农业资讯|农业农村部:2025年“十大智慧农业主推技术”公布

该技术构建了AI赋能的智慧施肥技术体系，通过土壤高通量检测机器人、便携式快检设备、传感器、试剂盒以及智慧制图与施肥大模型，实现土壤养分精准检测与施肥方案智能决策。应用该技术可在不减产情况下使肥料用量下降10~22%，粮食作物产量提高8~13%。 

该技术聚焦高效自动驾驶、参数感知、智能调控等核心，集成创制全程智能化作业装备。应用后，可实现除插秧环节外的稻麦智能化无人作业，用工量节约超50%，作业效率提升20%以上，稻麦周年平均增产超5%。

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。 

该技术以空天地一体化监测为核心，实现种植全流程数字化管控。通过精准巡田与农事调度，可帮助规模种植地区实现单产高于区域平均30%以上，推动良田、良种、良机、良法融合。 

该技术构建水肥一体化智能决策系统，实现信息实时感知与远程自动调控。应用后灌溉用水量减少35~60%，化肥用量减少15~20%，人工投入下降70%以上，平均单产提升20%。 

该技术构建了以全基因组遗传调控网络为基础的智能设计育种体系，实现育种从“经验驱动”向“智能设计”跨越。应用后可大幅缩短育种周期3~5年，整体效率提升4倍，分子检测成本降低80%。

该技术集成人工智能、机器视觉、光谱分析等手段，实现果蔬内外品质无损检测与智能分选，并打通全产业链数字化管理。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。