目的/意义 发展新质生产力对推动畜牧业高质量发展具有重要意义。本文旨在对人工智能驱动畜牧新质生产力高质量发展开展系统研究。厘清人工智能推动畜牧新质生产力高质量发展的机理和方向，深入分析畜牧新质生产力的内涵、特征、制约因素，以及推进路径。［进展］畜牧新质生产力是以生物技术、信息技术和绿色技术等前沿技术创新为主导，以数智化、绿色化、生态化为产业升级方向，基本内涵表现为更高素质的劳动者、更先进的劳动资料和更广范围的劳动对象。与传统生产力相比，畜牧新质生产力是以科技创新为导向、以新发展理念为引领、以全要素生产率提升为核心的先进生产力，具有生产效率高、产业效益好、可持续发展能力强的显著特征。中国畜牧新质生产力已具备较好发展基础，但也面临畜禽育种技术创新不足、核心竞争力不强，畜牧养殖机械化率不高、智能装备自主研发能力较弱，“机器换人”需求迫切、畜牧人才量质存在短板，养殖规模化程度不高、智能化管理水平有限等制约因素。人工智能在畜牧业中可以广泛应用在环境控制、精准饲喂、健康监测与疫病防控、供应链优化等领域。人工智能经由以数字技术为代表的畜牧业技术革命性突破，以数据要素为纽带的畜牧业生产力要素创新性配置，与数字经济相适应的畜牧业产业深度转型，催生畜牧新质生产力，赋能畜牧业高质量发展。［结论/ 【目的/意义】 发展新质生产力对推动畜牧业高质量发展具有重要意义。本文旨在对人工智能驱动畜牧新质生产力高质量发展开展系统研究。厘清人工智能推动畜牧新质生产力高质量发展的机理和方向，深入分析畜牧新质生产力的内涵、特征、制约因素，以及推进路径。 【进展】 畜牧新质生产力是以生物技术、信息技术和绿色技术等前沿技术创新为主导，以数智化、绿色化、生态化为产业升级方向，基本内涵表现为更高素质的劳动者、更先进的劳动资料和更广范围的劳动对象。与传统生产力相比，畜牧新质生产力是以科技创新为导向、以新发展理念为引领、以全要素生产率提升为核心的先进生产力，具有生产效率高、产业效益好、可持续发展能力强的显著特征。中国畜牧新质生产力已具备较好发展基础，但也面临畜禽育种技术创新不足、核心竞争力不强，畜牧养殖机械化率不高、智能装备自主研发能力较弱，“机器换人”需求迫切、畜牧人才量质存在短板，养殖规模化程度不高、智能化管理水平有限等制约因素。人工智能在畜牧业中可以广泛应用在环境控制、精准饲喂、健康监测与疫病防控、供应链优化等领域。人工智能经由以数字技术为代表的畜牧业技术革命性突破，以数据要素为纽带的畜牧业生产力要素创新性配置，与数字经济相适应的畜牧业产业深度转型，催生畜牧新质生产力，赋能畜牧业高质量发展。 【结论/展望】 提出了提升畜牧科技创新能力、建立畜牧业全链条信息化监管模式、加快畜牧绿色科技推广应用、提高畜牧业全产业链管理水平，以及完善重要畜禽品种商业化育种机制的畜牧新质生产力发展推进路径。
【目的/意义】 随着科学技术的快速发展和劳动力成本的不断提高，机器人在设施农业领域的应用越来越广泛。设施环境复杂多样，如何让机器人实现稳定、精准、快速地导航仍然是当前需要解决的问题。 【进展】 本文基于设施农业智能机器人的自动导航关键技术展开综述。在自主定位与地图构建方面，详细介绍了信标定位、惯性定位、即时定位与建图技术，以及融合定位方法。其中，依据使用的传感器不同，即时定位与建图技术可进一步划分为视觉、激光和融合三种不同类型。在全局路径规划方面，探讨了点到点局部路径规划和全局遍历路径规划在设施农业中的应用。针对规划目标数量的不同，详细介绍了单目标路径规划和多目标路径规划。此外，在机器人的自动避障技术方面，讨论了一系列设施农业中常用的避障控制算法。 【结论/展望】 总结了当前设施农业智能机器人自动导航技术面临的挑战，包括复杂环境、遮挡严重、成本高、作业效率低、缺乏标准化平台和公开数据集等问题。未来研究应重点关注多传感器融合、先进算法优化、多机器人协同作业，以及数据标准化与共享平台的建设。这些方向将有助于提升机器人在设施农业中的导航精度、效率和适应性，为智能农业的发展提供参考和建议。
【目的/意义】 采摘机器人是智慧农业的重要组成部分，其感知、规划、控制相关基础方法理论目前已有系统化研究。然而，构建具备全果园“感知-移动-采摘”一体化作业能力的实用型采摘系统仍面临诸多挑战。针对该问题，本文调研并报道了本领域近期案例，将全果园自主作业的关键技术划分为局部目标感知、全局地图构建和自主作业行为规划三个子问题并进行综述。 【进展】 首先回顾了近距离、局部范围内水果目标的精细视觉感知方法，包括基于低级特征融合、高级特征学习、RGB-D信息融合，以及多视角信息融合的4种方法；介绍与分析了全局尺度下的果园地图构建与大规模场景视觉感知案例；在感知的基础上，调研分析采摘机器人自主作业行为规划方法，包括底盘移动路径规划、机械臂视点规划与避障路径规划等方面的最新研究；最后对采摘机器人自主作业系统构建案例进行报道与分析。 【结论/展望】 感知、移动、采摘模块的高效协同是实现采摘机器人从基础功能样机进一步迈向实用型机器的关键，已有的视觉感知、规划与控制算法的鲁棒性与稳定性均需增强，协同程度需进一步提高。此外，提及了采摘机器人应用的几个开放性研究问题，并描述了其未来发展趋势。
[目的/意义] 智慧农业科技是农业领域又一次新技术革命，具备农业新质生产力“高科技、高效能、高质量、可持续”的内在特征，已成为推进农业新质生产力发展的重要内核与引擎。［进展］本文对智慧农业科技创新的现实基础、内在逻辑与问题挑战开展系统研究，结论表明中国“表型+基因型+环境型”智能育种已迈入快车道，农业天、空、地信息感知技术体系逐渐成熟，农业大数据与智能决策技术研究探索不断推进，面向不同领域的智能农机装备创制取得丰硕成果。智慧农业科技创新通过赋能农业要素、技术、场景、主体与价值，推动农业新质生产力发展。但也面临科技创新政策体系不健全、关键技术存在卡点堵点断点、科创成果转化落地难度较大、支撑体系不够完备等重大挑战。［结论/展望］聚焦问题导向，提出了中国智慧农业科技创新平台、技术、场景、人才的“四高”路径，并围绕顶层设计、政策供给、先行实践、生态体系等层面，提出智慧农业科技创新引领农业新质生产力发展的对策建议。
[目的/意义] 随着全球气候变暖及生态环境污染问题愈演愈烈，碳达峰碳中和（以下简称为“双碳”）目标被纳入到中国社会发展的各个领域。为保障中国农业绿色可持续发展，进一步推进落实低碳发展理念，在农业机械化发展过程中各个环节尽可能减少能源消耗、降低污染排放，满足智能化信息时代下经营主体对低碳技术赋能农业机械装备的多样化需求，发展低碳农业机械化势在必行。低碳农业机械化发展不仅是中国农业机械化转型升级和高质量发展的重要内容，也是“双碳”目标下中国农业可持续发展的客观要求。［进展］本文明晰了低碳农业机械化的内涵和目标，从理论、现实和系统三重维度阐释了低碳农业机械化的发展逻辑，分析了影响低碳农业机械化发展的主要因素，分别从要素条件、需求条件等6个方面剖析影响低碳农业机械化发展的深层次原因。［结论/展望］从农业机械装备全寿命周期的生态设计与绿色制造、清洁生产作业推广、脱物质化的社会化服务与绿色经营、8S体系、碳排放测度体系构建、退役废旧农机低碳处置与绿色再制造等方面，提出了中国低碳农业机械化发展的实现途径。
［目的/意义］ 农业环境动态多变、动植物生长影响因子众多且互作关系复杂，如何将分散无序信息理解生成生产知识或决策案例是世界性难题。农业知识智能服务技术是应对农业数据低秩化、规则关联度低和推理可解释性差等现状，提升农业生产全过程综合预测和决策分析能力的核心关键。［进展］本文综合分析了感知识别、知识耦合、推理决策等农业知识智能服务技术，构建由云计算支撑环境、大数据处理框架、知识组织管理工具、知识服务应用场景组成的农业知识智能服务平台，提出一种基于知识规则和事实案例相结合的农情解析与生产推理决策方法，构造产前规划、产中管理、收获作业、产后经营等全链条知识智能应用场景。［结论/展望］从农业多尺度农情稀疏特征发现与时空态势识别、农业跨媒体知识图谱构建与自演化更新、复杂成因农情多粒度关联与多模式协同反演预测、基于生成式人工智能的农业领域大语言模型设计、知识智能服务平台与新范式构建等方面对农业知识智能服务技术发展趋势进行总结，对实现农业生产由“看天而作”到“知天而作”转变具有技术支撑作用。
［目的/意义］ 农机装备是先进农业生产理念落地的物质支撑，如何提升农机装备设计制造水平及运维管控能力，充分发挥装备性能，是智慧农业未来发展所面临的核心问题。数字孪生是一种融合多种信息技术、促进虚实交互融合的先进理念，有助于更加清晰地认识农机装备及其运行过程，从而解决从设计到回收阶段的复杂性问题，进而全方位地提升农机装备作业质量，更好地满足农业生产需求。［进展］首先围绕数字孪生在农机装备领域的应用，总结数字孪生的研究动态，分析农机装备数字孪生的概念与内涵，提出系统性的体系架构。然后从宏观发展、系统实现、项目实施多个角度阐述农机装备数字孪生的实现路线。最后介绍农机装备数字孪生的典型应用场景和案例。［结论/展望］数字孪生为农机装备转型升级提供了新方法，为提升农业机械化生产水平提供了新途径，为实现智慧农业提供了新思路。本文可为农机装备数字孪生相关研究工作的开展提供参考，为数字孪生赋能智慧农业和智能装备奠定理论基础。
[目的/意义] 人工智能（Artificial Intelligence，AI）技术已在学术和工程应用领域掀起了研究高潮，在地球物理参数和农业气象遥感参数反演方面也表现出了强大的应用潜力。目前大部分AI技术在地学和农学的应用还是“黑箱”，没有物理意义或缺乏可解释性及通用性。为了促进AI在地学和农学的应用和培养交叉学科的人才，本研究提出基于AI耦合物理和统计方法的地球物理参数反演范式理论。 [方法] 首先基于物理能量平衡方程进行物理逻辑推理，从理论上构造反演方程组，然后基于物理推导构建泛化的统计方法。通过物理模型模拟获得物理方法的代表性解以及利用多源数据获得统计方法代表性的解作为深度学习的训练和测试数据库，最后利用深度学习进行优化求解。 [结果和讨论] 判定形成具有通用性和物理可解释的范式条件包括：（1）输入与输出变量（参数）之间必须存在因果关系；（2）输入和输出变量（参数）之间理论上可以构建闭合的方程组（未知数个数少于或等于方程组个数），也就是说输出参数可以被输入参数唯一确定。如果输入参数（变量）和输出参数（变量）之间存在很强的因果关系，则可以直接使用深度学习进行反演。如果输入参数和输出参数之间存在弱相关性，则需要添加先验知识来提高输出参数的反演精度。此外，本研究以农业气象遥感中的关键参数地表温度、发射率、近地表空气温度和大气水汽含量联合反演作为案例对理论进行了证明，分析结果表明本理论是可行的，并且可以辅助优化设计卫星传感器波段组合。 [结论] 本理论和判定条件的提出在地球物理参数反演史上具有里程碑意义。
