经过安徽大学、悉尼大学、内布拉斯加大学、中国农业科学院、华南农业大学等机构的努力，智慧农业综合研究取得了一定进展。 在智慧农业、农业风险管理、水产养殖等方面取得了一些进展，本文分享农业科研前沿知识。

智慧农业

1. 深度学习在畜牧智能养殖中的研究与应用进展

研究机构：安徽大学互联网学院、南阳农业职业学院、悉尼大学工程学院

准确高效检测动物信息，及时分析动物生理和体质健康状况，结合智能技术实现自动饲养饲养管理，对规模化畜牧养殖具有重要意义。 深度学习技术由于其自动特征提取和强大的图像表示能力，更适合复杂畜牧环境下的动物信息监测。 为了进一步分析人工智能技术在当前智慧畜牧业中的研究和应用，团队对深度学习技术在三个牲畜品种的目标检测与识别、体况评估与体重估计、行为识别与量化方面进行了分析：牛、羊和猪。 。

智慧农业

智慧畜牧养殖技术目前面临多视角、多尺度、多场景、应用场景样本少等挑战，以及智能技术的推广应用问题。 本文结合畜牧业的实际饲养管理需求，对智慧畜牧业的发展进行了展望，并提出：①结合半监督或少样本学习，提高深度学习模型的泛化能力； ②人、设备、养殖动物统一协作、和谐发展； ③大数据、深度学习技术与畜牧业深度融合等发展建议，以进一步推动畜牧业智能化发展。

2. 作物胁迫感知与植物表型测量系统综述（英文）

研究机构：内布拉斯加大学林肯分校生物系统工程系

提高农田管理资源利用效率，不断培育优良农作物品种，是保障粮食生产、减少农作物生产对环境影响的关键途径。 作物胁迫传感和植物表型测量系统是田间变量管理和高通量植物表型测量研究的核心，两者在硬件和数据处理技术上有相似之处。 几十年来，人们一直在开发可用于田间变量管理领域的作物胁迫传感系统，旨在建立更可持续的田间管理解决方案。 同时，该领域高通量表型系统的开发也取得了重大进展，为降低传统表型测量的成本提供了技术基础。 综述了田间变量管理中涉及的作物胁迫传感系统，特别是总结了目前在精准灌溉、施氮、农药喷洒等领域应用的传感与决策方法。

工厂监控

内布拉斯加大学林肯分校团队开发的三套现场表型测量系统介绍了常见现场高通量表型测量系统的传感器和数据处理分析过程。 提出了当前现场表型系统面临的挑战和潜在的解决方案。 人工智能、机器人平台和创新仪器的持续发展有望显着提高测量系统的性能，并为系统在育种中的广泛应用发挥积极作用。 更直接地测量植物主要生理过程可能成为未来田间表型研究领域的研究热点之一，为培育更耐逆的作物新品种以及田间变量管理提供有价值的表型数据和高通量植物表型分析测量两个研究领域，提供参考和独特的见解。

3.人工智能在农业风险管理中的应用研究综述

科研机构：中国农业科学院农业信息研究所

农业是关系国计民生的基础产业，但也是薄弱产业。 传统农业风险管理研究方法存在非线性信息挖掘不足、准确性低、稳健性差等问题。 团队以基于大数据的强非线性拟合、端到端建模、特征自学习等功能的人工智能技术为驱动力，在农业脆弱性评估、农业风险预测、农业风险预测等方面开展研究。损害评估。 通过三个方面的研究进展，得出以下结论：

农业风险管理

①人工智能在农业脆弱性评估中的特征重要性评价缺乏科学有效的验证指标，应用方法无法比较多种模型的优缺点。 建议采用主观和客观方法进行评价；

②在风险预测中，发现随着预测时间的增加，机器学习模型的预测能力趋于下降。 过拟合问题是风险预测中的常见问题，目前针对图数据空间信息挖掘的研究较少；

③复杂的农业生产环境和多变的应用场景是影响损害评估准确性的重要因素。 提高深度学习模型的特征提取能力和鲁棒性是未来技术发展需要攻克的重点和难点问题。 然后针对AI应用过程中存在的性能提升问题和小样本问题提出相应的解决方案。 对于性能提升问题，根据用户对人工智能的熟悉程度，可以采用多种模型比较方法、模型组合方法、神经网络结构优化方法来提升模型的性能； 对于小样本问题，往往可以将数据Augmentation、生成对抗网络和迁移学习结合起来，以增强模型的鲁棒性，提高模型识别的准确性。

展望了人工智能在农业风险管理中的应用。 未来可以考虑将人工智能引入农业脆弱性曲线的构建中； 围绕农业产业链上下游关系和涉农产业关系，更多地利用图神经网络的应用，进一步对农产品价格风险预测进行深入研究； 损伤评估建模过程中，可以引入更多与评估目标相关领域的专业知识，增强对目标的特征学习。 增强小样本数据也是未来研究的重点。

4.水禽智能养殖研究现状及发展趋势

研究机构：华南农业大学数学与信息学院、华南农业大学动物科学学院

水禽养殖正向规模化、标准化、智能化方向快速发展。 智能养殖装备和信息技术的研究和应用是推动水禽养殖业健康可持续发展的关键。 对于提高水禽养殖产出效率，减少生产过程对劳动力的依赖，符合绿色环保的发展理念，实现高质量转型具有重要意义。 发展具有重要意义。

智慧水产养殖

团队介绍了智能水禽舍的发展、水禽舍智能环控技术以及智能水禽饲养、饮水、农药加药、粪便自动处理等智能装备的新研究进展。

此外，还介绍了水禽信息采集技术的现状，包括视觉成像系统、声音捕捉系统和可穿戴传感器，以及智能管理技术的应用新进展，以及水禽产业智能化养殖面临的困难。 ，并提供对未来的见解。 为水禽智能养殖的发展和完善提出建议。