智慧农业(中英文)

农产品品质管控云边端一体化中间件研究进展与展望 |

王婷, 王娜, 崔运鹏, 刘娟

2026, 8(4): 1-16. doi:10.12133/j.smartag.SA202510002

摘要 ( 154 )

HTML ( 10)

PDF (2426KB) ( 10 )

数据和表 | 参考文献 | 相关文章 | 计量指标

【目的/意义】 现代农业加速向精准化、智能化管控转型，对生产过程的实时响应能力和海量多源数据处理能力提出了更高要求，推动传统中心化云计算架构向云边端协同一体化演进。为支撑农产品品质的精准感知与智能调控，有必要系统梳理云边端协同在农业领域的关键技术与应用基础，为一体化中间件设计提供理论与技术支撑。 【进展】 阐述了云边端协同技术在大田种植、设施园艺和畜牧养殖等典型农业场景中的应用模式与协同机制，归纳了农业物联网在实际落地过程中普遍存在的异构设备协议不兼容、数据标准体系缺失、边缘资源调度失衡，以及隐私与安全风险等问题。在此基础上，综合分析了边缘智能调度、语义互操作与可信协同等国内外研究进展，重点梳理了面向农产品品质管控的云边端一体化适配中间件的框架结构与关键功能模块，包括品质数据标准化映射、异构协议转换引擎、基于农产品特性的智能计算调度，以及模型热更新机制等，并进一步讨论了“设备–作物–模型”三位一体协同机制在屏蔽底层硬件差异、提升系统弹性适配能力方面的作用。 【结论/展望】 云边端一体化协同及其自适应中间件是支撑农产品品质智能管控的关键基础设施，可为农产品品质精准感知、自动控制与智能决策系统的开发与工程化实施提供可复用的架构思路与技术参考。未来需在跨场景数据与协议标准体系构建、边缘智能与大模型融合应用、隐私保护与可信计算机制完善，以及大规模工程化示范等方面开展深入研究，进一步提升农产品品质管控系统的智能化、可靠性与可推广性。

基于三维点云的家畜体尺表型智能测定技术研究进展 |

王海燕, 李泽晨, 曹钜松, 黎煊, 李嘉位, 李国亮, 徐学文

2026, 8(4): 17-34. doi:10.12133/j.smartag.SA202605012

摘要 ( 89 )

HTML ( 5)

PDF (9041KB) ( 5 )

数据和表 | 参考文献 | 相关文章 | 计量指标

【目的/意义】 家畜体尺参数是评价生长发育、体况评分、生产性能和遗传改良的重要表型指标。传统人工体尺测量方法效率低、劳动强度大且易引起家畜应激。二维图像方法虽可实现非接触测量，但缺少深度信息，难以准确测量胸围、腹围等围度体尺。三维点云能够表征家畜体表空间结构，为体尺表型测定提供新的非接触式技术途径。本文系统梳理基于三维点云的家畜体尺测量研究进展，为家畜三维表型智能测量与智慧养殖应用提供参考。 【进展】 三维点云技术能够在保持非接触测量优势的基础上重建家畜三维体型结构，不仅可用于体长、体宽、体高等线性体尺测量，还可支持胸围、腹围、管围等围度体尺测量，以及臀部形态、后躯丰满度和肢蹄结构等局部形态特征提取。本文以猪、牛、羊为主要研究对象，围绕点云采集、预处理、补全、分割、关键点定位和体尺计算等流程，归纳了家畜点云采集传感器与采集方案，梳理了多视角配准、滤波降噪、姿态归一化和点云补全等预处理方法，总结了直接定位关键点和基于点云分割定位关键点两类体尺测量路线。 【结论/展望】 现有研究表明，基于三维点云的家畜体尺测量在自动化、非接触、高精度体尺表型测定方面具有良好应用前景，但仍面临复杂养殖环境下点云质量不稳定、模型算法适应性与部署能力不足、多物种多姿态数据集匮乏，以及评价标准不统一等问题。未来应重点发展低成本、轻便可靠的点云采集系统，构建并开源多物种、多姿态、多场景家畜点云数据集，发展鲁棒、轻量、可迁移的点云处理与体尺测量方法，并推进其在边缘计算设备和真实养殖场景中的部署应用。同时，应进一步将体尺测量结果与体况评分、局部形态评价、生长发育监测和生产性能分析相结合，推动三维点云体尺测量由几何参数提取向三维表型智能分析拓展，实现精准、实时、高通量的家畜体尺自动测量。

融合不确定度自适应调整的植物光合测量CO₂稳态浓度快速预测方法 |

罗明阳, 戴航宇, 汤浩, 武颖奎, 郭亚

2026, 8(4): 35-46. doi:10.12133/j.smartag.SA202512001

摘要 ( 73 )

HTML ( 4)

PDF (2066KB) ( 14 )

数据和表 | 参考文献 | 相关文章 | 计量指标

【目的/意义】 基于气体交换法的植物光合速率测量，需等待系统内CO₂浓度达到稳态，但该过程受植物生理、叶室体积及传感器响应特性等因素影响，耗时过长，严重制约测量效率。为此，本研究提出一种基于传感器动态响应序列提前预测系统稳态CO₂浓度，并利用预测不确定度自适应决定测量终止时间的新方法。 【方法】 构建双分支时序编码网络（Dual-Branch Encoder for Time-Series Network, DBE-TSNet），结合差分增强与跨通道卷积-线性通道变换，面向系统感知的CO₂浓度上升与下降阶段建模。采用基于高斯负对数似然的损失函数，同时学习稳态值及其预测不确定度，并据此自适应调整样本权重。通过不确定度阈值的设定实现输入序列的自适应裁剪，并实现预测时机和稳态值的判断，提高测量效率。利用搭建的光合测量系统，采集8种植物在3种光照强度下的数据用于模型的训练和验证。 【结果和讨论】 DBE-TSNet网络模型在稳态预测任务中性能最优：下降段平均绝对误差为1.22 $μ m o l / m o l$ ，上升段为2.07 $μ m o l / m o l$ ，R²分别达到0.996和0.984，优于典型时序预测模型。通过误差-不确定度分析，确定下降段与上升段的不确定度阈值分别为0.026 7和0.014 6。基于阈值的提前预测实验表明，模型在维持误差小于1 $μ m o l / m o l$ 的前提下，平均可节省测量时间约128.87 s，测量周期缩短约51%，显著提升了测量效率。 【结论】 DBE-TSNet融合双分支编码与不确定度估计机制，实现植物光合测量中CO₂稳态浓度响应的准确、提前预测，有效解决气体交换法测量稳态时间长的问题。模型在多植物、多光照条件下表现稳定，具有良好的泛化能力，可为基于气体交换法的植物光合测量系统效率提升提供关键技术支撑。

基于高光谱遥感和跨区域迁移学习的冬小麦叶绿素含量评估 |

李怡悦, 费帅鹏, 李雷, 贾艺丹, 王多霞, 张博涵, 肖永贵, 孟亚雄

2026, 8(4): 47-59. doi:10.12133/j.smartag.SA202601026

摘要 ( 108 )

HTML ( 10)

PDF (121087KB) ( 13 )

数据和表 | 参考文献 | 相关文章 | 计量指标

【目的/意义】 针对高光谱遥感跨区域叶绿素评估中因“域偏移”导致的模型泛化性能下降问题，提出一种稳健自适应迁移学习框架（Robust Adaptive Transfer Learning, RATL）。 【方法】 通过自适应特征选择、特征权重调整与域适应训练3模块协同，实现跨区域知识有效迁移。基于2023—2024年冬小麦灌浆后期采集新乡与周口两地共1 491份冠层高光谱与叶片土壤与作物分析开发值数据，采用域偏移度量化两地光谱差异。并设置4种场景，比较RATL与直接迁移、迁移成分分析和相关对齐之间的精度。最后，采用可解释性与不确定性量化分析来验证RATL的可信度。 【结果和讨论】 结果表明：两地光谱分布存在显著差异（最大均值差异为0.20，P<0.001）。RATL在目标域上的预测性能最优（R²=0.75，均方根误差=7.49），较直接迁移（R²=0.61）提升23.4%，达到两地全数据训练理想效果的105.60%。沙普利加性解释分析显示，迁移后模型对红边波段（680～750 nm）及相关植被指数（改进型红边比值指数、归一化植被指数、绿度指数）的依赖度显著增强；不确定性量化结果表明，RATL具有更可靠的预测区间覆盖（预测区间覆盖率为79.52%）与更合理的区间宽度（平均预测区间宽度为17.47）。 【结论】 RATL框架有效缓解了高光谱叶绿素反演中的跨区域域偏移问题，为冬小麦叶绿素含量的区域化遥感监测提供了可靠技术支撑。

基于无人机多光谱图像和VGG21模型的小麦渍害调控效果识别方法 |

梁万杰, 刘晓君, 吴茜, 孙传亮, 雷添杰, 徐得泽, 郑兴飞, 朱广龙, 汤泉

2026, 8(4): 60-69. doi:10.12133/j.smartag.SA202601017

摘要 ( 82 )

HTML ( 3)

PDF (2299KB) ( 11 )

数据和表 | 参考文献 | 相关文章 | 计量指标

【目的/意义】 为实现科学、精准的小麦渍害防控，提高小麦产量，本研究提出一个快速、准确、无损的小麦渍水胁迫和调控效果识别方法。 【方法】 在小麦拔节-抽穗和抽穗-灌浆两个生长阶段进行对照、渍水胁迫、硅肥调控和氨基酸调控控制试验。试验期间，利用大疆精灵4多光谱无人机采集小麦冠层多光谱图像。试验结束对各处理测产，并利用产量指标评估调控效果。多光谱图像经过预处理，分类整理后建立包含对照、渍水胁迫、硅肥调控、氨基酸调控4个类别的数据集。采用分层抽样方法对数据集划分，即每个类别分别按7:1.5:1.5的比例随机划分为训练、验证和测试集。以VGG（Visual Geometry Group）19模型为基础，通过增加卷积层、调整卷积块和卷积层数、更换激活函数及优化模型超参等方法建立VGG21小麦渍水胁迫和调控效果识别模型。 【结果和讨论】 与ResNet（Residual Network）50和Swin-Transformer（Shifted Window Transformer）模型对比结果表明，VGG模型在多光谱图像数据识别方面性能更好，其中VGG21综合性能最突出。模型识别性能综合分析结果表明，VGG21模型对硅肥调控和胁迫的识别正确率达到91%以上，对硅肥调控样本的识别精度、召回率和F₁分别达到96.42%、89.53%和92.85%。硅肥调控和胁迫识别模型用于氨基酸调控样本识别，识别正确率、精度等各项指标与构建的氨基酸调控和胁迫识别模型性能相当。利用VGG21构建的对照、胁迫和硅肥调控多分类识别模型，对调控样本的识别精度、召回率和F₁分别达到95.13%、88.71%和91.80%。对比模型识别性能与产量评估的调控效果发现：硅肥调控效果较好，调控后的小麦光谱和图像特征显著，识别精度最高。 【结论】 基于无人机多光谱图像和VGG21模型构建的小麦渍水胁迫和调控效果识别模型，对调控效果较好的硅肥调控样本识别性能最好，具有很好的鲁棒性和可扩展性。此项技术可为小麦渍害综合防控，及小麦精细化、智能化管理提供理论和技术支持。

物候阶段渐进式多源数据融合的县域冬小麦产量预测 |

王毅, 熊宝伟, 王刚, 邵国敏, 张立元, 李广

2026, 8(4): 70-84. doi:10.12133/j.smartag.SA202605002

摘要 ( 118 )

HTML ( 10)

PDF (2784KB) ( 14 )

数据和表 | 参考文献 | 相关文章 | 计量指标

【目的/意义】 不同物候阶段信息累积对县域冬小麦估产性能的影响尚不明确，制约了模型早期预测能力与农业解释性的提升。为提高县域冬小麦产量预测精度，并明确不同物候阶段信息累积对估产性能的影响，本文提出一种物候阶段渐进式多源数据融合的县域冬小麦产量预测方法。 【方法】 以河南省100个冬小麦主产县为研究区，融合2013—2022年遥感变量、气象变量和日光诱导叶绿素荧光光合变量，构建覆盖冬小麦分蘖期至成熟期的多源时序特征集。在此基础上，利用卷积神经网络-长短期记忆网络-Transformer （Convolutional Neural Network-Long Short-Term Memory-Transformer, CNN-LSTM-Transformer）模型协同提取局部变化特征、阶段性时序依赖和全局长期关联，实现县域冬小麦产量预测。 【结果和讨论】 在县域尺度样本划分的测试集中，CNN-LSTM-Transformer模型预测性能优于随机森林、极端梯度提升和CNN-LSTM模型，R²、均方根误差和平均绝对百分比误差分别为0.827、588.25 kg/hm²和8.02%；逐年留一验证结果表明，该方法在不同年份条件下保持了较好的预测稳定性。物候阶段累积分析显示，随着生育阶段信息逐步增加，模型预测精度持续提升，其中返青期至抽穗期是产量预测能力快速提高的关键阶段。空间分布结果表明，预测产量能够较好反映河南省冬小麦西部较低、中东部较高的县域空间格局。 【结论】 所提出方法能够有效提升县域冬小麦产量预测精度，并为关键生育阶段的早期预测提供方法支撑。

基于Flor-YOLO的香石竹鲜切花分级轻量化检测方法 |

李传孟, 杨洁, 张晓宇

2026, 8(4): 85-99. doi:10.12133/j.smartag.SA202512007

摘要 ( 224 )

HTML ( 26)

PDF (14802KB) ( 16 )

数据和表 | 参考文献 | 相关文章 | 计量指标

【目的/意义】 针对香石竹鲜切花开放度人工分级主观性强、效率低，以及通用目标检测模型难以兼顾花瓣细粒度纹理表征与模型轻量化的问题，提出一种用于香石竹鲜切花开放度分级轻量化检测模型（Flower Openness Recognition You Only Look Once, Flor-YOLO）。 【方法】 该模型以YOLO11n为基线，对骨干网络、下采样方式及检测头结构进行针对性改进。首先，构建轻量化嵌合特征骨干网络，引入重参数化卷积起始结构与基于部分卷积的C3k2模块，在降低参数量的同时增强对花瓣高频纹理特征的表征能力，并集成融合了上下文锚点注意力的重参数化聚合网络模块以增强对高层语义长程依赖的捕获能力；其次，针对传统空间下采样导致的纹理混叠与细节丢失问题，引入小波池化下采样模块，利用二维离散小波变换在频域显式保留花瓣边缘褶皱等高频判别特征，有效抑制下采样引起的纹理混叠与细节丢失；最后，设计共享细节轻量检测头，通过跨尺度权重共享与细节增强卷积，在降低参数量的同时，解决分类置信度与定位质量不对齐问题。 【结果和讨论】 Flor-YOLO在自建香石竹数据集上的mAP@50达到96.10%，较基准模型提升3.25个百分点；模型参数量与计算量分别为1.26 M和1.1 GFLOPs，同比降低51.2%和82.5%；在RTX4060上的推理速度达到616.09 帧/s。 【结论】 该算法在实现轻量化的同时显著提升了分级精度，具备在低算力移动终端部署的理论可行性，可为香石竹鲜切花自动化分级装备的研发提供技术支撑。

基于改进RT-DETR的棉花成熟度检测算法 |

史绮梦, 汪军, 徐晓峰, 张玮逸

2026, 8(4): 100-113. doi:10.12133/j.smartag.SA202512013

摘要 ( 115 )

HTML ( 16)

PDF (2739KB) ( 13 )

数据和表 | 参考文献 | 相关文章 | 计量指标

【目的/意义】 为满足棉花不同生育阶段对水肥需求差异化调控的需求，实现棉花生长过程的精细化管理，本研究提出一种高精确率、轻量化的棉花成熟度视觉检测算法，为田间管理提供技术支持。 【方法】 基于实时检测Transformer模型，构建棉花成熟度检测模型（Cotton Maturity-Detection Transformer, CM-DETR）。首先，在主干网络中引入重参数化分组卷积空间增强轻量注意力网络模块，融合渐进式卷积与可重参数化卷积，平衡模型轻量化与特征表达能力；其次，构建深度鲁棒特征下采样模块，通过多尺度特征融合增强小目标及细微成熟特征感知；最后，采用聚焦式完整交并比损失函数，提高样本不平衡条件下的定位精度。 【结果和讨论】 CM-DETR模型在平均精度阈值为0.5时达到了80.8%、平均精度在阈值为0.5到0.95时达到51.1%，相比于基准模型分别提升3.7和1.8个百分点，同时模型参数量和计算量分别下降了31.7%和22.8%。 【结论】 研究表明，CM-DETR兼顾高精度与轻量化特性，可为棉花生产过程中的水肥精准调控与最佳采收时机判定提供可靠的技术支持。

基于空间分辨光谱的鲜食玉米含水率和硬度MaMoNet检测模型 |

许敏, 赵鑫, 陈艳萍, 朱启兵, 黄敏

2026, 8(4): 114-126. doi:10.12133/j.smartag.SA202512025

摘要 ( 127 )

HTML ( 9)

PDF (1701KB) ( 10 )

数据和表 | 参考文献 | 相关文章 | 计量指标

【目的/意义】 含水率和硬度是评价鲜食玉米品质的两个重要参数。传统的基于单点测量的近红外光谱分析技术难以实现对带苞叶鲜食玉米含水率和硬度的高精度检测。 【方法】 针对这一问题，以带苞叶鲜食玉米为研究对象，构建多通道可见光-近红外空间分辨光谱采集系统，获取玉米样本的多通道光谱数据，并提出一种融合Mamba状态空间模型与多门专家混合（Multi-gate Mixture-of-Experts, MMoE）机制的多任务预测网络——MaMoNet（Mamba-MMoE Network）。首先通过一维卷积结构进行局部特征提取，然后基于Mamba的多尺度特征提取模块捕捉光谱随波段变化的长程依赖特征，随后引入MMoE模块实现籽粒含水率与硬度预测任务间的特征自适应分配。 【结果和讨论】 结果表明，MaMoNet在测试集上玉米籽粒含水率预测的决定系数R²达到了0.91，硬度预测R²达到了0.89，均优于对比模型。消融实验进一步证明Mamba模块在建模光谱长程依赖关系方面具有显著优势，以及MMoE机制能够有效缓解多任务学习中任务间特征竞争问题。 【结论】 MaMoNet模型能够充分利用空间分辨光谱信息，实现带苞叶鲜食玉米籽粒含水率和硬度的高精度同步预测，可为鲜食玉米品质的快速、无损检测提供高效可行的方案，具有良好的应用潜力。

DC-YOLO：应对遮挡和光照变化的湖羊行为检测 |

李夏溪, 冀荣华, 常宏瑞, 张所向

2026, 8(4): 127-147. doi:10.12133/j.smartag.SA202601021

摘要 ( 135 )

HTML ( 15)

PDF (4980KB) ( 7 )

数据和表 | 参考文献 | 相关文章 | 计量指标

【目的/意义】 畜牧业中，动物行为是评估动物生理健康以及提供环境预警的重要指标。针对集约化养殖中行为检测面临的多目标严重遮挡、光照条件多变、类别分布不均等挑战，本研究旨在开发一种能够实现舍饲湖羊24小时日常行为自动监测的高效算法DCAttention-YOLO（DC-YOLO），以支撑羊群的精准化管理。 【方法】 针对多目标严重遮挡，引入自适应细节-上下文注意力（DCAttention，Adaptive Detail-Contextual Attention）机制构建DCAC3K2模块，并采用边界框相似度Soft-NMS（Bounding Box Similarity Soft-NMS，BS‑NMS）防止错误去除遮挡目标的边界框。针对光照条件多变，预训练光照编码器并将其参数迁移至DC-YOLO。针对类别分布不均，设计综合分类质量焦点损失（CQFL），对遮挡及少数类样本自适应增大损失权重。本研究数据集通过湖羊养殖场全天候监控采集，包含505张标注图像，涵盖饮水、采食、躺卧、舔舐和站立5种行为。 【结果和讨论】 DC-YOLO的重叠度阈值为 0.5 时的平均精度均值mAP@50达到91.4%，相比YOLOv12提高了7.8个百分点。此外，DC-YOLO的参数量为2.29 M，相较YOLOv12减少了8.74%。在CPU环境下，DC-YOLO的推理时间缩短至115.5 ms，帧率提升至8.50帧/s，分别提升了33.2%和48.9%。 【结论】 DC-YOLO在保持低参数量与高推理速度的同时，有效缓解了舍饲环境下多目标遮挡、光照条件多变及行为类别分布不均带来的检测难题，能够为集约化湖羊养殖的行为跟踪与分析提供有效的技术支撑。

基于改进AdaTAD的奶山羊爬跨行为时序动作定位方法 |

王佳源, 李其同, 罗元滔, 杨蜀秦, 王振华, 宁纪锋, 王美丽

2026, 8(4): 148-163. doi:10.12133/j.smartag.SA202601012

摘要 ( 76 )

HTML ( 8)

PDF (2150KB) ( 5 )

数据和表 | 参考文献 | 相关文章 | 计量指标

【目的/意义】 奶山羊爬跨行为的时序定位是繁殖管理的重要基础。针对现有方法多停留在行为判别层面、在未修剪视频中对短时突发行为的起止边界刻画不足，且易受遮挡、视角变化与背景干扰影响的问题，提出一种基于面向时序动作定位的适配器调优（Adapter Tuning for Temporal Action Detection, AdaTAD）改进的端到端时序动作定位方法，以实现爬跨行为的准确识别与起止时间精确定位。 【方法】 以AdaTAD框架为基线，引入视觉提示调优，通过少量可学习Prompt Tokens对主干注意力分布进行任务引导，增强关键帧及边界邻域的特征响应；设计多尺度运动感知适配器，采用并联多尺度时序深度可分离卷积分支建模不同时间尺度的运动模式，并结合残差连接与非线性映射稳定注入主干特征，提升短时微动作与相对完整动作过程的联合建模能力。 【结果和讨论】 所提方法的平均精度均值达到81.72%，相较基准模型AdaTAD提升5.00个百分点；在时间交并比为0.7的更严格条件下达到68.85%，较AdaTAD提升4.06个百分点，表明该方法在高边界精度要求下仍具有优势。模型推理速度为65.78帧/s，可训练参数量为27.941 M，在精度提升的同时保持较低开销。 【结论】 该方法可提升复杂养殖场景下奶山羊爬跨行为的时序定位精度与稳定性，为繁殖行为监测与管理决策提供关键时序信息支撑。

基于PLUS-InVEST耦合模型的平原农区土地利用多情景模拟与碳储量时空演变研究 |

王高程, 刘健, 李莎莎, 张婷婷, 王瑷玲

2026, 8(4): 164-179. doi:10.12133/j.smartag.SA202512028

摘要 ( 114 )

HTML ( 4)

PDF (4211KB) ( 2 )

数据和表 | 参考文献 | 相关文章 | 计量指标

【目的/意义】 碳储量是衡量生态系统功能的重要指标，不同土地类型的固碳能力不同，分析并模拟土地利用变化与碳储量时空特征，可为土地利用优化和区域碳损失风险评估提供依据。 【方法】 以典型平原农业县山东省高唐县为研究区，运用斑块生成土地利用模拟模型与生态系统服务与权衡综合评估模型（Patch-generating Land Use Simulation-Integrated Valuation of Ecosystem Services and Trade-offs, PLUS-InVEST），模拟自然发展、耕地保护、城镇发展、生态保护和可持续发展5种情景下土地利用变化，估算不同情景下碳储量特征。 【结果和讨论】 2009—2023年地类变化明显，尤其是林地与耕地之间转换最显著；期间耕地面积净减少3 184.10 hm²，林地面积净增加1 988.74 hm²，2009—2023年碳储量总体增加1.14×10⁵t，2014－2019年总体增幅约3.56%，耕地碳储量减少最多，林地增加最多；2035年各情景下土地利用类型的空间分布格局基本一致，均呈现中心低、四周高的空间分布规律。不同情景下碳储量均有所不同，城镇发展情景下总碳储量最低，相较于2023年减少3.01×10⁵ t。 【结论】 应注重耕地保护、生态保护与城镇建设的协同发展，避免单一情景政策的局限性。研究通过PLUS-InVEST耦合模型有效揭示了土地利用变化对碳储量时空分布的影响，探明了不同情景下碳储量空间分布特征，为“双碳”和可持续发展目标的实现提供借鉴。

机器学习揭示土壤养分对玉米产量形成驱动作用——以云南地区为例 |

孙佳泽, 曲明山, 杨积忠, 娄垂新, 李光伟, 张钟莉莉

2026, 8(4): 180-191. doi:10.12133/j.smartag.SA202508029

摘要 ( 80 )

HTML ( 3)

PDF (2260KB) ( 6 )

数据和表 | 参考文献 | 相关文章 | 计量指标

【目的/意义】 云南省玉米种植区地形破碎、气候垂直分异明显，土壤养分与产量均存在较强空间差异。本研究旨在明确主要土壤养分对玉米产量差异的影响，提高复杂山地环境下产量预测结果的可解释性，构建融合空间信息与土壤养分特征的机器学习模型，为分区施肥和耕地质量提升提供依据。 【方法】 基于2005—2020年云南省测土配方施肥土壤基础养分数据和5 km玉米产量栅格数据，选取有机质、全氮、有效磷、速效钾及经纬度变量，采用粒子群优化-极端梯度提升模型（Particle Swarm Optimization-Extreme Gradient Boosting, PSO-XGBoost）开展产量预测，并与多种机器学习模型进行对比。为检验空间相邻样本可能导致的精度高估风险，进一步设置空间分块交叉验证和去除经纬度的消融实验；同时引入沙普利加和解释（SHapley Additive exPlanations, SHAP）方法分析各变量贡献及主导因子的空间分布。 【结果和讨论】 PSO-XGBoost在随机划分下决定系数R²为0.91，优于LightGBM（Light Gradient Boosting Machine）、CatBoost（Categorical Boosting）和未优化极端梯度提升模型等；空间分块验证下R²为0.847，说明模型在更严格的空间验证条件下仍保持较好的预测能力。去除经纬度后R²降至0.698，表明空间背景信息对云南玉米产量预测具有重要作用。SHAP分析显示，经纬度反映的区域环境差异贡献较高，有机质、全氮、有效磷和速效钾均对产量形成具有影响，且不同区域主导因子存在差异。 【结论】 云南玉米产量受土壤养分与空间环境共同影响，单一养分难以完全解释产量差异。PSO-XGBoost结合SHAP可用于识别区域产量差异及主要养分约束，为云南山地玉米分区施肥和耕地质量管理提供参考。

基于特征优选与优化算法的干热河谷区柑橘蒸腾模拟 |

吴明清, 李伟康, 王静, 李靖, 裴仁涛, 黄海涛, 邱皇皇, 雷楚靖, 赵多, 黄锦焘, 高志永

2026, 8(4): 192-203. doi:10.12133/j.smartag.SA202511007

摘要 ( 6 )

HTML ( 1)

PDF (2662KB) ( 0 )

数据和表 | 参考文献 | 相关文章 | 计量指标

【目的/意义】 干热河谷正加快建设智慧灌区，蒸腾量是量化作物耗水过程和需水状况的关键指标，其准确模拟是优化灌区水分调控与配水策略、提高灌溉决策可靠性的基础。当前灌区仍以传统机理模型为主，但此类模型参数需求高、对部分参数高度敏感且误差来源复杂，难以在数据受限与地形复杂的实际场景中应用。 【方法】 本研究以10年生柑橘树为研究对象，收集了2020—2022年期间的树干液流与环境因子数据。采用随机森林递归特征消除（Random Forest-Recursive Feature Elimination, RF-RFE）识别蒸腾的关键驱动因子，并对这些关键因子的贡献进行量化分析。随后，基于RF-RFE筛选出的因子，构建了三种机器学习模型：随机森林、支持向量回归与极端梯度提升（Extreme Gradient Boosting, XGB）。最后，引入粒子群优化、贝叶斯优化与异步连续减半（Asynchronous Successive Halving Algorithm, ASHA）对模型进行超参数优化，并系统评估了12种模型的模拟性能。 【结果和讨论】 在RF-RFE中，17个候选变量被精简为5个关键因子（实际水汽压、土壤体积含水率、风速、平均气温和日序数），精简后的模型性能不降反升。其中日序数特征重要性最高，有效整合了区域季节性气候变化与柑橘物候特征。综合对比表明，XGB-ASHA模型具有最优的预测性能，其决定系数为0.91，均方根误差为0.19 mm/d。 【结论】 基于特征优选和代理变量的建模方法，可以实现高精度、低参数依赖的柑橘蒸腾量精准估算，为该地区农业水管理提供智慧决策的科学依据。

多尺度异构特征协同的棉花叶片病害检测模型 |

沈学利, 张越, 金海波, 张旭旭

2026, 8(4): 204-216. doi:10.12133/j.smartag.SA202601027

摘要 ( 110 )

HTML ( 10)

PDF (2420KB) ( 4 )

数据和表 | 参考文献 | 相关文章 | 计量指标

【目的/意义】 面对自然田间场景中背景干扰强、病斑多尺度分布，以及边缘设备算力受限等多重挑战，现有的农业计算机视觉应用亟需高效的解决方案。基于改进RT-DETR（Real-Time Detection Transformer）架构，提出了多尺度异构特征协同的棉花叶片病害检测模型（Multi-Scale Heterogeneous Synergistic Feature DETR, MHSF-DETR）。 【方法】 其核心在于重构了特征提取与融合的内在机制。该模型构建了分层上下文选择感知主干网络，在浅层特征阶段嵌入微宏观空间上下文注意力，防止微小病斑细节在深层网络中被淹没；在深层特征阶段集成竞争性选择融合模块，提升语义定位准确性；在特征融合层面，引入可学习加权上下文融合模块，通过动态学习权重解决层级间的语义错位，并结合边界感知重构机制，以反射填充和部分卷积策略有效抑制了边缘伪影，从而在保证特征鲁棒性的同时削减计算开销。 【结果和讨论】 消融实验验证了各模块的结构协同效应。与基准模型相比，该模型参数量与计算量分别降低22.42%和13.29%，平均精度均值（mAP50）提高了3.2个百分点。与主流算法横向对比，该模型实现精度与效率的更优平衡；在外部数据集的泛化测试下，其平均精度均值分别可达 80.3% 与 86.9%，跨域检测精度优于同规模主流算法。此外，同等条件的边缘仿真测试中，该模型推理速度最优，单帧耗时约1454 ms，具备低功耗部署潜力。上述结果证实，该模型的分层特征提取与动态融合机制的协同作用效果显著，架构层面的优化可在低算力约束下实现精度与效率的统一。 【结论】 本研究提出的模型MHSF-DETR能够有效执行复杂场景下的低功耗检测任务，为构建高效的田间实时监测系统提供技术支撑。

LiteFocus-Net：面向玉米叶片病虫害小目标检测的三点式轻量化增强框架 |

杨玉, 张轶博, 毛波, 章磊

2026, 8(4): 217-237. doi:10.12133/j.smartag.SA202605017

摘要 ( 95 )

HTML ( 19)

PDF (2562KB) ( 20 )

数据和表 | 参考文献 | 相关文章 | 计量指标

【目的/意义】 玉米叶片病虫害早期目标通常具有尺度小、纹理弱、背景复杂以及类间差异不明显等特点，现有轻量化检测模型在田间复杂环境和边缘设备部署条件下难以兼顾检测精度与计算效率。为提高复杂田间环境下玉米叶片病虫害小目标识别能力，提出一种三点式轻量化增强框架LiteFocus-Net。 【方法】 以YOLOv11n为基础模型，从特征提取、细节恢复和损失优化3个方面进行改进。首先，设计自适应核轻量化模块（Adaptive Kernel Lightweight Block, AKL-Block），利用轻量化门控机制在3×3、5×5和7×7深度可分离卷积核之间进行动态选择，提高模型对不同尺度病虫害目标的特征提取能力；其次，提出特征分解重构模块（Feature Decomposition and Reconstruction, FDR），将深层特征划分为结构分支和细节分支，并采用轻量化亚像素重构方式恢复小目标边缘、纹理和局部轮廓信息；最后，提出尺度感知梯度增强损失（Scale-Aware Gradient Boosting Loss, SAGB-Loss），结合特征层级权重和目标面积连续增强因子，提升小目标样本在训练过程中的梯度贡献。 【结果和讨论】 在包含10 324张田间玉米叶片图像、8类病虫害目标的数据集上进行实验验证。LiteFocus-Net的mAP@0.5达到74.97%，相比YOLOv11n提升2.77个百分点；小目标检测精度AP_s由28.10%提升至32.77%，提升4.67个百分点。消融实验表明，AKL-Block、FDR和SAGB-Loss分别从多尺度特征表达、深层细节恢复和训练梯度优化方面发挥作用，三者协同提升了模型对微小病斑、虫卵和孢子簇等弱特征目标的检测能力。同时，模型参数量仅为2.52 M，计算量为5.3 GFLOPs，较YOLOv11n降低15.9%，且中、大目标检测性能保持稳定。 【结论】 LiteFocus-Net能够在较低计算开销下提升玉米叶片病虫害小目标检测性能，在精度和轻量化之间取得较好平衡，可为无人机巡检、农业机器人和边缘智能植保设备提供有效的视觉检测方法。

农业产业链可信数据空间：理论框架、运行机制与实施路径 |

张新, 陈明阳, 赵峙尧, 池程, 王小艺, 许继平

2026, 8(4): 238-254. doi:10.12133/j.smartag.SA202605005

摘要 ( 159 )

HTML ( 6)

PDF (2852KB) ( 25 )

数据和表 | 参考文献 | 相关文章 | 计量指标

【目的/意义】 构建全国一体化数据市场已成国家战略重点。针对当前农业产业链数据要素流通中存在的数据孤岛严重、权属界定困难、隐私泄露风险高及价值挖掘不足等痛点，本文旨在提出农业产业链可信数据空间领域化框架，明确其架构层次、运行机制与实施路径，为农业数据主权保护、受控共享、审计追溯与价值协同提供系统化参考。 【方法】 依据《可信数据空间技术架构》标准，结合农业产业链多主体、长链条、弱算力和数据异构等特征，采用领域化适配方法构建总体架构，梳理语义互操作、连接器受控交互、隐私计算与区块链存证等运行机制；依托自主研发的综合服务平台，结合2023—2025年某市约12万条食品安全抽检监测数据和有机农场业务流程开展场景化说明。 【结果和讨论】 首先构建了包含基础设施与数据资源层、核心层、能力支撑层及应用生态层的4层总体架构，明确了由深层语义互操作、连接器受控交互、价值共创与动态信任共同驱动的数据流转闭环场景说明显示，平台可支撑数据标准化接入、风险画像、链上存证、权限控制和审计追溯等能力，并从制度、技术、生态与实操4个维度提出实施路径。 【结论】 该框架可在原始明文数据不集中汇聚的前提下，为农业产业链数据受控流转、数据主权保护与价值协同提供参考，并为农业数据要素流通和产业链协同转型提供支撑。

数字技术赋能下生态农产品产业链脆弱性的基模分析与韧性治理 |

王翠霞, 胡涛, 李雅琴, 丁雄

2026, 8(4): 255-267. doi:10.12133/j.smartag.SA202604024

摘要 ( 54 )

HTML ( 1)

PDF (2959KB) ( 0 )

数据和表 | 参考文献 | 相关文章 | 计量指标

【目的/意义】 厘清生态农产品产业链脆弱性的结构本源，剖析数字技术、质量溯源与电商平台对其内在反馈回路的调节效应，探究数字技术赋能究竟是消除还是仅缓解了产业链固有的脆弱性，为数字农业与生态农产品产业链治理提供新的理论视角。 【方法】 运用系统动力学基模分析方法，构建生态农产品产业链成长上限结构模型，识别其脆弱性的内生结构根源；在此基础上，分析数字农技平台、基于物联网与区块链的质量溯源技术以及电商平台对系统反馈回路的调节效应，揭示数字技术可能激活的新抑制回路。 【结果和讨论】 生态农产品产业链规模扩张、质量提升与溢价增长过程中形成的成长上限基模是其脆弱性的结构根源。数字技术虽能通过增强正向回路、削弱抑制回路来缓解系统成长制约，但无法消除成长上限的结构性根源，且可能激活新的抑制回路，使脆弱性形态发生转移。 【结论】 生态农产品产业链韧性提升主要依赖于对成长上限的识别与干预，而非单纯依赖技术投入，未来可通过系统动力学仿真与典型区域案例分析，量化关键变量阈值及政策干预效果，为韧性治理提供实践依据。

当期目录