普惠共享。DOI: 10.12133/j.smartag.SA202602009。
黄贤哲(江西财经大学公共管理学院)在《现代农业》2026年第51卷第2期发表文章,基于2009—2023年长江中游粮食主产区鄂湘赣31个地级市面板数据,采用双向固定效应模型、门槛模型、中介效应模型与空间杜宾模型,系统考察数字乡村建设对耕地利用生态效率的影响及作用机制。研究发现数字乡村建设对耕地利用生态效率具有显著正向促进作用,且呈现双重门槛非线性特征;通过提升数字金融渗透、推进农民数字素养、加速农业产业升级三条中介路径间接提升耕地利用生态效率;存在显著空间溢出效应。
朱孟帅、黄明义、沈辰、迟亮、张晶、吴建寨在《智慧农业(中英文)》2026年第3期《数字技术驱动农业经济韧性提升:作用机理、实证检验及政策启示》论文。研究聚焦数字技术对农业经济韧性的影响机制及政策启示。围绕数字技术如何通过要素重组效应、数据要素与传统生产要素的协同配置等中介机制提升农业经济韧性展开实证分析,并结合中国农业农村现实情境,提出差异化的政策路径。研究发现,数字技术对农业经济韧性的提升效应具有显著的门槛特征,数字基础设施较为完善的地区赋能效应更为显著;数字技术赋能效应的发挥还需要一定的产业基础、人才储备和制度环境作为支撑条件。研究从作用机理、实证检验和政策启示三个维度构建了完整的分析框架,既拓展了农业经济韧性领域的理论体系,也为各级政府制定数字农业政策、推进农业农村现代化提供了可操作的决策依据。
顾雪微、赵向豪在《智慧农业(中英文)》2026年第3期发表《智慧农业赋能农业绿色转型的逻辑、障碍与建议——基于技术革新视角》论文。研究智慧农业技术应用对农业绿色全要素生产率(AGTFP)的影响,基于技术革新视角系统分析智慧农业赋能农业绿色转型的内在逻辑、现实障碍与政策建议。研究通过构建智慧农业技术应用对AGTFP的影响机制框架,引入农业数据作为新质生产要素,考察「智慧农业技术应用→农业数据要素积累→要素配置效率提升→AGTFP提升」的传导路径,识别不同区域、不同农业发展水平下智慧农业技术赋能效应的差异化特征。研究发现,智慧农业技术的采纳显著提升了农业绿色全要素生产率,但其赋能效应受区域数字基础设施、农业产业化程度、农民数字素养等门槛条件制约。研究指出推进智慧农业赋能农业绿色转型需坚持技术革新与制度创新双轮驱动,加快农业数据要素市场化配置,完善智慧农业技术标准与质量评价体系,构建跨区域协同推进机制,缩小区域间数字农业发展差距。
代辛、韩睿、姜小鱼、李众在《智慧农业(中英文)》2026年第3期发表《数字技术驱动农业经济韧性提升的多元路径》论文。研究突破传统线性分析框架,基于组态视角系统揭示数字技术如何通过多维要素的协同互动驱动农业经济韧性提升,旨在为不同地区制定差异化的数字农业政策提供理论依据。结合技术-组织-环境理论构建了数字技术与农业经济韧性的理论分析框架,基于2011-2023年中国省级面板数据,采用动态定性比较分析方法(DQCA)进行了实证分析。核心发现:第一,单一数字技术要素无法成为高农业经济韧性的必要条件,必须依赖多维要素的协同配置;第二,识别出5条数字技术有效驱动农业经济韧性提升的路径,可归纳为政策市场双驱型、生产链赋能型和协同驱动型3种模式,反映了不同条件组合的等效性;第三,时空异质性分析与稳健性检验进一步验证了多路径结论。研究为破解当前数字技术赋能存在的区域异质性和要素不协同的现实问题提供新视角,强调以「政策协同+市场驱动」等多元组态方式推动农业经济韧性提升。
许佳彬、秦亚茹、温浩洋、仇焕广、崔钊达在《智慧农业(中英文)》2026年第3期发表《数字技术能提升粮食生产韧性吗?——基于双重机器学习的因果推断》论文。研究聚焦数字技术对粮食生产韧性的因果效应,基于中国省级面板数据,运用双重机器学习(DML)方法有效解决高维控制变量与潜在混杂问题,准确估计数字技术对粮食生产韧性的处理效应。研究发现,数字技术显著提升粮食生产韧性,主要通过要素重组效应、数据要素与传统生产要素的协同配置等中介机制实现;数字技术的赋能效应呈现区域异质性,在粮食主产区和数字基础设施较好的地区效应更为显著。基于研究结论,建议构建数字农业社会化服务新体系,依托数字平台的规模效应,有效弥合小农户与现代农业之间的数字鸿沟,推动粮食生产韧性持续提升。
中国社会科学院农村发展研究所杨明、胡冰川在《智慧农业(中英文)》2026年第3期发表《全球智慧农业的模式比较与演化趋势》论文。研究基于诱致性创新理论与制度比较分析视角,构建驱动主体-制度环境-技术路径-价值取向四维分析框架,识别出商业化大农场智慧农业的美国模式、绿色化集约智慧农业的欧盟模式、精细化协同智慧农业的日本模式、节水化创新智慧农业的以色列模式,以及集成化协同智慧农业的中国模式。分析发现,全球智慧农业正从单点技术引入、国别分散发展,向数据驱动、智能决策、开放协同的系统集成与趋同演化转变;全球智慧农业技术从数字化精准作业到智能化自主决策、组织从单主体推动走向开放生态共治、数据从孤岛走向跨境互操作与要素市场化、价值从单一增产走向绿色低碳与韧性导向、治理从规则碎片化走向多边协同共建的演化趋势。中国作为大国小农国情的代表性经济体,可在五维协同推进中承担技术供给者、制度试验者与规则共建者的复合角色。
针对水稻田间病虫害监测效率低、施药粗放等问题,文章提出一种改进YOLO模型与无人机组群协同的一体化解决方案。研究通过引入CBAM注意力机制、优化特征融合结构及改进损失函数,提升复杂背景下小目标病虫害检测精度;构建基于栅格划分的无人机组群监测系统,结合5G通信实现田间实时数据传输与智能决策。研究将传统粗放施药模式升级为基于监测数据的精准靶向施药,有效减少农药使用量与人工成本,显著提升防治效率和作业精度,为水稻病虫害智能监测与精准施药提供一体化技术方案,推动植保作业向智能化、精准化方向转型升级。
2026年8月《Journal of Rural Studies》上线的研究基于中国数字乡村发展实践,实证检验数字乡村建设对乡村现代化的驱动效应。研究运用2015-2023年省级面板数据,采用双重差分模型、空间计量模型与中介效应模型考察数字乡村建设对农业生产率、农民收入、乡村治理、城乡融合等多维目标的影响。研究发现,数字乡村建设显著提升农业生产率与农民收入水平,通过促进农村电商发展、推动数字普惠金融与完善乡村治理体系三个机制实现乡村现代化;东部地区效应大于中西部,粮食主产区效应显著;数字乡村建设具有显著空间溢出效应,周边地区发展滞后将削弱本地红利释放。文章为发展中国家通过数字乡村建设推动乡村现代化提供了中国经验与政策启示。
上海工程技术大学机械与汽车工程学院张春燕教授团队联合上海市农业科学院生态环境保护研究所,在《智慧农业(中英文)》2026年第2期发表论文,提出一种基于改进BI-RRT*(Bidirectional Rapidly-Exploring Random Tree Star)的受限空间路径规划算法。针对工厂化立体式黄鳝养殖饵料投喂机械臂在受限空间内路径规划速度慢、轨迹冗余度大、避障成功率低等问题,在BI-RRT*双向扩展策略基础上引入目标偏置策略减少随机采样点,同时结合改进的人工势场法融入目标点和随机点引力概念,通过自适应调节引力系数引导路径向目标节点扩展,有效避免算法陷入局部最优。在Matlab平台上对RRT、APF-RRT、BI-RRT及改进BI-RRT算法进行仿真分析,验证其在二维和三维空间下简单、受限及复杂环境中的优异表现。
2026年8月5日《Frontiers in Plant Science》上线的研究提出PestRefineDet——一种基于深度学习的精准害虫检测与分类框架,将DenseNet-41与RefineDet集成。DenseNet-41作为骨干网络通过密集连接增强特征提取,有效学习细粒度害虫特征,提取的特征由单阶段RefineDet框架处理实现害虫同时定位与分类。该框架在具有挑战性的IP102基准数据集上评估,实现平均精度([email protected])83.61%,在保持计算效率的同时提供对多种害虫物种的准确定位与可靠分类,为自动化农业害虫监测提供前景广阔的解决方案,有望支持智能和可持续害虫管理应用。
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。
基于2012-2023年中国13个粮食主产区省级面板数据,构建数字-实体融合与农业新质生产力评价指数,采用固定效应模型、中介效应模型和空间计量方法实证检验数字-实体融合对农业新质生产力的影响。研究发现:数字-实体融合与农业新质生产力呈现稳健正相关;农业产业结构升级与农业绿色全要素生产率是显著中介渠道;效应在区域特征、产业结构水平和财政分权水平三个维度上呈现显著异质性;具有显著空间溢出效应;存在显著阈值效应,创新水平和人力资本水平超过临界阈值后促进效应增强。
基于中国30个省份2012-2022年面板数据,构建包含数字基础设施、数字服务能力和数字发展环境的多维评价框架,采用固定效应模型、中介模型和面板阈值模型考察数字乡村发展对农业绿色全要素生产率的影响。结果表明数字乡村发展显著提升AGTFP;机制分析显示数字化通过促进劳动力流动、扩大规模化经营、加强合作社发展、加快机械化与农业研发提升绿色效率;土地流转的正面效应受制度摩擦制约;阈值分析显示数字基础设施的影响在跨越临界水平后更强。
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。
