智慧农业(中英文)

专题导读——粮食生产大数据平台研发与应用 |

2025, 7(2): 0-0.

摘要 ( 18 )

相关文章 | 计量指标

粮食生产大数据平台研究进展与展望 | Open Access

杨贵军, 赵春江, 杨小冬, 杨浩, 胡海棠, 龙慧灵, 裘正军, 李娴, 江冲亚, 孙亮, 陈雷, 周清波, 郝星耀, 郭威, 王培, 高美玲

2025, 7(2): 1-12. doi:10.12133/j.smartag.SA202409014

摘要 ( 350 )

HTML ( 44)

PDF (1811KB) ( 1359 )

数据和表 | 参考文献 | 相关文章 | 计量指标

【目的/意义】 农业大数据爆炸式发展，加速农业生产迈入数字化、智能化新时代。作为新质生产力，大数据服务于粮食生产全过程综合智能化管理决策，面临粮食生产大数据资源治理机制不明、全链条化粮食生产决策核心算法体系缺乏且对外依存度高、粮食生产全过程全要素的大数据平台缺乏等问题。 【进展】 本文综合分析了国内外粮食生产大数据、农情监测与智能决策算法、大数据平台方面的相关进展和面临的挑战，面向产前规划、产中监测与决策、产后综合评价等粮食生产全程管理决策需求，构建由多源异构粮食生产大数据治理、粮食生产知识图谱、“数据获取-信息提取-知识构建-智能决策-农机作业”全链条标准化算法体系、数字孪生典型应用场景等环节组成的粮食生产大数据智能平台。 【结论/展望】 应重点关注宏观管理监测和微观农场全程智能化生产作业需求，聚焦粮食生产典型应用场景，充分融合大数据与人工智能、数字孪生及云边端等新技术，探索技术联通集成为本，智能化服务为魂的大数据平台研发路径，创建开放式作物与环境传感接入、核心算法成熟度分级与云原生封装、高效数据与决策服务响应等为核心特色的开放共生型粮食生产大数据平台，实现数据-算法-服务全链条智能化、决策信息与智能装备作业一体化、粮食生产大数据平台与应用体系标准化，形成保障粮食安全高效绿色生产的新质生产力。

四川省粮食生产时空演变格局及影响因素分析 | Open Access

郑玲, 马千然, 江涛, 刘晓敬, 牟珈慧, 王灿辉, 蓝羽

2025, 7(2): 13-25. doi:10.12133/j.smartag.SA202411013

摘要 ( 93 )

HTML ( 8)

PDF (3213KB) ( 34 )

数据和表 | 参考文献 | 相关文章 | 计量指标

【目的/意义】 四川省作为中国粮食安全的战略核心区域，其粮食生产的时空动态变化对区域资源配置和国家粮食战略具有重要意义。本研究旨在揭示四川省粮食生产的空间格局及其时间变化规律，为区域粮食安全管理提供科学依据，同时探索时空协同分析方法在农业大数据研究中的应用价值。 【方法】 基于四川省2000至2019年的县域面板数据，采用标准差椭圆模型和时空立方体模型分析粮食产量的空间分布特征、冷热点变化及聚类模式，并通过时空地理加权回归模型定量评估驱动因素的时空差异化影响。 【结果和讨论】 四川省粮食产量在川东平原形成高产核心区，空间分布呈现出明显的东北-西南走向，二十年来四川省粮食产量主要表现出7种冷热点和3种聚类模式，成都平原产量持续增加，川西高原产量下降速度变缓，而川中产量持续降低，全省64.77%的地区表现出增产潜力，特别是川西地区，增产潜力显著，约16.93%的地区（地形复杂和资源匮乏的山区）可能面临减产风险。驱动因素分析结果显示，农业因素是四川省粮食产量时空特征主导因素，自然因素次之，人为和经济因素影响较小，保障农业用地面积在粮食保产增产中起着关键作用，区域自然资源条件的改善则有助于进一步提升粮食生产能力。 【结论】 本研究揭示了四川省粮食产量的时空演变特征及其驱动机制，提出的时空整合分析框架为区域粮食生产格局解析提供了新的视角，研究结果将为四川省粮食产能提升和“天府粮仓”的高质量发展提供理论支撑。

知识图谱驱动下粮食生产大数据应用现状与展望 | Open Access

杨晨雪, 李娴, 周清波

2025, 7(2): 26-40. doi:10.12133/j.smartag.SA202501004

摘要 ( 82 )

HTML ( 8)

PDF (1435KB) ( 90 )

数据和表 | 参考文献 | 相关文章 | 计量指标

【目的/意义】 中国粮食生产全过程全要素大数据分散无序且结构复杂，服务粮食生产决策核心算法缺乏整合利用，导致数据的潜力未能得到充分发挥。知识图谱技术可整合多源异构粮食生产数据，提升数据关联性与语义挖掘效率，实现知识结构化表达与智能推理，并为粮食生产的可持续发展提供智能分析与信息支持。 【进展】 本文综合分析了粮食生产大数据复杂“结构-关系-语义”的知识表示与关联解析方法，梳理总结了一套基于数据驱动与知识引导的知识图谱构建与知识推理框架，综合分析了粮食生产本体构建、多模态命名实体识别、多模态实体链接、时序推理等关键技术，构造产前调度规划、产中精准决策和产后定量评估等全过程多场景的智能化应用。 【结论/展望】 面向粮食生产大数据应用的知识图谱技术可以在全国、省域、县域和规模化农场等多个应用尺度范围内，为粮食生产各个阶段提供可视化和智能化的决策支持，对实现“藏粮于地、藏粮于技”战略及保障国家粮食安全具有重大科学和应用价值。

图神经网络应用于知识图谱构建：研究进展、农业发展潜力及未来方向 | Open Access

袁欢, 范蓓蕾, 杨晨雪, 李娴

2025, 7(2): 41-56. doi:10.12133/j.smartag.SA202501007

摘要 ( 76 )

HTML ( 14)

PDF (3048KB) ( 56 )

数据和表 | 参考文献 | 相关文章 | 计量指标

【目的/意义】 图神经网络（Graph Neural Networks, GNN）通过图中节点的交互和消息传递来捕捉图数据的复杂关系，被广泛应用于知识图谱构建技术中知识表示、知识抽取、知识融合、知识推理等任务。农业知识图谱（Agricultural Knowledge Graph, AKG）发展及知识服务应用过程中面临数据、关系和结构复杂，以及可解释性不足等诸多挑战，GNN有望利用其在图结构数据建模中的优势破解上述难题。 【进展】 本文首先简要介绍GNN的表示方法和基本思想，并分析了典型的5种GNN模型的主体结构、特点和应用方向。随后，介绍了GNN对于知识表示、实体识别、关系抽取和事件抽取任务的技术优势，为基于多源异构大数据的AKG构建提供技术参考。此外，对GNN在知识补全融合、去噪和异常信息推断等图谱质量提升案例进行了分析。最后，介绍了GNN在农业场景中的应用和构建AKG的发展潜力。 【结论/展望】 目前，GNN在AKG构建与推理中的应用仍处于初步探索阶段，未来应重点突破跨模态数据关联分析、动态知识演化、面向场景的高效推理，以及可解释性与泛化性提升等关键技术。基于GNN的AKG构建技术，有望通过精准和细粒度的实体与关系表达与预测，为农业生产提供高效的知识服务和智慧解决方案。

水稻生产遥感监测与智慧决策研究进展 | Open Access

赵柄婷, 华传海, 叶晨洋, 熊育春, 钱涛, 程涛, 姚霞, 郑恒彪, 朱艳, 曹卫星, 江冲亚

2025, 7(2): 57-72. doi:10.12133/j.smartag.SA202501002

摘要 ( 121 )

HTML ( 14)

PDF (1365KB) ( 72 )

数据和表 | 参考文献 | 相关文章 | 计量指标

【目的/意义】 总结叙述水稻生产遥感监测及智慧决策算法的研究进展，剖析面临的挑战，展望未来方向。 【进展】 首先介绍了遥感手段在时空尺度上如何监测水稻生长，其次剖析了遥感在水稻种植分布、生育期监测、长势监测和产量品质估算等方面的应用；最后阐述了水稻生产智能决策算法与遥感耦合的潜力。 【结论/展望】 指出了遥感手段在水稻生产监测与人工智能耦合的应用与机遇，提出了大尺度、实时监测水稻生长的挑战与展望。本文可为水稻生产遥感监测相关深入研究提供参考，推动水稻精准生产和农业可持续发展。

基于双意图建模和知识图谱扩散的水稻品种选育推荐方法 | Open Access

乔磊, 陈雷, 袁媛

2025, 7(2): 73-80. doi:10.12133/j.smartag.SA202412025

摘要 ( 89 )

HTML ( 6)

PDF (1070KB) ( 227 )

数据和表 | 参考文献 | 相关文章 | 计量指标

【目的/意义】 为满足用户水稻品种选育需求，推进水稻育种工作信息化和智能化。 【方法】 首先收集水稻品种性状信息，构建一定量级的水稻知识图谱数据，再以地区为单位收集所种植过的水稻品种，使用随机采样的方法构建水稻品种选育交互数据，之后提出一种双意图建模和知识图谱扩散 $($ Bi-intentional Modeling and Knowledge Graph Diffusion, BMKGD）模型。 $B M K G D$ 模型同时考虑到交互行为中的意图因素和知识图谱的去噪处理，分为独立性和从众性两种意图，分别建模相应的意图空间，对于知识图谱中存在的噪声，结合扩散模型，在多次迭代中完成去噪处理，最后通过对不同视图中的项目表示进行跨视图对比学习，充分学习到两个视图中的信息，进而完成推荐。 【结果和讨论】 在构建的水稻品种选育数据集上， $B M K G D$ 模型取得最优的性能，其 $R e c a l l$ 值和归一化折损累计增益（Normalized Discounted Cumulative Gain, NDCG）值相较于表现最好的基线模型——基于双向意图指导的协同过滤模型（Bilateral Intent-guided Graph Collaborative Filtering, BIGCF）分别提升了2.9%和3.7%，性能的提升验证了方法的有效性，去除关键组件的模型变体相较于原模型性能都有所下降，表明BMKGD模块对模型整体的推荐性能具有一定的影响。 【结论】 提出的 $B M K G D$ 模型能够很好地完成推荐任务，有望在后续的水稻育种工作中，帮助用户选择适宜的水稻品种。

基于Sentinel 1/2和GEE的水稻种植面积提取方法——以杭嘉湖平原为例 | Open Access

鄂海林, 周德成, 李坤

2025, 7(2): 81-94. doi:10.12133/j.smartag.SA202502003

摘要 ( 112 )

HTML ( 10)

PDF (2961KB) ( 44 )

数据和表 | 参考文献 | 相关文章 | 计量指标

【目的/意义】 水稻是中国的主要作物之一，准确提取水稻面积对保障粮食安全、温室气体排放管理、水资源调配及生态保护至关重要。光学与微波遥感数据融合是水稻监测主要发展趋势，但现有研究大多依赖传统的物候学特征（如移栽期），忽视了植被和水体指数在水稻生长全过程中的整体动态变化特征。为了快速、准确地获取水稻种植分布、面积等信息，以中国典型水稻种植区—杭嘉湖平原为例，研发了一种基于Sentinel-1/2数据和Google Earth Engine（GEE）云计算平台的水稻种植面积提取方法，即NDVI-SDWI 动态融合水稻识别方法（Dynamic NDVI-SDWI Fusion Method for Rice Mapping, DNSF-Rice）。 【方法】 首先，通过Sentinel-2归一化植被指数（Normalized Difference Vegetation Index, NDVI）时间序列，基于阈值分割获取水稻种植潜在分布范围；其次，通过Sentinel-1双极化水体指数（Sentinel-1 Dual-Polarized Water Index, SDWI）时间序列，分析其在水稻生长周期内的动态变化特征，构建阈值分割算法获取基于微波数据的水稻种植分布；最后，将上述结果的交集作为最终水稻分布范围，构建了杭嘉湖平原2019—2023年10 m空间分辨率的水稻种植分布图。此外，利用地面实测数据和统计数据对提取结果进行了精度验证，并与其他产品进行了对比分析。［结果与讨论］本研究所提取的水稻种植分布图总体精度均达96%以上，F₁得分超过0.96，水稻种植面积整体呈逐年增长的趋势，提取面积与统计数据具有高度的一致性，优于其他相关产品。 【结论】 DNSF-Rice水稻识别方法基于GEE云平台，结合了光学和合成孔径雷达（Synthetic Aperture Radar, SAR）时间序列数据的优势，利用了NDVI和SDWI在水稻生长全过程中的整体动态变化特征，为高效、精确监测水稻种植面积提供了新的思路。

基于改进YOLOv11-Pose的玉米植株骨架及表型参数提取方法 | Open Access

牛子昂, 裘正军

2025, 7(2): 95-105. doi:10.12133/j.smartag.SA202501001

摘要 ( 77 )

HTML ( 11)

PDF (2260KB) ( 154 )

数据和表 | 参考文献 | 相关文章 | 计量指标

【目的/意义】 玉米植株骨架和表型参数的精准提取是获取植株生长状态、形态分析及农业管理的重要基础。然而，大田种植环境下的光照变化、复杂背景、叶片遮挡等对骨架和表型参数的提取带来了严峻挑战。本研究提出一种适用于田间的玉米植株骨架和表型参数提取方法，以提升提取的精度与效率，为玉米表型数据获取提供技术支撑。 【方法】 提出了一种基于改进YOLOv11-Pose的多目标关键点检测网络，采用自上而下的检测框架对玉米植株关键点进行检测与骨架重建。通过均匀采样算法设计适用于玉米骨架的关键点表示方法，以优化骨架的任务适应性；同时，分别在网络的骨干、头部加入单头自注意力机制、卷积注意力机制，引导模型关注遮挡区域和粘连部位，从而提高对复杂场景的适应能力。 【结果和讨论】 在田间玉米环境中测试结果表明，当均匀采样关键点数量设置为10时，Fréchet距离达到最低值79.008，既能有效保持原始骨架的形态特征，又能避免冗余点影响，为后续建模提供高效、准确的骨架数据基础。在该设置下，改进YOLOv11-Pose模型的边界框检测精度为0.717；关键点检测的mAP50和mAP50-95分别提升了10.9%和23.8%，单张图片推理耗时52.7 ms。测试结果表明，该模型在复杂田间环境中展现出卓越性能和较低计算成本，在关键点检测任务中具有更高的精度和鲁棒性。研究进一步结合骨架提取结果和空间几何信息，实现株高测量平均绝对误差为2.435 cm，叶龄检测误差小于1个生长时期，叶长测量误差3.482%，验证了所提出的方法在表型参数测量应用方面的有效性和实用性。 【结论】 本研究提出的改进YOLOv11-Pose模型能够高效、精准地提取玉米植株骨架和表型参数，为粮食生产数据获取与精准农业管理提供了技术支持。

面向干旱条件下的冬小麦估产HLM模型改进研究 | Open Access

赵培钦, 刘长斌, 郑婕, 孟炀, 梅新, 陶婷, 赵倩, 梅广源, 杨小冬

2025, 7(2): 106-116. doi:10.12133/j.smartag.SA202408009

摘要 ( 112 )

HTML ( 9)

PDF (1608KB) ( 51 )

数据和表 | 参考文献 | 相关文章 | 计量指标

【目的】 现有的作物估产模型通常在灾害气候条件下的估产精度不高，本研究提出一种基于干旱天气指数减产率模型的改进分层线性模型（Improved Hierarchical Linear Model, IHLM），旨在提高在干旱条件下作物产量估算的精度。 【方法】 采用最大值的增强植被指数-2（Maximum Enhanced Vegetation Index 2, EVI2max）和每年3月~5月降水量，辐射量和气温等气象数据和2018—2021年山东省160个农情调查基点的冬小麦实测产量数据构建冬小麦产量预测基础分层线性模型（Hierarchical Linear Model, HLM）。考虑到气象因素的变异程度是影响作物生长的关键障碍因子，首先将气象因子相对性计算进行模型改进，并对改进的HLM模型与随机森林（Random Forest, RF）模型、支持向量回归（Support Vector Regression, SVR）模型和极端梯度提升（Extreme Gradient Boosting, XGBOOST）模型进行精度对比。然后引入农业保险行业的干旱天气指数减产率模型，对改进的HLM模型进一步优化，从而更加适应干旱条件下的作物估产。为了验证IHLM模型的迁移性，本研究将其应用于河南省进行对比分析，以评估该模型在不同地理和气候条件下的表现。 【结果和讨论】 基于相对气象因子（Relative Meteorological Factors, rMF）改进的HLM模型精度相比于RF、SVR和XGBOOST更高，验证精度皮尔逊相关系数r为0.76，均方根误差（Root Mean Square Error, RMSE）为0.60 t/hm²，归一化均方根误差（Normalized Root Mean Square Error, nRMSE）为11.21%。在干旱条件数据集中，利用冬小麦干旱天气指数和冬小麦减产率的关系对模型进行了改进，改进之后RMSE减少了0.48 t/hm², nRMSE减少了28.64个百分点，提高了IHLM模型在干旱条件下的精度。 【结论】 该研究对冬小麦产量HLM模型进行改进，提高了模型精度，在干旱情况下模型精度和稳定性有一定提升，相比于RF、SVR、XGBOOST模型，IHLM模型更适合对冬小麦产量预测。

基于TVDI结合ICEEMDAN-ARIMA模型的干旱区灌区农业旱情监测 | Open Access

韦余鑫, 李巧, 陶洪飞, 卢春雷, 罗旭, 马合木江·艾合买提, 姜有为

2025, 7(2): 117-131. doi:10.12133/j.smartag.SA202502005

摘要 ( 73 )

HTML ( 6)

PDF (3498KB) ( 28 )

数据和表 | 参考文献 | 相关文章 | 计量指标

【目的/意义】 为明晰干旱区灌区旱情特征及变化趋势，提高灌区水资源利用效率，促进农业可持续发展。 【方法】 以新疆三屯河灌区（干旱区灌区）为例，以实测灌区土壤墒情为依据，对温度植被干旱指数（Temperature Vegetation Dryness Index, TVDI）和条件植被温度指数（Vegetation Temperature Condition Index, VTCI）的干旱监测效果进行适用性评价，借助Theil-Sen+Mann-Kendall趋势分析等方法探究研究区2005—2022年干旱时空分布特征及变化趋势，构建ICEEMDAN-ARIMA（Improved Complete Ensemble Empirical Mode Decomposition with Adaptive Noise-Autoregressive Integrated Moving Average Model）组合模型预测2023年研究区春夏秋三季的干旱状况。 【结果和讨论】 TVDI监测效果较好，其与实测土壤墒情有更好的相关性（R²为0.57）；灌区旱情整体呈缓慢增加的趋势，TVDI增长速率为0.01/10 a，且具有较强的空间异质性，表现为灌区南部、西南部地区低于北部、东北部地区的空间分布特征；2005—2022年研究区干旱空间变化趋势中极显著缓解、显著缓解、轻微缓解、极显著变旱、显著变旱和轻微变旱面积占比分别为0.73%、1.78%、24.31%、5.33%、9.43%和58.42%，其中轻微变旱和轻微缓解面积占比最大，占研究区总面积的82.73%；ICEEMDAN-ARIMA组合模型在预测2023年灌区干旱情况时取得良好效果，R²均值达0.962。 【结论】 研究结果系统展示了长时序下新疆三屯河灌区农业旱情变化特征，揭示了ICEEMDAN-ARIMA组合模型在农业旱情预测研究中具备良好的预测精度，可为干旱区灌区干旱预警预报体系建设、水资源管理和农业可持续发展提供重要的借鉴与参考。

激光除草机器人关键技术与展望 | Open Access

余忠义, 王洪宇, 何雄奎, 赵磊, 王媛媛, 孙海

2025, 7(2): 132-145. doi:10.12133/j.smartag.SA202410031

摘要 ( 113 )

HTML ( 10)

PDF (6774KB) ( 55 )

数据和表 | 参考文献 | 相关文章 | 计量指标

【目的/意义】 农田草害制约着作物种植生产的质量和产量，激光除草技术作为一种生态环保防控田间杂草革新方法，具有环保、高效、灵活和自动化特点，可以很好地减少人力需求，降低化学药剂用量和污染，极大地缓解农田劳动力短缺、作物减产压力，在生态环境保护方面具有重要意义。 【进展】 首先介绍了激光除草技术的研究背景，概述了激光除草技术体系和作业系统，围绕激光除草机器人关键技术展开论述和讨论，涵盖杂草自动识别定位技术、机器人导航与路径规划、除草执行机构控制技术，以及整机研制等进展。最后结合国内外激光除草机器人的发展现状，综述了激光除草机器人发展目前存在的问题及未来趋势。 【结论/展望】 激光除草属于精密的智能化除草方式，是目前国内外学者研究和开发智慧农业关键技术和装备的研究热点，并取得了一系列成果，促进了除草机器人田间实际应用和推广示范。结合不同地区田间草害，未来还应开展大量的激光除草室内外杂草实验研究，以进一步验证激光田间除草的技术可行性并获取准确的激光能耗、效率和效益等数据，为激光除草的装备技术研发与应用提供支持。

基于改进YOLOv10n的轻量化荔枝虫害小目标检测模型 | Open Access

黎祖胜, 唐吉深, 匡迎春

2025, 7(2): 146-159. doi:10.12133/j.smartag.SA202412003

摘要 ( 580 )

HTML ( 71)

PDF (2262KB) ( 2426 )

数据和表 | 参考文献 | 相关文章 | 计量指标

目的/意义 荔枝虫害的精准识别有助于实施有效的防治策略，推动农业的可持续发展。为提高荔枝虫害的识别效率，本研究提出一种基于改进YOLOv10n的轻量化目标检测模型YOLO-LP（YOLO-Litchi Pests）。方法首先，优化主干网络（Backbone）的C2f模块，使用全局到局部空间聚合模块（Global-to-Local Spatial Aggregation, GLSA）构建C2f_GLSA模块，实现对小目标的高效聚焦，增强目标与背景的区分能力，同时减少参数量和计算量。其次，在颈部网络（Neck）引入频率感知特征融合模块（Frequency-Aware Feature Fusion, FreqFusion），设计频域感知路径聚合网络（Frequency-Aware Path Aggregation Network, FreqPANet），有效解决目标边界模糊和偏移的问题，并进一步轻量化模型。最后，使用SCYLLA-IoU（SIoU）损失函数替代Complete-IoU（CIoU）损失函数，优化目标定位精度并加速模型训练收敛过程。为了评估模型性能，本研究在自然环境和实验室环境的四种场景中，构建自建的荔枝虫害小目标数据集并进行测试。 结果和讨论 YOLO-LP在AP₅₀、AP_50：95、AP-Small_50：95分别达到了90.9%、62.2%和59.5%，较基线模型分别提高了1.9个百分点、1.0个百分点和1.2个百分点。同时，模型的参数量和计算量分别减少13%和17%。结论 YOLO-LP在精度和轻量化方面表现优越，为荔枝虫害检测的实际应用提供了有效的参考。

Chilli-YOLO：基于改进YOLOv10的露地辣椒成熟度智能检测算法 | Open Access

司超国, 刘梦晨, 吴华瑞, 缪祎晟, 赵春江

2025, 7(2): 160-171. doi:10.12133/j.smartag.SA202411002

摘要 ( 165 )

HTML ( 25)

PDF (2545KB) ( 885 )

数据和表 | 参考文献 | 相关文章 | 计量指标

【目的/意义】 为确定露地辣椒的最佳采摘时机和实现智能分拣。针对现有目标检测模型在辣椒成熟度检测任务中的效率低和准确率不高问题，提出了一种目标检测算法Chilli-YOLO，旨在快速、准确地检测辣椒果实的成熟度，以实现大田辣椒的智能化采摘及成熟度检测。 【方法】 以复杂背景下的露地辣椒为研究对象，将辣椒分为未熟期、过渡期、成熟期和干辣椒四个成熟度等级。在此基础上，对YOLOv10s（You Only Look Once version 10 small）进行了优化改进。首先，使用Ghost卷积优化主干网络，将普通卷积替换为GhostConv，并用C2f_Ghost代替C2f，以减少计算冗余。其次，将PSA（Partial Self-Attention）模块替换为SOCA（Second-Order Channel Attention）注意力机制，引入高阶特征相关性，捕捉辣椒细粒度特征。最后，通过引入XIoU（Extended intersection over union）损失函数来增强模型的定位精度，提升模型的准确性。 【结果和讨论】 在自建的辣椒成熟度检测数据集上进行的实验表明，Chilli-YOLO在计算量、参数量和模型大小分别达到18.3 GFLOPs、6.37 M和12.6 M的同时，推理时间为7.3 ms。模型的平均精度均值（Mean Average Precision, mAP）、准确率和召回率分别达到了88.9%、90.7%和82.4%，较基线模型分别提升了2.8、2.6和2.8个百分点。此外，实验结果还与目前主流的Faster RCNN（Faster Region-based Convolutional Neural Network）、SSD（Single Shot MultiBox Detector）和YOLO系列的多个版本进行了对比，验证了所提出方法的综合性能优于其他算法。 【结论】 提出的Chilli-YOLO模型能够实现露地辣椒不同成熟度的精准划分，不仅提升了检测精度，还有效降低了模型计算开销。为辣椒的智能化采摘提供了有效的技术参考。

基于混合注意力生成对抗网络的遥感图像去雾方法 | Open Access

马六, 毛克彪, 郭中华

2025, 7(2): 172-182. doi:10.12133/j.smartag.SA202410011

摘要 ( 179 )

HTML ( 16)

PDF (1999KB) ( 117 )

数据和表 | 参考文献 | 相关文章 | 计量指标

【目的/意义】 近年来，深度学习在遥感图像去雾领域取得了显著进展，尤其是在引入注意力机制以提升特征学习方面。然而，传统的注意力机制大多依赖全局平均池化，导致模型对特定影响点的敏感性过高，难以有效应对遥感图像中的去雾问题。为了提高去雾技术的效果，满足农业、城市规划等领域对图像质量日益增长的需求，现有方法亟需改进。 【方法】 本研究提出了一种混合注意力生成对抗网络（Hybrid Attention-Based Generative Adversarial Network, HAB-GAN）。该模型通过结合高效通道注意力模块与空间注意力模块，嵌入生成对抗网络架构中，实现了对遥感图像去雾效果的显著提升。高效通道注意力模块通过降低全局特征聚合中的冗余信息，既保留了性能，又减少了模型复杂度；空间注意力模块则从局部到全局对遥感图像中的雾化区域进行识别和聚焦，增强了对这些区域的恢复能力。这种方法能够更加有效地应对遥感图像中复杂多变的景观，尤其适用于农业等需要高质量遥感数据的领域。 【结果与讨论】 在RESISC（Remote Sensing Image Scene Classification）45数据集上，与现有的其他注意力机制去雾模型，如SpA GAN和HyA-GAN进行比较，HAB-GAN模型去雾效果更优，其中峰值信噪比（Peak Signal-to-Noise Ratio, PSNR）分别增加了2.64和1.14 dB，结构相似度（Structural Similarity Index, SSIM）分别增加了0.012 2和0.001 9。此外，消融实验验证了混合注意力机制的有效性，去除HAB模块后，HAB-GAN模型的PSNR下降了3.87 dB，SSIM下降了0.033 4。 【结论】 提出的HAB-GAN模型显著提升了遥感图像的去雾效果，使生成的图像更加接近无雾图像，特别是对于复杂的农业、环境监测等场景具有重要应用价值。HAB模块在提升模型性能方面发挥了关键作用，为未来的遥感图像处理和相关领域提供了有力的技术支持。

黄河流域山东段土地利用冲突时空格局与多情景模拟研究 | Open Access

董光龙, 尹海洋, 姚荣岩, 原晨朝, 曲成闯, 田原, 贾敏

2025, 7(2): 183-195. doi:10.12133/j.smartag.SA202409007

摘要 ( 57 )

HTML ( 1)

PDF (3337KB) ( 117 )

数据和表 | 参考文献 | 相关文章 | 计量指标

【目的/意义】 中国正面临经济发展、耕地保护和生态保护等多重压力，建设用地扩张、耕地数量减少、生态空间萎缩等问题凸显，土地利用冲突现象频发。为精准识别土地利用冲突并预测多情景下土地利用冲突发展趋势，亟需开展土地利用冲突时空格局与多情景模拟研究。 【方法】 以景观生态风险评价思想为基础，基于景观格局指数构建土地利用冲突测度模型，定量识别2000—2020年黄河流域山东段土地利用冲突，并借助CA-Markov模型预测2030年不同情景下潜在土地利用冲突格局。 【结果和讨论】 2000—2020年黄河流域山东段土地利用冲突水平呈现减缓态势，中冲突为主导类型，高冲突占比由2000年19.34%减少到2020年的8.61%。高冲突主要集聚在建设用地与其他地类过渡地带、鲁中山地丘陵区地类交错带和黄河沿岸。自然发展情景下土地利用冲突水平呈恶化趋势，耕地保护情景和生态保护情景下土地利用冲突形势有所缓解，其中生态保护情景下高冲突占比最少，为5.44%。 【结论】 建设用地快速扩张侵占耕地和生态用地仍是当前土地利用冲突的主要原因。基于生态保护情景下的土地利用格局更好地平衡耕地保护、生态安全和城镇发展之间的关系，是缓解黄河流域山东段土地利用冲突的一种合理选择。

当期目录