水稻

综述评估水稻甲烷减排、水分管理、生物炭与产量韧性的整合策略，提出以水分管理为主的分层管理框架。

从内质网稳态角度解释水稻谷蛋白运输异常，为稻米品质改良提供理论依据。

提出知识引导的深度学习模型，提高水稻地上生物量估算精度。

评估EO异常指标监测尼日利亚雨养水稻干旱影响，补充气象指数，提高产量预测。

提出混合Res卷积神经网络用于水稻叶部病害分类与严重度识别，结合物联网数据采集。

结合叶片电阻抗谱与防御激素动态，实现水稻稻瘟病症状前检测。

利用遥感分析伊朗马赞达兰东部稻田焚烧与空气污染的关系。

研究加纳北部水稻农户记账行为的影响因素，发现仅11%农户记账，教育水平等是关键。

提出从逐帧检测到实例级跟踪的作物行感知方法，用于水稻田自主导航。

通过田间试验和无人机高通量表型分析，研究水稻叶片结构在干旱下维持光合并增产的机制。

比较缅甸小农土壤知识与科学家评估，发现高度一致，可协作管理水稻养分。

评估遥感模型在不同水稻基因型间的可转移性，用于氮肥监测和产量预测。

提出基于绿蓝通道特征增强的水稻幼苗光水胁迫诊断方法。

稻田定点杂草管理相比传统广域喷药可大幅减少除草剂用量,但现场部署受三大挑战制约:冠层下GNSS退化的稳健作物行导航、稻与形态多样化杂草的实时视觉区分、将稻误识为杂草的不可逆错误代价。本研究提出AgriNav,围绕四个ROS耦合模块构建集成自主拖拉机系统:用于稻检测的WeedDet PyTorch重实现、并行轻量级168万参数CNN-FPN变体(带非对称类加权)、通过硬编码置信门否决保护稻类的逆逻辑判别模块,以及融合GNSS/IMU/轮式里程计的6状态恒定速度转向率扩展卡尔曼滤波。主要系统级贡献是LiDAR-相机融合桥,利用导航LiDAR做ROI约束、世界坐标投影、地面平面滤波和双向置信融合,无额外硬件成本。

提出全局-局部双流融合网络,叠加注意力机制+Grad-CAM可视化+大语言模型农艺建议;Dataset-1准确率99.55%、五折交叉验证98.91%±0.47,跨数据集九类公共病害准确率达90.80%。

提出GCT-BCLN(GCT双向闭环网络):基于高光谱成像技术的水稻种子活力无损检测方法。该方法结合图卷积与Transformer构建双向闭环特征提取机制,可同时捕获高光谱图像的空间-光谱联合特征,在水稻种子活力分级任务上较传统检测方法准确率与效率均显著提升。研究为种子质检、储藏与播种前的活力快速评估提供新工具。

江苏省农业科学院里下河所李爱宏研究员、肖宁研究员团队联合扬州大学完成的研究论文发表于《Plant Physiology》(Q1/8.2)。研究揭示了果胶裂解酶折叠家族蛋白qPSR10通过双重调控果胶甲酯酶活性降低果胶DM,进而激活MAPK耐寒信号通路的全新机制,为水稻耐寒分子育种提供了重要的基因资源和理论支撑。低温冷害是限制水稻产量和种植区域的重要非生物胁迫,每年全球因低温造成的水稻减产可达10%以上。研究得到国家自然科学基金、江苏省农业科技自主创新资金等项目的资助。里下河所陈梓春助理研究员、朱书豪研究实习员为该论文第一作者。

本文针对精准农业中纯图像模型难以表征季节性上下文的问题,提出时序感知晚期融合(TALF)模型,通过CNN分支编码图像特征、MLP编码上下文特征,仅在回归头合并两条流。相对湿度、风速、累积时间作为上下文输入,在多季节公开水稻苗数据集上,MAE降至0.031(图像单一基线0.1455,早期融合0.0890),容差精准度达94.9%。结果表明,天气与时间上下文能显著提升无人机图像的水稻生长速率预测,图像与表格编码器分离至最后层的晚期融合设计具有竞争力。原文标题:Time-Aware Late Fusion for Multimodal Rice Growth-Rate Prediction from UAV Imagery and Weather Context,作者:Elhadi A O、Darwish S M、Mahdi M A(埃及Zagazig大学/Alexandria大学),发表于MDPI Computers 2026年第15卷第8期523。

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。

原文题名：Bridging Agronomic Science and Context Specific Farm-Level Advisory through Generative AI for Rice Systems in India。论文综述生成式AI、知识图谱、作物模拟器、卫星与无人机影像结合的农技咨询路径，强调专业语料、数据主权、基础设施和“人在回路”是可靠落地的前提。研究对象主要为印度水稻系统，属于综述和框架讨论，未提供统一田间效果验证。