农业农村部:2025年度“十大智慧农业主推技术”

一、基本情况 

　　对大田生产智能化技术不成熟、高质量智能化装备缺乏等问题,聚焦高效自动驾驶、参数精准感知、智能作业调控、协同作业、集群管控五大核心问题,研究突破农机导航自动驾驶系统车载融合技术、作业质量参数在线监测技术、作业智能化调控技术、装备协同作业控制技术、网联集群管控技术,集成创制全程智能化作业装备,构建大田智慧农场应用场景,形成大田农机装备自主作业技术及装备体系。 

二、技术要点及成效 

(一)技术要点 

1.农机导航自动驾驶系统车载融合技术。用于农机高效自主作业路径规划与自动行走控制,包括适配耕种管收全程机型的单机作业和多机协同的高效路径,线性油门、手自一体式变速调节、比例转向等高执行一致性的线控自动部件,实现导航与多种农机高效适配,较国内主流农机无人驾驶效率提升近10%,行走控制可靠性提升超过20%。 

　2.大田农机作业质量参数在线监测技术。用于农机作业质量分析与调控决策,包括耕深、播种施肥量、喷药量、谷物破碎率、谷物含杂率、谷物损失率等在线监测技术,监测误差不超过5%,实现了大田农机作业效果实时监测,为无人农机装备作业参数调控提供可靠的数据支撑。 

3.大田农机作业智能化调控技术。用于耕种管收智能农机高质量作业调控,包括电驱精量播种与施肥技术,播种误差<3%,施肥误差<5%;插秧同步变量施肥控制技术,减少肥料用量15%以上;高效低损收获智能调控技术,实现割台、滚筒、凹板筛、风机等部件参数依据作业质量在线调节,较人工收获,损失率降低0.19%,含杂率降低0.98%,破碎率降低0.14%。 

4.异构装备协同作业控制技术。用于多机高效协同作业控制,通过自组网通信进行主从机的位姿、运动参数、部件参数等的实时交互,采用“位—速”耦合控制实现主从和定点两种协同作业模式,创制“插秧—运秧”和“收获—卸粮”协同作业装备,提高插秧及收获的综合作业效率约30%。 

5.网联集群管控技术。解决农机数据“孤岛”快速网联通讯和数字化智能管理的难题,通过“数字模型同步”和“云—端”交互通信协议与接口规范,装备数据快速入网与应用,实现“数据—决策—执行—反馈”的智慧农场生产闭环。 

(二)降本增效方面 

　　1.智能化无人农机装备实现了除插秧环节外的稻麦智能化和无人化作业,用工量节约超过50%,劳动强度大幅降低,同等人力投入下的日平均作业效率提升20%以上。 

　　2.高精度自动驾驶有效避免了重、漏作业,直线作业误差≤±2.5cm、行距均匀性超过95%,显著改善行间与株间的通风及透光性,有利于稳产增收。 

　　3.在线感知作业质量并自主调控作业,改善了作业质量、进一步提升了农资利用率,稻麦周年平均增产超过5%。 

三、应用条件及要求 

　　该技术适用于大田作物规模化种植场景耕种管收全程智能化生产需求,具体要求如下: 

　　1.规则连片,单地块面积在5亩以上,下田坡道宽度不低于1.5倍的农机主机宽度,坡道倾斜度建议不超过15°。 

　　2.大型农机作业场景机耕道路宽度建议不低于4米,小型农机作业场景机耕道路宽度建议不低于3米。 

　　3.配备较为宽敞的停机库,机库出入口满足农机安全出入需求,场景内卫星信号及网络信号良好。 

　　4.操作人员应通过专业培训,详细了解并掌握智能农机装备人工作业及自主作业的操作规范,并掌握必要的维护和检修能力。 

一、基本情况 

　　针对我国生猪产业上下游存在生产方式落后、环节多、链条长、信息不对称、效率低、运营成本高等问题,该技术基于“IAP数智农业”底层平台,打造生猪企业专属的数智化AI算法,覆盖人、猪、车、物、行为等多个领域,提供精确的数据分析和决策支持,能够精准分析养殖过程中的各类数据,实现智能化决策与管理,有效提升养殖效率、降低成本、保障动物健康,为养殖业的可持续发展注入新动力。 

二、技术要点及成效 

(一)技术要点 

依托IAP操作系统平台与百万级养殖数据训练的AI大模型,结合智能硬件的融合接入,构建“感知—决策—执行—反馈”的全链闭环系统,实现环境调控、行为识别、精准饲喂与疫病预警等功能的深度融合。 

1.AI算法技术。通过自研Loki算法平台,重点为猪场提供AI巡检、洗消监管、精准饲喂、智能能耗、智能环控、数智监管、远程卖猪、AI盘估八大算法应用,聚焦人猪行为识别、猪场盘点估重及疫病预警等核心场景应用。通过非接触式性状测定,利用3D重建、测量、补偿等技术,识别体长、体高、体宽、腹宽、臀宽、腹围、臀围、管围等27个关键点,利用多角度深度数据采集与点云融合等,实现猪只盘点、估重及行为识别等关键信息。同时,开展动物视觉及声纹识别、动物及人的行为监测等算法研发应用,重点突出猪场无人化、智能化和精细化的过程管理,实现对猪场日常生产的全流程管理,有效提升猪场的管理水平。 

2.数字孪生技术。以3D建模、智能分析、数据可视化搭建基础底座,结合传感器网络、物理仿真、数据处理和数据驱动等关键技术,1:1还原猪场,实现厂房布局及设备协同的仿真,以三维可视化的形式立体化呈现猪场运行的综合态势,利用边缘计算,实现虚拟猪场对实体猪场的精准信息传达、远程操控,感知猪场的发展趋势和运行风险,为猪场场景化应用提供积淀、融合、开放、稳定的技术能力支撑。 

3.大模型技术。整合十年农牧大数据+农牧专业知识库超5000万条产业数据与专家经验数据,精准适配农业场景和需求。首创多Agent协同架构,构建混合专家矩阵,融合多模态感知与强化学习技术,打造上千项核心技能,拥有自动路由、专业化分工、分布式执行和多流程编排等能力,实现从育种、养殖、屠宰加工等全产业链、全流程的技术赋能,突破通用大模型在垂直领域的泛化局限。 

(二)降本增效方面 

　　该技术可赋能不同的应用场景,实现猪场远程化、精准化、可视化管理。以某母猪存栏500头猪联网用户为例,利用本技术赋能生产管理环节,可使配种分娩率由82%提高到87%;PSY由24提高到26;料肉比由2.8降低到2.65,降低0.15;同时,可将人工效率由300头/人,提高到450头/人。综合测算,每头母猪年节省900元。 

三、应用条件及要求 

　　1.软硬件建议母猪存栏500头以上的规模猪场;供应链及大模型产品无特殊要求。 

　　2.自繁自养、家庭农场、个体户等模式全覆盖。 

　　3.网络基础支撑(4G/5G等);手机、计算机等终端设备。 

　　4.操作人员应通过培训,详细了解各软硬件产品使用说明书,掌握操作和使用技术要点。

一、基本情况 

　　我国水产养殖产量大,但并非养殖强国,存在资源利用率低、单产低、劳动强度大、饵料浪费严重等产业问题。本技术聚焦水质精准检测、智能装备与智能管控三大核心领域,创新研发了水产养殖智能工厂等系列技术,推动养殖产业绿色高效智能转型。 

二、技术要点及成效 

(一)技术要点 

1.水质参数长时间精准测量技术。自主研发9种在线水质传感器,涵盖溶解氧、温度、pH、氨氮等参数,在陆基工厂养殖中实现实时、连续、高精度监测,整体测量误差较行业标准降低30%以上。其中包含多项核心突破:提出了基于阻抗测量的溶解氧传感器电解质流失故障诊断方法,显著提升传感器寿命与稳定性;创制了柔性可穿戴阵列式溶解氧传感器,为局部水环境精准监测提供新手段;开发了基于氮掺杂石墨烯量子点荧光法的氨氮检测方法,增强检测灵敏度与抗干扰能力;构建了基于多传感融合的亚硝酸盐预测系统,实现关键水质参数的软测量与预警。本装备实现了从单点检测到智能诊断、从硬件创新到算法融合的全面自主创新。 

2.跨网多设备可靠性传输技术。采用自主研发的“动态跨网适配技术”攻克了异构设备(无线/有线)在复杂网络环境下的高效协同通信难题。配套专用无线采集器与控制器,在复杂养殖环境中保障数据传输可靠性,系统丢包率低于0.1%,支持大规模设备集群稳定组网,为大规模物联网应用提供底层支撑。 

3.多路气动智能投饵技术。自主研制了矩阵式气动投喂装备高精度下料、饵料长距离低损耗输送等核心装置,整合智能控制、生物量实时估算、料位自动检测与智能称重测量等核心功能,构建智能投饵控制模型,实现多通道精准饲喂与低破损输送。实际应用中,颗粒饵料破损率降低20%以上,显著减少饵料浪费与水质污染,整体投饲效率提升30%以上。 

4.智能巡检技术。开发了具备全自主运行能力的养殖车间巡检机器人,搭载自研导航与识别算法,实现车间地图自动构建、精准定位导航及无电自动回充。该装备可实时监测池内鱼群状态,死鱼识别准确率高达95%,为养殖管理提供关键数据支持。 

5.大模型技术。集成水质测控、精准投喂、病害预警等智能模型库及310亿参数量的范蠡大模型,实现水质信息、鱼类表型行为、病害状况、装备工况等全要素实时感知。通过数据驱动的智能决策,将养殖各环节从经验化操作升级为精准化管控,大幅提升生产管理效率。 

(二)降本增效方面 

　　1.多路气动投饵机结合基于鱼类摄食行为、环境胁迫及健康状态识别制定的投喂策略,可节约饵料10%。 

　　2.水质精准调控技术通过变频调速控制增氧机、微滤设备等,大幅提升养殖水体循环利用率,平均可达95%,同时车间节电20%、节氧30%。 

　　3.实现养殖密度大幅提升,海水养殖石斑鱼产量达到40kg/m3,淡水养殖鲈鱼产量达到90kg/m3。 

三、应用条件及要求 

　　1.单个车间养殖总水体大于900m3。 

　　2.适用于陆基工厂化循环水养殖(含工厂化鱼菜共生)。 

　　3.养殖工厂需要有网络基础支撑(4G/5G/WIFI)。 

　　4.操作人员应通过培训,详细了解多路气动投饵机、巡检机器人、管控云平台等装备和系统使用说明书,掌握操作和使用技术要点。 

一、基本情况 

　　针对蛋鸡育种表型数据获取劳动强度大、人工效率低,育种功能数据处理周期长、计算效率低,选种选配目标性状及种质特征挖掘使用不充分等问题,以信息技术与蛋鸡育种深度融合为路径,研发应用了蛋鸡智能选育选配关键技术。 

二、技术要点及成效 

(一)技术要点 

1.表型自动获取技术。个体识别方面,创制了基于频分多址(FDMA)和时分多址(TDMA)的无源电子翅标,克服多标签同时通信的冲突,实现多标签同时通信条件下的信号非对称加密,信号丢包率从0.5%降低至0.01%,个体识别与表型性状关联准确度从95.47%提升至99.97%,有效解决了人工记录数据错乱问题。表型测定方面,构建了种鸡羽毛覆盖度等级评价模型与鸡冠外观轮廓识别技术,实现了种鸡冠形与羽毛覆盖度非接触式表型测定,平均准确率达到90.13%,表型性状测量人工投入从2~3人减至1人。数据汇聚方面,集成了种鸡生产、生长、蛋品、健康、繁殖等6大类表型性状自动采集的数据,联通“核心群—扩繁群—商品群”世代数据流,构建了链条完整、可追溯的蛋鸡育种表型大数据库。 

2.选种数据生成技术。数据质量把控方面,应用6大类表型性状原始数据自适应质控方法,通过差异化规约和异常值预警,实时检测并精准剔除异常数据,实现蛋鸡选育的149个性状和3065个指标的精准质控,解决了大规模原始性状数据质量参差不齐的问题。计算效率提升方面,应用海量选种数据弹性负载算力扩展编译方法,生成个体、亲本、同胞、表型值、常规育种值、基因组育种值等6维度数据,选种数据生成时间从7天缩短至2~3小时。 

3.智能选种选配技术。单性状量化方面,联合分析各品系与商品代对应周龄性状,量化品系与商品代群体性状(如产蛋数、蛋重、蛋壳品质等)贡献值,明确各品系重要性状参数,构建了“京系列”不同品系种鸡的精准遗传画像。多性状选种方面,开创了遗传特征演化与多类混合模型协同的蛋鸡多性状(蛋壳颜色、蛋壳强度、产蛋数和蛋重等)选择方法,通过多性状淘汰理论与自我学习优化,最大化各主选性状的选择顺序与遗传进展,相关成果应用于峪口禽业核心群三个世代的选种。公母鸡选配方面,构建了遗传亲缘关系网与后裔性状加权二分图组配方法,利用基因组信息构建了公母鸡之间的真实亲缘关系矩阵,实现公母鸡最优配对,最大化公母鸡之间遗传多样性(亲缘关系最远),选种选配时间由14天缩短至2天。 

(二)降本增效方面 

　　1.改变了传统选育“白天测定、晚上分析、半夜挑选”的作业方式,实现了育种数据的自动采集、高效分析和智能选择,育种效率提高了70%以上,人工投入节省50%。 

　　2.与常规选种方法比较,每个世代产蛋数提高了7.5%以上,蛋壳强度提高了28.6%以上,蛋重增加了7.3%以上。 

三、应用条件及要求 

　　1.技术适用于具备“核心群—扩繁群—商品群”等基础的蛋鸡育种主体。 

　　2.具有存储设备、配套服务器或计算机等硬件资源,确保数据存储的物理空间和本地计算需求。 

　　3.定期校准表型、生产性能测定等硬件设备,定期对软件系统做好更新,确保数据采集准确性、系统稳定性。 

　　4.操作人员应熟悉蛋鸡选育选配流程,详细了解技术要点、设备安装使用要求。 

一、基本情况

　　农业新型经营主体逐渐发展壮大,但规模化种植过程中缺乏决策数据支撑、种植过程管理粗放、农业生产服务资源分散三大核心痛点,严重制约产量提升。该技术以规模化作物标准种植和空天地一体化监测为核心技术,立体感知复杂时变的大田环境及作物状态,通过种植全流程数字化管控,确保农事作业贴合大田作物生长规律,实现大面积单产提升。 

二、技术要点及成效 

(一)技术要点

1.空天遥感技术。突破多源异构数据融合瓶颈,实现48颗卫星与13类无人机影像的自动处理,经过实际应用数据验证后形成东北地区高频次遥感监测能力,大田作物识别及水稻、玉米、大豆等主粮作物长势分析准确率可达90%,能够分析土壤养分、查看作物长势、管控农事进度、估算作物产量、监测洪涝及倒伏等灾害。 

2.大田精准巡田技术。构建“天空地人”一体化巡田体系,发挥遥感监测大尺度、无人机精细化及物联网设备定点监测技术优势,实现巡田全场景覆盖、数据精准提取与作物生长状态分析诊断,解决大田种植面积广、环境复杂、人工巡田效率低等痛点问题。 

3.农事作业精准调度技术。基于北斗定位与物联网传感技术,对主粮种植所需的农机、农资等生产要素进行数字化管理,结合作业标准、农事环节、环境数据调度农机作业、测算农资用量,确保生产要素集约化配置。 

4.农事作业监测告警技术。应用大数据分析、北斗定位、物联网传感监测农机作业,告警异常速度、深度作业状态,生成农机作业报告,确保规模化种植农艺标准落地执行,解决传统农事作业凭经验、粗放化、难追溯等痛点问题。 

5.大数据治理技术。构建农业全生命周期数据治理框架,建立多源异构数据的业务萃取与质量可信控制数据管理能力,通过数据平台解决数据孤岛,为系统应用提供数据服务接口,支撑产前规划、精准巡田、农事作业、产量分析等场景应用。 

6.精准画像技术。对资源、土地、种植过程、农机、农户进行精准画像,实现规模种植生产要素特征的精准刻画,支撑产量分析、生产过程回溯、标准成本分析、农贷助手及种植保险等农业场景。 

(二)降本增效方面 

　　1.集约化配置农资、农机等生产要素,产前进行种植规划,产中监测大田环境及作物长势,落地执行农艺作业标准,产后进行种植生产复盘,推动良田、良种、良机、良法、良制融合,实现应用地区高于黑龙江省平均单产30%以上。 

　　2.精准巡田可大幅提升田间管理效率,扩大巡田覆盖范围。遥感巡田数据验证适配后支持五天一次长势监测,配合无人机定点巡田,结合物联网设备24小时感知大田农情。帮助种植者迅速掌握规模大田作物生长状态,及时感知作物状态不佳、病虫草害及灾害等异常情况。全方位盯田、早发现问题、精准施策,从“靠经验猜”到“靠数据判”保障高产。 

三、应用条件及要求 

　　1.规模连片耕地5000亩以上,配有相应农资储藏仓库、农机停放检修场地、粮食收获晒场。 

　　2.3万亩配备1台375马力以上的联合整地机组;4万亩配备1台风幕高地隙自走喷药机;6千亩配备1台200马力轮式拖拉机,用于施肥、播种、中耕、基础整地、起垄等作业;5千亩地配一台120马力以上轮式拖拉机,用于镇压、运输、拉水、送种、送肥等作业;1万亩地配一台300马力以上自走收获机。 

　　3.适用于水稻、玉米、大豆规模化种植生产。 

　　4.适用于要素集中配置、统一调度的规模化种植模式,生产要素自主配置、种植决策及农事作业独立开展的分散化种植模式需定制适配。 

　　5.规模化种植主体应通过系统培训,详细了解种植作物农技农艺标准,掌握数字化工具操作和技术应用要点。 

一、基本情况 

　　该技术立足小麦高产高效栽培理论，构建水肥一体化智能决策支持系统，融合物联网、人工智能、大数据和云计算等新一代信息技术，实现农田信息的实时感知、模型化分析与远程自动调控，使水肥供需在时间与空间上高度匹配，推动管理模式从“经验决策”向“数据驱动、智能决策”转变，有效破解了冬小麦生产中干旱缺水、水肥利用效率低、产量提升受限及智慧化程度不足的产业技术难题。 

二、技术要点及成效 

（一）技术要点 

1.北斗导航无人化智能作业技术。依托北斗高精度定位系统、智能电控单元与多传感器协同控制的无人驾驶小麦播种机，实现厘米级精准作业轨迹控制。具备分层施肥与宽幅播种功能，按１：２：１比例将底肥精准施入８、１６、２４厘米三层土壤，实时感知作业状态并自动调节排种排肥量，显著提升播种质量与作业效率。 

２.基于积温模型的精准播控技术。基于区域积温预测与土壤肥力分级的播种决策模型，综合分析历年气象数据、土壤肥力等级及作物品种特性，自动生成最优播种方案，实现播种密度与播量的智能化推荐与精准控制。 

３.作物模型驱动精准按需补灌技术。应用自主研发的冬小麦按需补灌水肥一体化管理辅助决策系统，配合土壤墒情传感器、气象监测与灌溉控制系统，在播种、越冬、拔节、孕穗、开花及灌浆等关键生育时期智能判断补灌需求并执行精准灌溉，实现作物需水动态最优匹配，全生育期灌水控制在９０～１５０ｍ３／亩。 

４.云决策水肥一体化智慧调控技术。基于云端决策引擎与作物水肥需求模型，融合多源数据智能生成差异化水肥方案，自动调节注肥时长与流量，实现水肥一体、定量、均匀施用。在无灌溉需求但需追肥阶段，系统可启动“微灌追肥”功能，确保作物高效吸收与养分平衡供给。 

５.AI赋能无人机智慧植保技术。应用搭载AI视觉模型的多光谱巡田无人机，融合可见光与多光谱影像及物联网与气象数据，构建“天空地”一体化智能监测体系，实现小麦病虫草害的高精度识别与风险预警，生成防控处方图指导植保无人机按需精准喷防，降低农药使用量，推动病虫害绿色防控。 

６.智能收获与损失控制技术。采用配备北斗导航与籽粒损失监测系统的小麦联合收割机，系统实时监测籽粒损失率，自动调整割台与风选参数，最大限度降低收获损失，保障作业质量与效率。 

（二）降本增效方面 

　　１.节水节肥效果显著：通过按需补灌与智慧决策，灌溉用水量减少３５～６０％，化肥用量减少１５～２０％。 

　　２.智能作业提效降本：依托无人化与智能化装备，关键环节作业效率达到传统模式的２～３倍，人工投入下降７０％以上。 

　　３.稳产增产成效突出：通过精准调控水肥供需与群体结构优化，提升小麦群体结构，穗粒数与千粒重同步提高，平均单产提升２０％。 

　　４.绿色低碳生态协同：氨挥发和氧化亚氮排放降低２０％以上，土壤有机碳年均提升２．７％，实现固碳减排与农田生态良性循环的协同增效。 

三、应用条件及要求 

　　１.适用于黄淮海及西北地区具备机井或管灌条件，地势平整、排灌便利的田块，规模面积一般在１０００亩以上。 

　　２.应配备基础滴灌或微喷系统、施肥装置及农业机械，原有设施设备需根据系统集成要求进行升级与改造。 

　　３.管理和操作人员须经系统培训，熟练掌握智慧云平台的监控操作和系统维护。

一、基本情况 

　　传统大豆育种模式不仅育种周期长,且育种效率低下、突破性品种稀缺,已成为制约大豆产业高质量发展的瓶颈。该技术聚焦大豆智能设计育种技术研发,系统开展重要育种性状基因调控网络解析、精准育种技术构建及育种加速技术的研发,成功构建以全基因组遗传调控网络为基础的智能设计育种技术体系,实现了大豆育种从“经验驱动”向“智能设计”的跨越式转变。 

二、技术要点及成效 

(一)技术要点 

1.全基因组智能选配技术。首创全基因组亲本智能耦合表型预测(WPICP)模型,开发5种基于人工智能的全基因组选择模型。基因型到表型的预测准确性较传统算法提升28.6~73.7%,可精准淘汰80~90%的低概率杂交组合。例如,在耐盐碱新品种“东生118”的培育中,以高油、高产、耐盐碱等目标性状,以2500个具有三种目标性状的优异单倍型为阈值,在杂交组合早期阶段淘汰90%以上的低概率杂交组合。 

2.基因型分级选择技术。研发“中科豆芯”系列液相育种芯片,包含20659个SNP标记,其中85%位于基因编码区,较同类芯片占比高出42%以上。采用“低世代0.2K初选、中世代2K精选、高世代20K决选”的分级筛选模式,每世代可淘汰90%的低价值个体。在耐盐碱新品种“东生118”的培育中,通过三级筛选体系的逐步升级,精准鉴定并保留耐盐碱、油含量和产量关键基因,确保育种后代中优良基因型的稳定遗传。 

3.高效绿色加代技术。研发大豆生长环境智能响应模型,集成矩阵排列光源和多通道温光水肥调控系统,建成“息壤”育种加速器,实现每年5代的快速繁育。配套精准栽培管理和病虫害绿色防控体系,确保加代过程中90%以上的成活率和结实率。“东生118”培育过程中利用该技术大幅缩短培育周期,为其早日进入生产应用提供了时间保障。 

4.智能新品种培育技术。整合前述三大核心技术,通过模型筛选优质杂交组合、芯片精准鉴定基因型、加速器大幅缩短育种周期,聚合优良单倍型培育大豆新品种。同时,配套构建区域试验网络和数字化推广平台,为新品种培育与应用提供全流程技术支撑。“东生118”表现出良好盐碱抗性和高油高产性状:2023年在吉林省农安县530亩重度盐碱地,单产达到224.78公斤/亩,为对照品种的2.4倍;2025年在吉林省公主岭市扩繁1300亩,制种田亩产达334.07公斤。 

(二)降本增效方面 

　　1.大幅缩短育种周期,较传统育种缩短3~5年,加速优良品种迭代速度,有助于解决突破性品种培育滞后的产业痛点。 

　　2.显著提升育种效率,整体效率提升4倍,节省人力物力投入80~90%,分子检测成本降低80%,大幅降低育种成本。 

　　3.生态效益突出,育成品种每亩固氮8~12公斤,替代20—30公斤尿素,耐盐碱品种可提升土壤有机质12.3%。 

三、应用条件及要求 

　　1.须具备标准分子生物学实验室、人工气候室、育种考种室、育种鉴定试验田等基础设施。 

　　2.可灵活适配试验田、示范田及大规模商业化种植田等不同场景,无严格规模限制,便于各级育种单位和种植主体推广应用。 

　　3.开展基因分型检测需配备分子生物学相关设备,或与技术服务机构合作,且须具备4G/5G网络或局域网支撑;应用育种加速技术需配备可24小时调控光照、温度、水肥等环境条件的人工气候室;材料种植需配套灌溉设施及播种、收割等农业设备。 

　　4.相关人员需经系统技术培训,熟练掌握全基因组选配模型操作、芯片检测数据分析等核心技术要点;育种相关人员需深入了解配套栽培技术规范,积极配合开展品种适应性种植与数据反馈工作,确保技术优势充分发挥。

一、基本情况 

　　针对我国农产品商品化处理水平低、加工过程信息化管理水平薄弱等难题,集成应用人工智能、机器视觉、光谱分析、物联网、云计算等先进技术,突破果蔬品质无损检测关键技术,实现果蔬智能分选分级,同时开发智慧加工管理云平台,打通从“田间到餐桌”的全产业链信息流及物流,实现从种植、采收、生产、加工到仓储、物流的管控与全流程追溯。 

二、技术要点及成效

(一)技术要点 

1.基于机器视觉的果蔬外部品质快速识别技术。研发了多频段全景式视觉信息采集系统,实现果蔬运动过程中全方位、多波段、立体式高清图像快速获取;创建了基于深度学习的果蔬视觉品质检测关键技术,实现颜色、尺寸、果形、虫病疤、白斑、油胞、开裂、机械伤等多类重要表面特征的像素级定位与识别,并针对形状复杂、边缘模糊、肉眼不可见等复杂瑕疵,显著提升识别精度。 

2.基于高光谱传感的果蔬内部品质无损检测技术。创新研发内部品质高光谱传感系统,构建了高信噪比光谱采集系统,实现厚皮水果透射弱光谱信号的高效稳定获取、增强和校正;突破了基于频谱特性与高光谱成像的光谱综合分析技术,构建内部品质深度学习定量检测模型,实现果蔬糖度、酸度、含水量、内部病变等内部品质无损检测。 

3.果蔬采后智慧加工与全链条数字化管理技术。以果蔬智能分选装备为核心,应用物联网、MES等技术及产品,构建绿萌云果蔬采后智慧管理云平台,不仅可实现加工信息实时采集与可视化呈现、设备运行监控、加工订单数字化生产调度,还可将果蔬分选数据与前后端数据连接,打通从“田间到餐桌”的全产业链信息流及物流,为农业生产提供覆盖“产”、“供”、“销”全业务链的果蔬智能分选与全链数字化解决方案。 

(二)降本增效方面 

　　1.通过智能装备分选分级,平均每处理一吨果蔬可节约人工成本417元、附加值增加4000元,每年可累计带动果蔬采后增值超500亿元,有效促进产业降本增效,拓宽农民增收致富渠道。 

　　2.通过智慧加工管理平台数据整合与分析,既可为前端的果农专业化种植、政府决策、专家远程指导、生产资料投入及推广等提供决策依据,也可实现差异化营销与精准化对接,同时为消费者提供产品全生命周期质量安全追溯及反馈渠道。 

三、应用条件及要求 

　　1.技术应用应具备满足生产线占地需求的基础厂棚设施,平整硬化场地,配备稳定电力及网络。 

　　2.操作人员应通过专业培训,熟悉设备使用方法、操作流程与安全应急措施。 

一、基本情况

　　针对荔枝上市期较短且不耐贮运、加工附加值低等问题,该技术集成了“多维品质检测—协同预处理—超低温速冻—冻眠保鲜—高保真解冻还原—高值化精准加工”的全链条智能加工技术,从全产业链解决了荔枝采后损失率高、保鲜期短、精深加工薄弱等核心痛点,打破了“优质农产品难保存、深加工缺乏原料”的恶性循环。 

二、技术要点及成效 

(一)技术要点 

1.“人工智能+”多维品质智能无损检测技术。采用低场核磁共振、超声波、高光谱等无损检测技术与装备,结合机器学习算法,分别开发了高光谱—无损检测理化性质、超声波—无损荔枝中心温度、低场核磁共振—无损检测水分状态的智能检测方法 

2.“人工智能+”全方位协同预处理技术。利用人工神经网络模型结合遗传算法对复合保鲜液进行配方优化。优化后的复配保鲜液使果皮多酚氧化酶活性降低84.46%,花色苷保留量提升208.9%。利用人工智能技术筛选了耐超低温、抗刺穿、高导热性的高分子材料,开发密封率超95%的速冻荔枝专用双向拉伸保鲜膜。 

3.“人工智能+”超低温液氮速冻锁鲜技术。搭建基于LabVIEW的多传感器隧道式液氮速冻机内腔温度监测系统,温控精度达±1℃;使用计算机数值模拟技术对液氮速冻设备温度场进行仿真,结合田口实验设计优化液氮速冻工艺(速冻温度、风扇转速及喷嘴类型),实现速冻产能≥2吨/每小时,节能15%以上。 

4.“人工智能+”冻藏贮运与解冻还原技术。设计了智能化速冻锁鲜荔枝专用的双通道快速自动套袋、封装、称重、贴标、码垛成品包装自动生产线;运用计算机模拟技术构建了不同品种荔枝解冻传热模型,结合高保真解冻还原设备实现速冻荔枝的智能化解冻。 

5.“人工智能+”高值化精准加工技术。结合网络药理学、分子对接等大数据与计算机模拟技术研究了冻眠荔枝不同组分(果皮、果肉、果核)不同活性物(多酚、多糖等)的生物功能及分子机制,为后续精准加工提供了科学依据;活性提取技术装备结合自动化机器人系统,用机械臂自动完成原料投料、废渣清理、成品包装等工作,与智能感知系统联动,实现柔性生产;开发了以速冻荔枝为原料的健康功能食品与岭南风味特色食品。 

(二)降本增效方面 

　　1.实现了新鲜荔枝以年为单位的长期保鲜,与传统冷冻荔枝相比,冻眠荔枝色泽保持率提升≥50%,质构特性提升≥40%,感官评分提升≥55%,并且综合品质还原度能达到新鲜荔枝的85%以上。  

　　2.自动化、智能化的加工生产技术与装备可节省人力成本30%,提升生产效率30%,同时将产品不良率控制在2%以内。 

三、应用条件及要求 

　　1.基础设施要求为预处理车间、耐腐蚀防滑地面,分区设置原料处理区、护色区、包装区;需配备液氮超低温速冻设备、冷链仓储设施及中试规模提取设备;同时需配套稳定电力等。 

　　2.操作人员应通过培训,详细了解荔枝智能速冻锁鲜与高值化加工技术规程与产品质量标准,掌握操作和使用技术要点。

来源：农业农村部