当前，新质生产力已成为千行百业高质量发展的内在要求和重要着力点。农业作为国民经济的“压舱石”，更需要夯实基础，依靠科技创新、产业创新为农业强国建设注入强劲动能。
国内智慧农业的耕耘者，将现代信息技术与农业专业深度融合，通过人工智能、大模型、大数据在农业领域的深度综合运用，为农业科研、生产、管理提质增效。
人工智能：智慧农业新引擎
近年来，人工智能（AI）技术取得飞跃式进步，其中图像智能识别、数据建模分析、大模型等能力，在农业领域应用越来越广泛。专业的人工智能技术团队，结合农业科研、生产等环节的实际需求，对AI技术进行深度适配和校准，已在众多场景实现成熟应用。
01
图像智能识别
人工智能的图像识别能力在作物考种、植物表型识别、植保等领域都能发挥巨大作用。图像识别能力基于先进的深度学习和大模型技术，根据场景选择合适的算法模型及验证，采集海量样本数据对模型进行训练，并结合市场验证进行多次版本迭代和优化，识别准确率达到国内领先水平。
作物考种
在作物考种工作中，对作物籽粒、果穗的性状考察和分析是筛选和培育优良品种的重要一环。将AI图像识别技术与考种场景相结合，就是智能考种分析系统，通过高清成像智能识别小麦、水稻、玉米等农作物的籽粒、果穗、截面，并高效精准测量粒数、重量，以及长、宽、面积等各项粒型参数与果穗参数。与传统人工测量方式相比，运用AI图像识别技术不仅考种分析效率显著提升，测量精度也大大增加，误差控制在0.3%以下。
图像识别技术在考种方面的应用
植物表型解析
基于深度学习的图像识别技术，可以将AI用于植物表型识别、检测和分析，并涵盖植物的根、茎、叶、花、果实等器官。在可见光二维、可见光三维、高光谱等成像模块下，整合多种传感器，利用AI算法快速获取植物全生育期高通量表型信息，覆盖不同生境下植物器官、单株、群体的形态、生理等120多种表型指标，在解析精度、效率等方面优势明显，为智能育种、种质资源鉴定等科研工作提质增效。
图像识别技术在表型解析方面的应用
病虫害识别
我国每年农作物病虫害发生面积近70亿亩次，而传统的人工病虫害检测方法存在主观性强、工作量大、覆盖范围窄，效率低等问题。为此、利用人工智能深度学习技术，结合积累的病虫害样本库训练出病虫害模型，从而实现对病虫害的快速、精准识别。
病虫害识别算法示意
目前，基于人工智能与植保领域深度融合，研发采用卷积神经网络深度学习的方法建立识别模型，已实现2063种农业害虫的智能识别。其中，二化螟、稻纵卷叶螟、玉米螟、棉铃虫、小菜蛾等国家一二类趋光性及主要农林害虫的识别准确率达到97.5%；稻飞虱、叶蝉、绿盲蝽等毫米级小虫体识别准确率达90%以上。
在病害方面，已覆盖小麦、玉米、水稻等9类作物，涵盖赤霉病、灰斑病、稻瘟病等在内76种病害症状，在水稻病害症状识别方面效果尤其显著，为粮食安全、生态保护提供了有力保障。
图像识别技术在植保方面的应用
02
数据建模与分析
基于多样化的农业传感器与智能装备，精准采集来自土壤、气候、作物生长等多维度源头数据，并运用AI技术进行数据建模分析与趋势预测，在种植管理、风险评估、市场洞察等方面为农业生产者提供决策支持。
作物生长预测
通过内置作物在不同生长发育期的同化、呼吸、蒸腾作用等生物机理，以及气候、土壤等环境机理，作物物候期模型、WOFOST作物生长模型等模型可以实现对作物全生命周期的监测与预测，包括生育期预测、产量预测等，指导农事管理，提高生产效率。
杨梅生长模型
精准农业管理
基于对土壤、作物生长情况的数据监测，构建测土配方、土壤墒情预测、作物需水模型等，评估和匹配土壤水分、肥力与作物生长需求，从而指导精准灌溉、精准施肥，在确保作物健康生长的同时达到节水节肥、避免环境污染和资源浪费的目的。
精准智能灌溉系统
风险评估
在外部环境方面，有病虫害预测、虫害防治期估算、小气候订正、气象灾害预警等模型，为农业生产者提供有效的防灾防治建议。同时，综合利用了农作物市场价格数据、天气预测数据的农作物产量预测、价格预测、投入产出分析等模型，能够评估农业风险，为农业生产经营者和银行、保险等农业金融服务者提供精准定价和风险管理策略。
褐飞虱属迁飞路径研判
03
农业大模型“小农人”
将AI大模型技术与农业专业深度融合所构建出的农业AI大模型“小农人”，对农资、农技、农事服务、农业科研、农产品加工业、农业信息服务、农业社会化服务等细分领域的学术论文、技术报告、专利文档等海量知识进行系统化梳理，构建农业知识体系库。当农业工作者向“小农人”提出农业问题时，它基于RAG技术迅速生成专业、全面的答案，如同一位即问即答的农业专家顾问，协助农业工作者解决复杂问题。
与传统的问答机器人相比，“小农人”的表现更加智能，不仅对话流畅自然，能够灵活适应不同场景和任务，而且随着训练语料的不断丰富和知识库的不断更新，“小农人”能够持续扩充农业专业知识，从而提供更好服务。
例如在农场管理场景，“小农人”化身为农场管家，协助农业园区管理；在环境调控场景，“小农人”化身为种植专家，指导灌溉、通风、施肥等农事操作；在植保场景，“小农人”化身为病虫害防治专家，为工作者解答病虫害防治难题等。
农业大模型“小农人”
大数据：推动精准农业与智慧监管
大数据技术的核心价值在于从多样化数据集中发现规律、趋势和关联性，为科学决策提供支撑。近年来，我国高度重视农业大数据应用与基础设施建设工作，陆续发布《促进大数据发展行动纲要》《农业农村大数据试点方案》《数字农业农村发展规划（2019—2025年）》等一系列指引性文件，推动大数据技术向农业全产业链加速覆盖。
大数据技术应用，数据采集是基础。通过不断加强精准感知、图像识别和数据采集技术创新，研发涵盖植物表型、种子、培养箱、植保、气象环境、土壤、品质等200+农业专用传感器与智能装备，深入开展数据采集、输入、汇总、应用、管理技术研究，构建起农业生产全要素智能数据采集系统。
01
农业生产精准化
在农业生产环节，大数据技术通过传感器、物联网智能装备、遥感、GIS等方式采集并整合气候、土壤、作物生长、病虫害等多维度数据信息，经综合分析发现趋势和关联性，从而优化资源投入，降低生产成本，提高生产效率与产品质量。
以病虫害监测预警应用为例，“浙江省农作物重大病虫害智慧监测预警系统”，在浙江省全境统一布局田间智能监测点160余个，形成区域性智能监测网络，实现水稻二化螟、稻纵卷叶螟、稻飞虱等重大虫情动态的实时测报、集中采集、统一管理和综合应用。
浙江省水稻虫情预警平台
虫情数据的汇集和分析，为监测迁飞性害虫首发、爆发提供了重要依据。2021年7月，台风“烟花”过境浙江期间，浙江省级植保部门通过虫情监测数据研判桐庐等地可能迎来稻纵卷叶螟迁入高峰，指导当地农户及时采取防治措施，收效显著。
02
农产品全产业链数字化
在农产品全产业链综合管理环节，大数据技术通过收集与打通供需两端数据信息，能够分析市场需求、库存水平、物流信息等，进一步减少供需两端信息不对称，在仓库储存和零售商店环节提高运营质量，提升供应链管理效率。
以水稻产业为例，国内首个水稻全产业链大数据应用服务平台——国家水稻全产业链大数据平台，通过搭建水稻全产业链大数据中心，打通水稻生产-储备-市场-贸易-消费-科技全产业链，汇聚来自生产端、流通端、消费端的宏观、中观和微观数据，形成完善的业务管理、数据共享和决策咨询体系，建立价格分析预测、气象产量预测、投入产出分析、舆情分析、消费者情感分析等模型，深化大数据在水稻产业领域的应用，推动我国水稻产业的数字化、信息化建设。
国家水稻全产业链大数据平台
03
农政监管智慧化
在农业农村农政监管层面，大数据技术也发挥着至关重要的作用。通过收集和分析农田分布、农业生产、农村事务等海量农业数据，农政监管机构能够更全面、精准地了解辖区农事状况、预测市场趋势、评估资源分配以及制定管理政策。
通过制定严谨的技术规范，建立知识库、规则库、算法库、模型库、组件库，打造“智能感知、生长模型、智能交互、监测预警、指数评价、分析研判、惠农直达、全景画像、安全智控”九大智能能力，从而支撑“农业智能、乡村智治、农民智富”三大场景能力，分别聚焦智慧农业生产、基层乡村治理、农民增收共富，开发并集成一系列数字化应用，显著提升数字乡村建设水平。
汇集农业大数据
未来，农业领域将迎来多种技术融合发展的趋势。在科技创新驱动下，物联网、智能传感器、大数据、人工智能、农业机器人等技术将持续进步并深度融合，构建高度集成的智慧农业生态系统，形成农业新质生产力，推动农业科研、生产、经营与监管向着精准、高效、智能化、可持续方向不断发展。
