数字农业 Insights关注到，2月初，备受瞩目的“AI-ENGAGE”（推进创新以赋能下一代农业）倡议正式公布了最新一批国际联合研究项目的评选结果，本次共收到了46份提案，最终有六大极具前瞻性的科研项目入选。
AI-ENGAGE（Advancing Innovations for Empowering NextGen Agriculture，推进创新以赋能下一代农业）是一项由“四方安全对话”（美国、日本、印度、澳大利亚）领导人承诺并支持的国际联合研究倡议。其核心目标是加强四国研究人员之间的协同，加速关键技术在农业领域的应用，从而赋能农民提升产量与抗风险能力。
在运作与资金机制上，该倡议由四国的顶级科研资助机构共同牵头实施，包括：美国国家科学基金会（NSF）、日本科学技术振兴机构（JST）、印度农业研究理事会（ICAR）和澳大利亚联邦科学与工业研究组织（CSIRO）。该倡议采取了“单一联合评审、各自独立资助”的创新模式。在此次联合呼吁中，所有提案均由美国国家科学基金会（NSF）牵头进行单一的同行评审。
在资金方面，入选团队的研究人员将分别由其所在国的资助机构提供支持：美国国家科学基金会（NSF）为美国团队提供最高40万美元的资金；日本科学技术振兴机构（JST）为日本团队提供最高6000万日元（含间接费用）的资金；印度农业研究理事会（ICAR）为印度团队提供最高3000万卢比的资金。而澳大利亚联邦科学与工业研究组织（CSIRO）虽不提供直接的新增资金，但巧妙地允许澳大利亚研究人员通过利用现有的资助计划（如McMaster Fellowship和工业博士项目）来深度参与。
根据规划，这六个脱颖而出的联合研究项目为期三年（36个月），已于2025年10月1日正式启动。
数字农业 Insights注意到，通过这6大项目不难看出，AI-ENGAGE倡议正将数字孪生、多组学预测、迁移学习以及空地机器人协同等顶尖技术，全面渗透到“选种、监测、预警、干预”的农业全生命周期中：
🍓 项目 1：基于图像表型与多组学预测的园艺作物改良
由日本东京大学的Sachiko ISOBE、美国康奈尔大学的Gregory Vogel、澳大利亚阿德莱德大学的Bettina Berger以及印度旁遮普农业大学的Jiffinvir Singh Khosa共同主导的项目，将目光锁定了草莓、番茄和洋葱等高价值园艺作物。这是一次针对作物表型分析的全面升级。日本团队将在温室中利用3D建模和微型无人机对草莓的果实大小、形状和营养生长进行高精度的无损评估，并结合RNA-Seq数据评估基因组选择模型的预测能力。与此同时，美国团队将把重心放在番茄研究上，而印度团队则以洋葱为目标，重点开发基于RGB和光谱成像的无损评估方法，并通过深度学习模型推进性状预测，旨在大幅提升全球高通量表型分析和预测育种的效率。
👨🔬 核心研究团队：
- • 日本: Sachiko ISOBE (东京大学 教授) - 主导草莓3D建模与高精度性状评估
- • 美国: Gregory Vogel (康奈尔大学 助理教授) - 主导番茄研究与RNA-Seq基因组模型
- • 澳大利亚: Bettina Berger (阿德莱德大学 节点主任) - 跨作物性状评估合作，并特别关注草莓
- • 印度: Jiffinvir Singh Khosa (旁遮普农业大学 蔬菜育种专家) - 主导洋葱研究与深度学习无损评估
🌾 项目 2：AI驱动小麦精准基因组选择模型
小麦作为全球粮食安全的基石，其抗逆性和产量的提升至关重要。日本东京大学的Hiroyoshi IWATA联合美国华盛顿州立大学的Zhiwu Zhang与印度农业统计研究所的Dwijesh Mishra，正在利用AI为小麦育种打造“最强大脑”。该三国合作项目将深度融合全基因组关联分析（GWAS）、单倍型分析、多性状模型以及基因型与环境的相互作用。通过引入先进的机器学习与AI技术，团队将构建出高精度且多功能的基因组选择（GS）模型，使育种工作者能够基于全基因组标记快速、精准地预测并筛选出具有优良抗性和高产潜力的小麦品种。
👨🔬 核心研究团队：
- • 日本: Hiroyoshi IWATA (东京大学 教授) - 主导利用AI/ML开发GS模型
- • 美国: Zhiwu Zhang (华盛顿州立大学 副教授) - 主导GWAS与GS结合分析
- • 印度: Dwijesh Mishra (印度农业研究理事会 高级科学家) - 提供小麦数据支持
🌐 项目 3： BRIDGE · 面向可持续农业的全球-本地AI系统
面对极端天气和病虫害带来的严重作物减产威胁，单一地区的农业数据往往显得势单力薄。由日本东京大学、美国爱荷华州立大学、澳大利亚昆士兰大学以及印度ICAR专家共同发起的“BRIDGE”项目，正试图构建一个“从全球到本地”的农业网络系统。该系统的一大亮点是采用“迁移学习”技术，将基于庞大全数据集训练出的现有AI模型进行微调，使其能够精准适应印太地区不同环境下特定的杂草种类、病害表现及害虫压力。这不仅能实现农业威胁的实时监控与早期检测，更为当地农民提供了及时且低成本的干预方案。
👨🔬 核心研究团队：
- • 日本: Masayuki HIRAFUJI (东京大学 特聘教授) \- 主导构建全球到本地的农业网络及迁移学习框架
- • 美国: Arti Singh (爱荷华州立大学 副教授) \- 协同AI模型在病虫害及杂草压力区域差异上的微调
- • 澳大利亚: Scott Chapman (昆士兰大学 教授) \- 协同多环境下的AI模型有效性测试与本地化
- • 印度: Alka Arora (印度农业研究理事会 教授)\- 协同推进农业威胁的实时监控与低成本干预系统
🌱 项目 4：Smart Scout · 大豆倒伏监测与产量估测AI系统
大豆倒伏是影响产量的重大难题。来自日本神户大学、美国堪萨斯州立大学、澳大利亚南昆士兰大学和印度理工学院克拉格普尔分校的团队，合作开发了一款名为“Smart Scout（智能侦察兵）”的开创性AI栽培导航系统。在这个项目中，日本团队主攻自动识别作物倒伏的AI模型；美国团队研发用于生长季实时监控的移动计算机视觉系统；印度团队负责将所有AI模块整合，开发出数据可视化和决策支持应用及产量估算模型。最后，澳大利亚将作为“试炼场”，在示范农场中对这些跨国研发的AI技术进行全面的现场试验。
👨🔬 核心研究团队：
- • 日本: Eiji MORIMOTO (神户大学 副教授) - 主导开发大豆倒伏自动识别AI模型
- • 美国: Ajay Sharda (堪萨斯州立大学 教授) - 开发用于生长季实时监测的移动端AI计算机视觉系统
- • 澳大利亚: Justine Baillie (南昆士兰大学 讲师) - 提供示范农场进行全面田间试验与评估
- • 印度: Peeyush Soni (印度理工学院克拉格普尔分校 副教授) - 开发产量估算模型、数据可视化及决策支持应用
🚜 项目 5：HARVEST · 全域农业AI响应与早期预测系统
农业物联网正在走向整体化。由日本大阪大学、美国密苏里科技大学、澳大利亚墨尔本大学和印度国家农业昆虫资源局携手打造的“HARVEST”项目，描绘了一幅未来农业的“数字孪生”蓝图。该项目利用无线通信、传感器网络、无人地面车辆（UGVs）和无人机全方位收集农田数据。日本团队专注于利用3D传感和AI模型构建高精度的数字孪生环境，随后结合生成式AI与多模态融合分析，赋能农民在产量预测、病害检测、干旱控制及精准施肥上进行早期响应，进而建立起适应多种严苛环境的技术生态。
👨🔬 核心研究团队：
- • 日本: Hirozumi YAMAGUCHI (大阪大学 教授) - 主导利用3D传感和AI模型创建数字孪生环境
- • 美国: Sajal Das (密苏里科技大学 教授) \- 协同AI框架的多模态融合与机器学习分析
- • 澳大利亚: Marimuthu Palaniswami (墨尔本大学 教授)\- 协同无线通信与传感器网络数据整合
- • 印度: Kesavan Subaharan (印度农业研究理事会 首席科学家)\- 协同可持续害虫管理及作物早期预警响应
🍎 项目 6：DEVA · 苹果园病害检测与无人系统精准防控
在果园管理领域，“DEVA”项目展现了机器人协同作业的巨大潜力。日本筑波大学、美国普渡大学、澳大利亚墨尔本大学以及印度理工学院的团队，为苹果园量身定制了一套结合无人机（UAV）与无人车（UGV）的疾病检测与控制系统。日本团队的无人机将搭载摄像头和传感器，利用机器学习进行高空疾病分类与测绘；美国团队则设计基于无人车的精准喷洒系统，以最大限度减少化学农药的使用；印度团队负责生成带有地理参考的疾病严重程度地图，并开发一个用于整合空地（无人机与无人车）数据及推荐预防措施的云端平台；而澳大利亚团队通过多光谱和热成像数据分析来持续优化检测算法。这一空地一体化系统将彻底革新传统的果园管理模式。
👨🔬 核心研究团队：
- • 日本: Tofael AHAMED (筑波大学 副教授) - 利用无人机相机/传感器与机器学习开发疾病检测系统
- • 美国: Yu She (普渡大学 助理教授) - 设计基于无人车的精准喷洒系统，减少化学品使用
- • 澳大利亚: Bin Chen (墨尔本大学 讲师) - 分析多光谱和热成像数据优化检测算法
- • 印度: Madan Kumar Jha (印度理工学院克拉格普尔分校 教授) - 生成带地理参考的疾病严重程度图谱及云平台整合
10个月宝宝每天需要喝多少奶粉？
