大豆与油料

利用无人机高光谱影像构建田间尺度SIF-ET机理模型，实现作物蒸散发高精度估算。

用Kaplan-Meier与贝叶斯AFT分析大豆R6期右删失数据，评估21个品种在10种环境组合下的

用无人机多模态图像和CNN预测大豆八种种子成分，蔗糖精度最高。

用卫星影像替代无人机估算大豆成熟期，实现规模化育种表型分析。

提出波长感知的ViT-BandGate模型，利用多属性光谱成像检测山茶油掺假，实现高精度识别。

系统综述AI用于多尺度作物监测与大豆叶病诊断，提出FRI评估标准与报告协议。

开发了BioIMA桌面工具，实现生物图像表型标准化自动提取，无需训练模型。

评估12个F4菜用大豆品系在干旱胁迫下的生理生化与形态响应，筛选出4个耐旱优良品系。

提出物理-数据融合框架POSNH，用于花生冠层氮素含量遥感监测，降低样本依赖并提高泛化能力。

用离散元法研究大豆脱粒的相互作用机制并优化操作参数。

部署并评估了全季大豆农场的智慧农业智能体系统FAIRY，实现全流程农艺操作。

提出改进的Transformer-KAN模型，基于多时相遥感数据实现高精度、可迁移的大豆种植区制图。

研究大豆农田光伏系统的耦合建模、设计优化与实验验证。

研究大豆生育后期施氮对籽粒氨基酸等成分的影响，发现R5期施氮可提升多种氨基酸浓度。

为满足大豆-玉米带状复合种植中差异化施药需求,本研究开发了基于实时处方图解析、时空喷嘴匹配与延时补偿的带状变量喷药系统。使用ArcMap生成具有预定施药量级别的模拟处方图,基于高精度RTK-BDS定位建立田间坐标转换模型并结合SRAM预加载实现快速处方矩阵寻址;开发喷嘴空间位置预测模型与前向延时补偿控制算法,减少动态作业中由定位偏移、执行器响应滞后和液压延迟引起的边界错位。带状变量喷药试验中延时补偿后平均边界偏移由0.69米降至0.29米;大豆与玉米带不同施药量级下平均流量控制精度均超95%,流量变异系数均低于6%。

基于低空UAV RGB影像的作物物候期深度学习自动分类研究。利用11,489张向日葵、油菜、大豆、小麦和大麦图像,基于BBCH量表标注,采用预训练ResNet18通过迁移学习适应任务。两阶段训练:先冻结骨干优化分类头,再微调整个网络。油菜和大麦测试准确率100%,其他作物均超过99%,平均准确率达99.73%。结果支持低空UAV影像与深度学习在精准农业中选择性区域物候评估的潜力,但广泛部署需要跨独立田块、季节、地区和调查条件的验证。

针对中国西南油菜水氮利用效率低、智能水肥装备落地难的问题,基于两季田间试验(2 个灌溉水平 ×3 个施氮水平 + 雨养对照)耦合 EWM-TOPSIS 多准则评价模型。结果显示 W2F2 处理(100% ETc 灌溉 + 300 kg N/ha)在两季分别提升叶片光合速率 51.2% 和 50.8%,在 EWM-TOPSIS 综合评价中两季均居首(S1 季贴近度 0.742,S2 季 0.650),在产量、品质、资源利用与经济效益间达到最优平衡。研究为西南丘陵油菜智能水肥装备应用提供了基于作物生理响应的决策优化框架。

山东理工大学等单位李京谦、韩国涛、赵静、张帅领、谢欣妤、付姗姗、鲁力群、兰玉彬在《农业工程学报》2026年第42卷第9期发表论文。该研究提出基于改进YOLOv12n的向日葵成熟期盘腐病危害程度检测模型,首先将主干和颈部网络的C3K2模块替换为融合感受野注意力卷积(RFAConv)与坐标注意力机制(CA)的C3K2-RC模块;其次在颈部网络集成轻量级的上采样算子CARFAE;最后引入LSCSBD(lightweight shared convolutional separable batch normalization detection)检测头。试验结果表明,YOLOv12n-RCL模型的精确率、召回率、mAP0.5和mAP0.5-0.95分别达到83.4%、81.2%、84.8%和50.2%,较基准模型YOLOv12n分别提高3.8、3.2、3.4和4.0个百分点。

原文：Automated Detection and Counting of Redbanded Stink Bugs in Soybean Using an Improved Computer Vision Model。研究使用2281张田间图像训练YOLOv8变体，加入注意力模块和自适应空间特征融合后，最佳模型精确率96.30%、召回率76.40%、F1值85.20%，mAP50为82.00%。成果可辅助大豆害虫监测，但数据集与部署环境仍限制外推。

《华南农业大学学报》"智慧农业关键技术"专题征稿优先发表栏目 2026-07-24 收录"基于数据、算法和应用多层协同的大豆智慧育种研究进展与展望"（DOI: 10.7671/j.issn.1001-411X.202606026）。大豆是兼具粮食、油料和饲用价值的战略作物，长期受单产提升缓慢与遗传基础狭窄制约。文章围绕数据层、算法层和应用层梳理大豆智慧育种研究进展，分析数据向算法传递、算法向应用转化、应用向数据回流中的主要障碍，归纳数据、算法、应用、平台与治理5个方面关键挑战，提出未来工作应补齐层间衔接断点，使预测、验证和数据回流进入常态化流程，并将评价标尺由模型预测精度转向实际实现的遗传增益。