专题导读——农业知识智能服务和智慧无人农场（下）
《智慧农业（中英文）》2025年第1期
专
题
主
编
吴华瑞
国家农业信息化工程技术研究中心
随着农业科技新范式的发展变革，知识智能服务和无人农场成为智慧农业研究落地的热点方向。物联网、大数据、人工智能的快速发展，为农业知识智能服务和智慧无人农场提供了技术支撑，让农业生产全过程的智能化管理和无人化作业变为现实。本期“农业知识智能服务和智慧无人农场（下）”专题报道了14篇关于农业知识智能服务和智慧无人农场的创新技术成果，欢迎广大读者阅读参考。
大语言模型的发展为农业智能决策提供了新的可能性。北京市农林科学院信息技术研究中心赵春江院士团队针对甘蓝生长知识提出了一种基于大模型的多模态融合架构Agri-QA Net，旨在设计多模态专业问答系统解决实际农业场景中问题；吴华瑞研究员团队提出了一种基于大语言模型的蔬菜生产过程水肥施用智能决策方法，可根据用户的个性化需求，在保证作物产量的同时，优化了人力资源与水肥资源的消耗。哈尔滨工业大学刘劼教授团队提出了一种基于知识精准筛选及知识协同生成的农业大语言模型，提升了通用大语言模型在农业领域的适应性及问答的可解释性。沈阳建筑大学金宁副教授团队提出一种基于迁移学习和BERT预训练模型的农业短文本语义相似度计算模型，解决现有文本语义相似度计算模型特征提取不全面、高质量标注数据集少等问题。为充分利用中文猕猴桃文本的双维特性，西北农林科技大学张宏鸣教授团队提出了一种基于双维信息与剪枝的命名实体识别方法，有效提升了中文猕猴桃领域文本的命名实体识别效果。为提升农产品市场的监测与预警能力，中国农业科学院农业信息研究所许世卫研究员团队提出了一套针对不同监测预警对象条件下的深度学习综合预测方法，为中国农产品市场监测预警提供新的分析方法。
无人农场是智慧农业的重要实践模式。山东农业大学柳平增教授团队以山东德州“吨半粮”无人智慧农场为实验场所，攻克大田智慧农场建设中的核心技术难题，探索了其建设模式与服务机制。江南大学郭亚教授团队提出了一套参数驱动的互操作性小麦叶片三维结构点云反演模型，基于少量参数实现叶片的几何形状还原，对小麦叶片的模拟分析和数字孪生建模具有重要的应用价值。哈尔滨工业大学赵荣强副教授团队结合番茄植物及生长环境信息，提出了一种基于多模态数据和深度学习算法的两阶段番茄表型特征提取模型，能够提升智能番茄种植管理效率和精准度。为了解决多源场景下粘虫板图像中害虫个体小、难以精确检测以及设备计算资源受限的问题，国家农业信息化工程技术研究中心杨信廷研究员团队提出了一种融合MobileNetV4和YOLOv5s的小目标图像检测识别模型，兼顾轻量化和识别精度，并可部署到嵌入式设备。为提升草莓病害识别模型的泛化性能，中国科学院合肥物质科学研究院许桃胜副研究员团队提出一种基于实例白化与特征恢复的领域泛化方法，在不降低源域识别精度的前提下，有效提升各病害识别模型在目标域上的泛化性能。针对自然条件下甘蔗叶片病害识别难题，合肥师范学院马巍巍等根据特征融合策略，集成高效网络B0版本、深度可分离卷积网络和密集连接卷积网络作为特征提取器，改进弹性网络正则化方法并加入随机失活层，提出了具有良好鲁棒性和泛化能力的病害识别模型。为解决番茄叶片病虫害检测中面临的环境复杂、目标小、精度低、参数冗余及计算复杂度高等问题，兰州交通大学吴六爱教授团队对YOLOv10进行改进，提出了一种新型轻量化、高精度、实时的检测模型，不仅提升了模型的性能，还保持了其轻量化特性，对番茄叶片病虫害的检测具有重要参考价值。为降低农业干旱灾害损失，北京信息科技大学陈雯柏教授团队基于遥感数据，采用深度学习构建了农业干旱预测模型，在农业干旱预测和分类任务中取得了更高的精度和更好的泛化能力。
专题主编介绍
吴华瑞 研究员
吴华瑞研究员，科技部“十四五”数字乡村技术预测专家组组长、国家“十四五”重点专项“乡村产业共性关键技术研发与集成应用”总体组专家、农业农村部数字乡村技术重点实验室主任，农业农村部特色经济作物全程机械化专家组成员，中国人工智能学会智能农业专委会主任，国家大宗蔬菜产业技术体系智能化管理岗位科学家，入选国家级人才。主要从事农业大数据、人工智能与蔬菜智慧无人农场相关研究工作。近年来获国家科技进步奖1项，省部级奖励5项，发表论文85篇（SCI 25篇），授权发明专利37项，编制颁布标准8项，著作2部，软著34项。
来源：《智慧农业（中英文）》2025年第1期
（转自：智慧农业期刊）