大田作物

海南大学联合山东理工大学针对仓储马铃薯堆叠遮挡、缺陷形态差异大问题,构建黑斑、发芽、干腐等多类缺陷数据集,设计 MCF 上下文特征整合模块与 AIFI-DyMona 实例特征交互结构并引入 Shape-IoU 回归;MDS-DETR 以 14.2M 参数、42.9G FLOPs 取得 [email protected] 96.3%,集成于智能分拣机器人后真实仓储分拣准确率稳定超过 95%。

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。

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。

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。

中国农业科学院作物科学研究所周美亮研究员、兰州大学刘建全教授、中国农业科学院刘旭院士等团队合作,在国际顶尖期刊Cell发表苦荞泛基因组研究。研究构建鞑靼荞麦(苦荞)的泛基因组,鉴定到赋予高海拔适应性的野生特有基因FtRNH以及调控种子大小的FtPLATZ基因结构变异。通过整合这些优良等位基因,培育出具有更强高海拔适应性和更高田间产量的荞麦品系,在高海拔条件下较对照品种增产约25%。该研究为弥补高海拔作物育种空白、提高喜马拉雅地区作物产量提供科学依据。

本文使用2010-2025年中国69家农业上市公司714个企业-年度非平衡面板数据,考察企业层面数字技术创新对农业产业链韧性的影响。研究显示数字技术创新显著提升产业链韧性,这一发现经多重检验后保持稳健。中介分析确认该效应通过企业经营效率和市场预期两个渠道发挥作用。从区域异质性看,东部地区、城市群、非老工业基地正向效应显著;从企业异质性看,非国有、大规模、成熟企业正向效应显著。原文标题:Digital technology innovation and agricultural industry chain resilience: implications for food security,作者:Chen J、Xu、Xiong、Zhao、Yao,发表于Frontiers in Nutrition 2026年第10卷doi:10.3389/fnut.2026.1915856。本研究为以粮食安全为导向、促进农业数字化同时解决粮食系统结构性薄弱环节的政策提供了实证依据。

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。

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。

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。

植物病害每年造成全球农业产量损失20%-40%、经济损失超2200亿美元。文章提出统一深度学习流水线,集成语义分割、基于回归的严重程度估计和病害分类,根据感染叶片面积比例将胁迫严重程度分为四档。在包含1641样本、六个类别的苹果树叶病害分割数据集上,采用MobileNetV2的U-Net表现最佳,像素准确率98.20%、mIoU 0.70、检测准确率99.41%、单张图像处理时间仅14.7毫秒,适合实时田间应用。计算出的严重程度指数与专家标注高度相关(r=0.968, R²=0.937),为自动化作物监测和决策支持提供可靠方案。[预印本]

及时准确地检测作物胁迫对提升农业生产力和保障全球粮食安全至关重要,但标注数据成本高。文章提出新型时空应力网络STS-NET,基于自监督3D卷积自编码器构建,利用PlanetScope高分辨率影像时序数据,提取NDVI、GNDVI、RECI、NDRE四种植被指数捕捉时空胁迫模式。在印度北方邦Lakhimpur-Kheri地区2.5英亩甘蔗试验田上,STS-NET对水分胁迫达到97.98%精度、对氮素胁迫达85.08%精度、对复合胁迫达83.47%精度,证明该自监督方法在标注数据稀缺条件下有效检测甘蔗胁迫的潜力,并可作为简单模型的稳健特征提取器。[预印本]

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。

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。

中国农业科学院农田灌溉研究所节水高效灌溉技术与装备团队融合冬小麦无人机多光谱遥感数据与田间水肥管理数据,研发出残差校正决策层融合模型(RC-DLF),为小麦关键生育期水肥协同高效利用提供智慧决策支撑。该模型依托田间定位试验采集小麦关键生育期无人机多光谱冠层信息,整合水肥管理指标构建多源数据集,创新构建RC-DLF,内嵌权重优化、二阶校准、残差校正模块有效消解单一模型预测偏差。田间试验结果显示,相较传统模型,小麦开花期、灌浆期产量预测决定系数R²分别提升至0.62、0.67,整体预测误差明显降低。

王毅、崔茜彤、王晨、熊宝伟、邵国敏、王琬莹、曹培、韩文霆(西安财经大学/西北农林科技大学/西安理工大学)针对传统玉米产量预测方法难以揭示变量间因果关系的问题,提出融合因果推断与机器学习的预测方法:基于遥感指数、气象数据、土壤剖面湿度和阶段性作物观测数据等多源异构信息,采用偏相关与瞬时条件独立算法系统分析玉米产量与各影响因子之间的因果关系,构建可解释的玉米产量预测模型。

Muzi Li, Shuai Hao, Haoqi Chang, Xiaoyuan Zhao基于2011-2023年中国31个省份面板数据,采用双向固定效应模型评估数字乡村建设(DVC)对粮食安全水平(FSL)的影响及其空间效应。研究发现DVC显著提升本地粮食安全水平,在粮食主产区效应尤为突出。

《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。

Hagbe JTM、Gounou GK 与 Zimé SK 在 arXiv 提交预印本"Safety-Aware Cascaded Inference for Crop Damage Assessment with Controlled Error Trade-offs"（arXiv:2607.25468 [cs.CV]，2026-07-28提交）。针对基于图像的农业保险中漏检成本远高于误报的非对称代价结构，提出 CascadeCropNet 两阶段级联架构：通过阈值选择满足目标召回约束（Rec-Damaged ≥ 0.95），轻量 Sentinel 模型先做二分类健康分诊，超过损伤概率阈值 τ 的样本升级到专家 Expert 模型做精细诊断。在 Eyes on the Ground 数据集（肯尼亚小农户玉米田 23,804 张图像）上，τ=0.5 时 Rec-Damaged 达 0.974，相对单模型基线漏检减少最多54%。注：该方法可靠性取决于阈值与部署条件，并非任意分布漂移下的绝对保证。

研究提出基于自监督3D卷积自编码器（3D-CAE）的时空胁迫网络STS-NET，利用Planetscope高分辨率影像的NDVI、GNDVI、RECI和NDRE四种植被指数进行作物胁迫检测。模型在Barnala时空（BSPT）数据集训练，并在印度北方邦Lakhimpur-Kheri地区2.5英亩甘蔗试验田的真实数据集（一年期）上评估。STS-NET在水胁迫检测上达到97.98%精度、氮胁迫85.08%精度、复合胁迫83.47%精度。结果表明该网络能以最少标注数据有效检测甘蔗作物胁迫，并可作为简单模型的稳健特征提取器。