目的/意义 农业传感器是数字农业、信息农业、智慧农业等现代农业发展模式的源头技术，也是推动农业科技迭代升级和农业生产方式变革的重要驱动力。农业传感器应用环境（水、气及土壤）和监测对象（动植物）多样复杂、规模大，因此，高环境适应性、高可靠性和低成本的农业传感器是实现智慧农业的基础与核心。［进展］本文对农业传感器进行分类，并对农业传感器前沿研究趋势进行分析，综述农业传感器在不同应用场景下的研究现状，从农业环境传感器（水、大气和土壤等）、动植物生命信息传感器、农产品质量安全传感器和农机传感器四大类进行深入分析，总结现有农业传感器在研发和使用过程中的通用性和局限性。［结论/展望］在农业传感器面临的挑战与展望中，具体分析了现阶段农业传感器大规模应用严重不足的核心瓶颈，包括低成本化、专用化、高稳定性及自适应，归纳出“农业泛在感知”的概念，为农业传感器技术研发提供思路和参考。

目的/意义 土壤中氮、钾元素在作物生长和农业生产过程中具有关键作用。快速定量检测土壤中氮、钾含量对指导精确施肥具有重要意义。因此，建立一种快速可靠的土壤氮、钾含量检测方法十分必要。 方法 本研究建立一种基于聚二甲基硅氧烷（Polydimethylsiloxane, PDMS）微流控芯片电泳和电容耦合非接触电导检测（Capacitively Coupled Contactless Conductivity Detection, C⁴D）方法，快速定量检测土壤中氮、钾养分离子。通过微流控电泳芯片实现对土壤中多种离子快速分离，利用C⁴D进行电导率变化的精准测量。基于检测器工作频率输出响应特性，激励电压响应特性和电泳电压，确定最佳分离和检测性能。 结果和讨论 该方法对钾离子（K⁺）、铵根离子（NH₄⁺）和硝酸根离子（NO₃^‒）标准溶液的检测限（S/N=3）分别为0.5、0.1和0.4 mg/L。K⁺、NH₄⁺和NO₃^‒在0.5~40.0 mg/L范围内具有良好的线性关系，线性相关系数（R²）分别为0.994、0.997和0.990，表明该方法可以对土壤中氮、钾养分离子进行定量分析。同时，采用峰高、峰面积和出峰时间作为评价指标进行可重复性实验，其相对标准偏差（Relative Standard Deviation, RSD）均小于4.4%，说明该方法具有良好的重复性。此外，对土壤样品进行测试，K⁺和NH₄⁺可实现完全分离以及同步检测，其检测效率明显提高。通过标准加入法进行回收率实验，回收率保持在81.74%~127.76%。 结论 本研究为土壤氮钾养分离子的快速检测提供了一种简便、高效的方法。

目的/意义 土壤中含水率直接影响农作物生长状态和产量。开发出一种可靠、高效的土壤湿度传感器对实施农田科学灌溉具有重要指导意义。 方法 本研究提出一种基于微加工工艺制备的二硫化钼电容式土壤湿度传感器，通过叉指电极上同一平面上的金电极阵列实现数个电容并联，表面修饰二硫化钼作为敏感层实现对土壤湿度的测量。通过计算及使用COMSOL Multiphysics多物理场仿真软件研究电极参数对电容敏感度的影响，最终确定电极参数使用10 μm间距、75对叉指。 结果和讨论 在保证测量精度的前提下，大大缩小了传感器的体积，可以实现土壤湿度的原位动态监测。在室温下相对湿度值从11%变化到96%时，电容式土壤湿度传感器在200 Hz频率下的电容输出为12.13 pf~187.42 nF；当土壤含水量由8.66%增加到42.75%时，传感器的电容输出在200 Hz频率下由119.51 nF增长到377.98 nF，显示出较高的湿度灵敏度及较宽的敏感范围。 结论 本研究提出的土壤水分传感器有望实现原位长期监测电容式土壤传感器的电容变化，从而监测土壤湿度的变化。

目的/意义 电容耦合非接触式电导检测（Capacitively Coupled Contactless Conductivity Detection, C⁴D）在农业土壤养分离子检测方面发挥着重要作用。对C⁴D信号中离子特征峰的有效识别，有利于后续对离子特征峰的定性和定量分析，为加强农业土壤养分管理提供依据。然而，C⁴D信号的特征峰检测仍然存在无法自动精准识别、人工操作复杂、效率低等缺点。 方法 提出一种基于连续小波变换结合粒子群优化（Particle Swarm Optimization, PSO）和最大类间方差法（Otsu）的谱峰自动识别算法，旨在实现准确、高效、自动化的C⁴D信号峰识别。采用C⁴D检测样品溶液，得到离子谱图信号，对谱图信号进行连续小波变换，得到小波变换系数矩阵。通过搜索小波系数变换系数矩阵极值，识别出脊线和谷线。将小波系数矩阵转换为灰度图像，结合PSO和Otsu寻找最佳阈值，进一步对灰度图像的背景和目标分割，再结合原始谱图中的脊谷线识别谱图中的特征峰。［结果与讨论］测试含有41、61和102个峰的数据集，以受试者工作特性（Receiver Operating Characteristic, ROC）曲线和度量值作为评估峰值检测算法性能的准则。与其他方法相比，基于连续小波变换结合粒子群优化的最大类间方差法分割图像（Continuous Wavelet Transform Combined with Particle Swarm Optimization of Otsu to Segment Image, CWTSPSO）的谱峰自动识别算法的ROC曲线均保持在0.9以上，度量值分别为0.976、0.915和0.969。CWTSPSO能够有效检测出更多弱峰和重叠峰，同时检测出更少的假峰，有利于提升C⁴D信号的谱峰识别率和精准性。 结论 本研究提出的CWTSPSO能为非接触式电导检测农业土壤养分离子信号分析提供有力支持。

目的/意义 农作物长势监测能及时提供农作物的生长状态信息，对于加强中国作物生产管理、确保国家粮食安全具有重要的意义。卫星遥感技术的发展为大面积的作物长势监测提供了契机。然而，在雨热同期的作物生长旺季，光学遥感数据的获取经常受到天气的限制。因此，近年微波雷达遥感技术受到了广泛重视。［进展］梳理了利用合成孔径雷达（Synthetic Aperture Radar, SAR）数据进行农作物长势监测的国内外研究现状，从农作物长势SAR遥感监测指标、农作物长势SAR遥感监测数据和农作物长势SAR遥感监测方法3个方面对基于SAR数据农作物长势监测研究进展与标志性成果进行总结。在分析常用于农作物长势监测的方法及其适用性的基础上，对它们在长势监测中应用情况进行分析。［结论/展望］提出了4个国内外SAR监测农作物长势所存在的问题：1）基于SAR数据的农作物长势监测方法研究整体较少；2）微波散射特征挖掘不够，特别是对极化分解参数的长势监测应用研究还有待深入；3）针对农作物长势监测中的雷达植被指数相对较少，其应用尚未得到充分发挥；4）基于SAR散射强度的农作物长势监测主要采用经验模型，难以推广到不同地区和类型的农作物上。最后，展望未来的研究应聚焦于挖掘微波散射特征、利用SAR极化分解参数、发展和优化雷达植被指数以及深化散射模型来监测农作物长势。

目的/意义 植株光合表型研究在把握植株生理特性和解析植株形态结构上起着至关重要的作用，通过传统叶绿素荧光成像方法难以对植株光合作用三维空间异质性进行分析。为提高植株表型检测效率，满足高通量植株光合表型分析需求，本研究构建了一套经济实用、融合三维结构光和叶绿素荧光的植株光合表型成像系统。 方法 提出了一种自动化植株图像采集并建立植株可视化模型的方法，并进行图像分析获取植株光合效率信息。通过搭建结合叶绿素荧光激发的结构光条纹投影装置，先用LED（Light-Emitting Diode）白光与蓝光分别照射植株样本，再用投影仪对植株样本投射相移条纹，电动滤光轮配合相机同步采集不同光照条件下特定波段的植株图像；通过数字图像处理获取植株三维图像和对应的叶绿素荧光图像，并分析植株的三维形态结构及光合效率，将植株叶绿素荧光图像逐像素渲染到其三维结构上，便可推测出植株光合在三维空间中分布情况。 结果和讨论 该方法及系统能够高效多样化采集植株图像，快速重构出植株三维形态，其整体重建准确率可达到96.69%，整体误差仅为3.31%，重构时间仅需1.11 s，同时能够满足植株光合效率评估需求。 结论 该研究可为植株高通量光合表型异质性分析提供技术支持。

目的/意义 植物激素的调控对于作物生长至关重要。油菜素内酯作为一种重要的植物内源激素，在作物的生长发育、产量提高以及抗逆性增强等方面扮演着举足轻重的角色。传统的油菜素内酯检测方法不仅繁琐耗时，而且难以实现原位、快速检测。为了突破这一技术瓶颈，本研究提出了一种利用丝网印刷（Screen-printed electrode, SPE）电极构建的电化学免疫传感器，旨在实现对油菜素内酯的快速、准确检测。 方法 首先利用电化学工作站电沉积金纳米颗粒（AuNPs）将其固定在SPE电极表面，然后在电极上滴加氯化铜纳米线（CuCl₂ NWs），氯化铜纳米线不仅可以提高电极的导电性，其中Cu²⁺还可以作为传感器的氧化还原探针。最后选择Mxene和聚多巴胺纳米复合材料（Mxene@PDA）作为SPE电极的修饰材料，因为Mxene具有表面积大和导电性好的优点，可以进一步放大Cu²⁺的信号。但Mxene在空气中很容易被氧化而不稳定。聚多巴胺（Polydopamine, PDA）含有大量的邻苯二酚和氨基等基团，通过多巴胺自聚合后包覆在Mxene的表面，切断氧渗透的路径，使Mxene难以被氧化。Mxene@PDA还可以作为偶联剂在电极表面固定更多的抗体，提高整体的生物相容性。 结果和讨论 传感器具有较宽的线性检测范围：0.1 pg/ml~1 mg/ml，检出限低至0.015 pg/ml （S/N=3）。此外，通过SPE电极对小麦内源的油菜素内酯含量进行离体检测和后续的加标实验，计算出其回收率为98.13%~104.74%。在验证该传感器准确性的同时，也展示了其优越的稳定和灵敏性。与其他油菜素内酯的检测方法相比，本研究中开发的免疫传感器有更加出色的分析性能。除此之外，在对小麦叶片的油菜素内酯的原位检测中，传感器也表现出了极佳的实际应用潜力。 结论 本研究首次研制了用于原位检测油菜素内酯的电化学免疫传感器，不仅为原位检测植物叶片中的油菜素内酯提供了良好的电化学平台，同时在精准农业中具有巨大的应用潜力。

目的/意义 可见-近红外光谱可对小麦霉变情况快速无损检测，但是高分辨率光谱仪价格高、体积大，不利于在农业环境中推广，因此通过对低分辨率光谱数据进行优化处理，以期接近高分辨率光谱仪分辨霉变小麦的效果。 方法 使用可见-近红外农产品检测仪（型号VNIAPD，分辨率1.6 nm）和复享光纤光谱仪（型号SINO2040，分辨率0.19 nm）采集100份小麦样本的新鲜状态以及不同霉变状态的光谱数据。首先对SINO2040光谱进行裁剪，让其和VNIAPD波长保持一致，均为640~1 050 nm；然后对其使用标准差标准化（Standard Deviation Normalization, SDN）、标准正态变换（Standard Normal Variation, SNV）、均值中心化（Mean Centrality, MC）、一阶导数（First-order Derivatives, 1ST）、Savitzky-Golay平滑（Savitzky-Golay Smoothing, SG）、多元散射校正（Multiple Scattering Correction, MSC）等多种预处理方法处理并使用离群点检测算法（Local Outlier Factor, LOF）筛选出离群点并剔除；其次使用连续投影算法（Sequential Projection Algorithm, SPA）和最小绝对收缩和选择算法（Least Absolute Shrinkage and Selection Operator, LASSO）对预处理后的光谱进行特征波长提取；最后分别采用K近邻算法（K-Nearest Neighbor, KNN）、支持向量机（Support Vector Machine, SVM）、随机森林（Random Forests, RF）和朴素贝叶斯（Naïve-Bayes）、后向传播神经网络（Back Propagation Neural Network, BPNN）、深度神经网络（Deep Neural Networks, DNN）6种算法对特征波长光谱进行建模分析，从而分辨霉变小麦以及区分霉变程度。 结果和讨论 BPNN、DNN两种神经网络模型的测试集准确率均可达到100%，但是建模时间长，模型内存大；而KNN、SVM、RF和Naïve-Bayes浅层模型的测试集准确率为93.18%~100%，建模速度快、模型内存小。本研究光谱仪VNIAPD在光学参数（光学分辨率1.6 nm）低于SINO2040的光学参数（光学分辨率0.19 nm）且成本更低的情况下，检测准确率到达同一水平。 结论 本研究通过对比光谱数据的不同预处理方法从而找出了对应算法的最佳数据优化选择，使低分辨率光谱仪VNIAPD检测霉变小麦性能可以追平高分辨率光谱仪SINO2040，为基于可见-近红外光谱的小麦霉变低成本无损检测提供了新选择。

目的/意义 为满足目前市场上对农产品农药残留的快速灵敏检测需求，报道一种基于柠檬汁还原制备银纳米粒子（AgNPs）的方法。 方法 首先将新鲜柠檬汁经滤纸过滤，稀释成2%的柠檬汁水溶液，再配制一定浓度的AgNO₃溶液、50 mM的NaOH溶液，放置室温保存。然后在室温下，将10 mL的ddH₂O、2 mL的NaOH、2 mL的2%柠檬汁和5 mL的AgNO₃溶液混合，待溶液颜色变为澄清的黄色时，溶液离心即可获得AgNPs。 结果和讨论 该方法制备的AgNPs，其颗粒形貌大小基本均一，约为20 nm，具有很好的表面增强拉曼散射（Surface Enhancement of Raman Scattering, SERS）增强效应，即良好的SERS信号稳定性，较强的SERS增强性能。该胶体中AgNPs分散较均匀，并且具有较长时间储存的稳定性，因此可用于微量农残检测。柠檬汁中主要还原成分抗坏血酸、葡萄糖和果糖，其含量分别为395.76 μg/mL、5.95 mg/mL和5.90 mg/mL。将柠檬汁还原法制备的AgNPs用于果蔬表面农残检测，对于百草枯、多菌灵的检出限分别最低至3.90 ng/kg及0.22 µg/kg。 结论 这项工作为果蔬农残快检提供了一种绿色、便捷的SERS材料制备方法，为实现农产品农药残留的快速、灵敏检测提供一种新的途径。

目的/意义 青贮机作业时，田间遗落的铁丝等铁磁性金属异物如果混入其喂入系统，将会对青贮机的关键零部件和牲畜脏器造成严重损伤。为了确保青贮机在田间作业时能准确、高效地检测出金属异物，本研究开发了一套性能优良的金属探测系统。 方法 首先分析了青贮机金属检测原理，然后对平面螺旋线圈与圆柱线圈进行了仿真计算，选择平面螺旋线圈作为研究对象，通过使用非支配排序遗传算法（Nondominated Sorting Genetic Algorithm-II, NSGA-II）结合有限元仿真分析的方式，确定了线圈的线径、内径、外径、层数以及频率，并对弯曲线圈与未弯曲线圈以及阵列线圈进行了仿真计算。最后进行了系统集成，搭建了青贮机模拟试验台进行了模拟试验。 结果和讨论 仿真分析结果显示，平面螺旋线圈磁通密度模变化范围明显大于圆柱线圈，且其电感灵敏度、电阻灵敏度和被测物涡流损耗要明显高于圆柱线圈；另一方面，平面线圈弯曲后电感灵敏度、电阻灵敏度大幅度提高，有利于增强探测线圈的响应度。通过模拟台架试验，验证了该金属探测系统在探测距离小于70 mm，对直径0.6 mm、长度20 mm铁丝报警率达到100%，且经过计算，系统响应时间为0.105 0 s，小于安全运输时间，系统可以在金属物到达切碎系统前及时停止。 结论 本研究设计出了一套青贮机金属异物探测系统，提出了一套金属探测线圈的优化方法，并开发了相应的金属探测软硬件系统，通过试验验证了金属探测系统的功能，为青贮机安全运行提供了有力技术支撑。

目的/意义 农业场景下的知识服务具有周期性长、活动时间长的特点。传统推荐模型无法有效挖掘农业场景下的基于农时的隐藏信息。针对上述问题，提出一种融合时间感知和增强过滤的农业知识个性化推荐模型（Time-aware and Filter-enhanced Sequential Recommendation Model for Agriculture Knowledge, TiFSA）。 方法 首先，基于时间感知的位置嵌入方法，将农户交互的时间信息与位置嵌入相结合，帮助学习农业情境下基于农时的项目相关性。其次，在时间感知位置嵌入的基础上，引入滤波器过滤算法，自适应地衰减农户情境数据中的噪声。最后，引入时间信息的多头自注意力网络，实现对时间、项目和特征的统一建模，对农户随时间变化的偏好特征进行情境表示，从而为用户提供可靠的推荐结果。 结果和讨论 根据“全国农业知识智能服务云平台”中的用户交互序列数据集进行实验。结果表明，该模型在农业数据集上的命中率为45.79%，归一化折损累计增益为53.52%；与近几年性能最佳的模型Ti-SASRec相比分别提升16.19%和14.02%。 结论 该模型能够有效捕获农业领域的用户情境特征和建模农户的动态偏好，具有更好的推荐性能。

目的/意义 胡麻种子的周长、面积、长短轴和千粒重是胡麻考种过程中常用的参数，对于胡麻的育种、栽培，以及种子品质和性状的评估都具有重要的意义。 方法 针对胡麻种子自动化考种时出现的数据统计错误率高、效率低等问题，基于机器视觉研究胡麻种子的轮廓特点、探索形态特征的测量方法，针对籽粒重叠现象提出基于融合角点特征的轮廓拟合图像分割方法，设计胡麻种子自动化考种数据实时分析系统，最终实现胡麻种子自动化考种的研究。本研究在工业相机获取的胡麻种子图像上进行试验。 结果和讨论 提出的自动化考种方法对不同品种胡麻种子的统计识别准确率达97.28%，百粒种子平均处理时长69.58 ms，相较于极限腐蚀算法、基于距离变换的分水岭算法，平均计算准确率比极限腐蚀算法提升19.6%，平均运算时间低于直接使用分水岭算法所需时间。 结论 自动化考种方法具有更好的计算准确率和处理速度，能够更准确地批量获取胡麻种子的形态学特征参数，使测量误差能够保持在10%以内，可为今后胡麻考种相关工作提供技术支撑，助力相关产业发展。

目的/意义 针对小麦叶片病虫害在自然环境下形态和颜色特征较为复杂、区分度较低等特点，提出一种高质量高效的病虫害检测模型，即YOLOv8⁃SS（You Only Look Once Version 8-SS），为病虫害的预防与科学化治理提供准确的依据。 方法 基于YOLOv8算法，采用改进的轻量级卷积神经网络ShuffleNet V2作为主干网络提取图像特征即YOLOv8-S，在保持检测精度的同时，减少模型的参数数量和计算负载；在此基础上增加小目标检测层和注意力机制SEnet（Squeeze and Excitation Network），对YOLOv8-S进行改进，在不降低检测速度和不损失模型轻量化程度的情况下提高检测精度，提出YOLOv8-SS小麦叶片病虫害检测模型。［结果与讨论］ YOLOv8-SS模型在实验数据集上的平均识别精度和检测准确率分别达89.41%和91.00%，对比原模型分别提高10.11%和7.42%。因此，本研究所提出的方法可显著提高农作物病虫害的检测鲁棒性，并增强模型对小目标图像特征的提取能力，从而高效准确地进行病虫害的检测和识别。 结论 本研究使用的方法具有广泛适用性，可应用于大规模农作物病虫害检测的实际场景中。