《华中农业大学学报》推出农业人工智能专题
- 2026-06-24 10:25:01
张之奇
王兴涛任端阳曹文福王建军
（山西农业大学生态农牧研究所，朔州 036001）
摘要智能育种作为现代种业技术革新的核心驱动力，正推动作物遗传改良从经验依赖型向数据驱动型转变。本文系统梳理了智能育种技术体系的构建路径及其在作物遗传改良中的应用进展，旨在为我国种业智能化转型提供理论依据与实践参考。基于高通量表型与基因型数据采集、人工智能算法决策、多组学平台集成等核心技术模块，结合国内外典型案例，综述了智能育种在复杂性状设计、种质资源挖掘与遗传增益预测等方面的突破性进展。智能育种通过构建“基因型-表型-环境”多维数据驱动模型，显著提升了育种效率与精准性。未来应加强生物-信息-工程交叉融合，开发知识嵌入型算法，构建全球协作平台，推动种质资源数字化共享与商业化育种体系重构，建议通过政策引导建立产学研协同机制，加速技术成果向产业端转化。
关键词智能育种；人工智能算法；基因编辑；虚拟育种模拟；智能挖掘；遗传增益；深度学习模型
叶婷1,2
罗真2徐雯颍2李家其2张友昌3王孝刚3宋智勇2,4
1.武汉船舶职业技术学院计算机信息技术学院，武汉 430050；2.华中农业大学作物纳米生物学与技术中心，武汉 430070；3.湖北省农业科学院经济作物研究所，武汉 430064；4.华中农业大学化学学院，武汉430070
摘要智慧农业的发展亟须超越传统环境监测，实现对植物内在生理状态的精准、实时感知。纳米传感器凭借其纳米尺度效应所带来的超高灵敏度、卓越特异性及与生物体系的良好相容性，为原位、无损、动态解析植物生理过程提供了前所未有的技术工具。本文系统综述了面向植物生长监测的纳米传感器的设计原理、材料体系与应用前沿，重点剖析了纳米传感器在植物体内关键生理信号分子（如H2O2、Ca2+、植物激素等）动态检测中的机制与效能。探讨了纳米传感数据（如近红外荧光影像、高频电化学信号）的特有属性对农业物联网、数据挖掘与智能建模提出的新挑战与新兴解决方案；通过结合一个集成多源纳米传感数据的“智慧种植分析系统”实例，详细阐述了从数据采集、智能处理到决策支持的全链条集成路径。从材料创新、智能抗干扰、系统集成与风险评估4个维度，对纳米传感器在迈向规模化田间应用中所面临的瓶颈问题与未来发展方向进行了系统性展望。
关键词纳米传感器；智慧农业；植物生理监测；信号处理；数据融合；生物相容性；精准农业
黄带娣1
杨红云1
孙爱珍2周雅雯1刘磊锟1
1.江西农业大学软件学院，南昌330045；2.江西农业大学计算机与信息工程学院，南昌330045
摘要为实现水稻叶片磷素营养状态的高效、精准诊断，提出一种融合轻量化编码器与改进U-Net解码结构的图像分类模型MobileNetV3_U-Net。以MobileNetV3_large作为轻量化编码器，提取多尺度深层语义特征，并加载预训练权重以加速收敛；解码器采用非对称多尺度上采样与跳跃连接逐级融合浅层特征，实现局部细节与全局语义的高效整合。与经典对称U-Net不同，MobileNetV3_U-Net模型通过逐级调整解码器的通道数和空间分辨率，更紧凑且专注于增强叶片细粒度特征表征，从而提升对磷素缺失特征的敏感性。最终通过自适应平均池化与全连接分类器完成水稻磷素营养状态判别。在水稻分蘖期和拔节期测试集，MobileNetV3_U-Net的准确率分别达到93.33%和87.40%，整体性能优于MobileNetV3_large、GhostNet、ShuffleNet和EfficientNet_b1等轻量化模型。在Plant Village公共数据集的葡萄叶片实验中，模型仍保持较高准确率，验证了其跨场景泛化能力。结果表明，MobileNetV3_U-Net在保持轻量化与高效部署的同时，通过改进U-Net解码结构实现多尺度局部与全局特征的深度融合，可为水稻磷素营养智能诊断提供一种高效、稳健且可推广的技术方案。
关键词水稻；磷素营养诊断；轻量化卷积网络；多尺度特征；改进U-Net
路京奥1,2
顾文辉1,2郑纪业1,2
位国建3史嵩3郑世玲1张晓艳2
1.聊城大学物理科学与信息工程学院，聊城 252000；2.山东省农业科学院农业信息与经济研究所， 济南 250100；3.山东省农业机械科学研究院，济南 250100
摘要为有效控制玉米幼苗杂草危害，提升杂草识别精度，并适配移动端部署需求，提出一种轻量化YOLOv8n-DSSW模型。该模型引入C2f_Dual模块，实现初步轻量化；使用SPDConv模块增强模型对小目标检测和低分辨率图像的感知能力，并进一步实现轻量化；引入SPPELAN模块增强多尺度特征感知能力；回归损失函数使用Inner-WIoU，辅助框优化边界框定位精度并合理分配模型对不同质量锚框的权重，整体提升识别精度与鲁棒性。结果显示，改进后模型在玉米幼苗和杂草识别任务中，精确率、召回率、平均精确率分别提升3.4、1.9、2.4百分点，权重轻量15.9%，浮点运算速度减少14.8%。结果表明，该模型在杂草特征弱、杂草与玉米重叠、形态相似等复杂田间环境下仍保持较高识别性能，模型大小与计算效率适合在移动装备端部署。
关键词玉米；杂草识别；轻量化；YOLOv8n；目标检测
吕林有1,2
李佳慧1赵艳2马艳1何梓源1
1.辽宁工程技术大学环境科学与工程学院， 阜新 123000；2.辽宁省沙地治理与利用研究所， 阜新 123000
摘要 针对传统模型难以解析行距-播种量互作非线性效应的问题，通过双因素田间梯度试验，系统测定冬黑麦关键生育期生物学性状与产量构成要素指标，解析关键生育期群体动态与产量构成的互作效应，构建融合随机森林-递归特征消除的冬黑麦产量预测模型。田间试验结果显示，40 cm行距×600 g/40 m2播种量处理组合能够优化冠层透光率、平衡“源-库”关系及提升抗逆性，实现冬黑麦高产稳产的协同调控；在冬黑麦完全成熟期，系统采集不同处理组的植株样本，并采用标准化试验流程对关键农艺性状，包括穗长、穗质量、穗节数、株高、根长、有效分蘖数、叶片数以及单株种子数进行量化表征，共获得540组有效数据，以单株种子数为预测目标，构建了包含播种行距、播种量、穗长、穗质量、穗节数、株高、根长、有效分蘖数、叶片数等原始变量及6个衍生特征的多维特征集，构建递归特征消除的随机森林（random forest-recursive feature elimination，RF-RFE）模型，模型表现出优异的预测性能（R²=0.951，RMSE=2.28）和泛化能力（OOB-RMSE=4.33）。通过产量预测模型反演获得行距-播种量三维响应曲面，确定了高产参数为行距35~49 cm、播种量535~680 g/40 m2；边际效应揭示行距>45 cm时每增加1 cm减产1.23 kg，播种量>650 g/40 m2时边际收益递减。因此，建议生产实践中将行距控制在40~45 cm，播种量控制在600~650 g/40 m2，既可保证高产又留出操作容错空间。
关键词冬黑麦；随机森林；递归梯度融合；产量预测；边际效应；三维响应曲面
刘琪1
王皓冉1方婉茹1徐娟2
魏小梅1,3
1.华中农业大学信息学院，武汉430070；2.果蔬园艺作物种质创新与利用全国重点实验室，武汉430070；3.农业智能技术教育部工程研究中心，武汉430070
摘要 为解决现有大语言模型在农业果蔬种植等专业细分场景中知识覆盖不足、难以满足实际智能化应用需求的问题，采用领域数据构建、参数高效微调与检索增强生成相结合的方法，提出了一种面向农业果蔬领域的专家问答系统FruitQA-Sys。该系统通过生成器-打分器模块构建大规模高质量果蔬问答数据集，基于LoRA策略对领域大模型FruitBOT进行微调，并结合引导式检索增强生成技术IntroRAG，实现果蔬专业知识的精准问答。结果显示，在自动评估中，FruitQA-Sys的BERTScore为0.76，较DeepSeek-V3提升1.3%，与Qwen-3.0持平； GLEU为0.37，较DeepSeek-V3和Qwen-3.0分别提升2.7%；在人工评估中，系统综合得分达到8.56，较DeepSeek-V3和Qwen-3.0分别提升11.5%和15.7%。结果表明，领域微调大模型与IntroRAG的协同机制能够有效提升果蔬种植场景下智能问答系统的专业性与准确性。
关键词LoRA微调；检索增强生成（RAG）；垂直大模型；果蔬知识问答系统；数据集构建
刘力源1
张学林1陈洪1李伟夫1廖健华2解凯东2伍小萌2郭文武2陈耀晖3
1.华中农业大学信息学院，武汉 430070；2.果蔬园艺作物种质创新与利用全国重点实验室，武汉 430070；3.华中农业大学工学院，武汉 430070
摘要 为促进无核柑橘品种培育、满足高品质柑橘生产需求，提出一种新的花粉活力检测模型YOLOv11-FS。通过人工采集和专家标注的方式，构建了适用于花粉活力检测的数据集，改进了YOLOv11深度神经网络；检测过程中，采用Focal-EIOU损失函数替换YOLOv11的EIOU损失，改善对不均衡样本的检测性能，结合Soft-NMS提升检测框精度，克服柑橘花粉颗粒抱团明显、体积较小且背景复杂等挑战。结果显示，改进的YOLOv11-FS模型在花粉检测任务方面表现优秀，预测的花粉活力与真实的花粉活力误差仅为0.70百分点，可育花粉和不可育花粉检测的召回率、精确率和F1-score分别达98.76%、99.67%、99.22%和94.87%、98.89%、96.84%，满足花粉活力检测基本需求。以上结果表明，该检测方法可实现柑橘花粉活力的高效、精准识别。
关键词 柑橘；花粉活力检测；YOLOv11-FS；Soft-NMS；Focal-EIOU损失
肖永帅
陈若冰时雷郑光尹飞
（河南农业大学信息与管理科学学院，郑州 450046）
摘要 针对复杂果园环境下苹果病害检测中存在的背景干扰强、多尺度病斑识别困难以及模型轻量化部署需求，提出一种基于改进RT-DETR的轻量化苹果病害检测模型EGA-DETR。模型从3个方面进行了改进：设计RGLAN轻量化特征聚合模块，通过特征分流与重参数化卷积减少冗余计算并增强特征表达；构建BiFPN-GLSA多尺度特征融合模块，通过双向特征传递和全局-局部自注意力机制提升不同尺度病斑的表征能力；引入Inner-Shape-IoU损失函数，以增强模型对不规则病斑目标的定位能力。试验结果显示，EGA-DETR在苹果病害数据集上取得了91.8%的精确率、88.9%的召回率和92.1%的mAP50，较基线RT-DETR-18分别提升3.5、3.5、1.5百分点。同时，模型参数量降至11.8×106，较基线模型减少40.4%，推理速度达到120帧/s。综上所述，EGA-DETR模型在检测精度与计算效率之间实现了较优平衡，可为苹果病害精准、实时检测提供技术支撑。
关键词 苹果病害检测；RT-DETR；轻量化特征聚合；双向特征金字塔网络；全局-局部自注意力；Inner-Shape-IoU
张帅平
时雷郑光王慧新尹飞
（河南农业大学信息与管理科学学院，郑州 450046）
摘要 为解决现有苹果叶片检测方法在准确率、实时性及复杂噪声环境下鲁棒性等方面的问题，基于YOLOv8n提出一种轻量化、实时苹果叶片病害检测模型SMPD-YOLO。首先，将SPPFCSPC（spatial pyramid pooling fast cross stage partial CSP）特征金字塔模块嵌入到主干网络，增强特征融合能力。其次，引入MPD-IoU（minimum point distance-IoU）作为边界框回归损失函数，提高模型的精度和收敛速度。再次，通过基于层自适应幅度剪枝（layer adaptive magnitude-based pruning，LAMP）进一步压缩模型体积、降低浮点运算速度。最后，采用通道级知识蒸馏（channel-wise knowledge distillation，CWD）策略，提升检测性能。实验结果显示，改进后SMPD-YOLO模型在IoU（intersection over union）阈值大于0.5时的平均精度均值和帧率分别达到90.20%和133.3帧/s，模型权重、浮点运算速度分别为5.0 MB、7.3×109 s-1。此外，改进模型在强光、弱光及图像模糊复杂噪声环境下仍能展现出优异的鲁棒性。结果表明，SMPD-YOLO模型兼具高准确性、轻量化和实时性，可在资源受限设备上实现高效叶片病害检测。
关键词 苹果；叶片病害检测；YOLOv8；轻量化；自适应幅度剪枝；知识蒸馏
秦皓翔
赵霞
王敏周慧
（甘肃农业大学信息科学技术学院，兰州730070）
摘要 为解决番茄叶片病害检测中存在的类别分布不均、小目标特征提取困难及复杂环境检测精度不足等问题，提出了一种融合多模块的YOLO11改进算法。模型首先采用自适应阈值焦点损失函数（adaptive threshold focal loss，ATFL）替换传统的交叉熵损失，通过动态权重分配策略，针对病害样本不平衡问题优化训练过程，增强模型对低频病害类别的特征学习能力，提高整体检测精度；其次，引入混合池化注意力模块（hybrid pooling attention，HPA）替换C3k2模块中的普通卷积，设计并行池化分支，结合分组特征重校准技术，强化小目标病害的空间特征提取能力，提升复杂背景下的抗遮挡检测能力；最后，将Conv结构中的归一化替换为重参数批归一化（re-parameterized batch normalization，RepBN），引入可学习调节参数重构归一化过程，稳定训练阶段的特征分布，加速模型收敛并增强泛化性能。结果显示，改进后的YOLO11模型在番茄叶片病害数据集上有着很好的性能，其精确率、召回率、mAP@0.5和mAP@0.5：0.95评价指标相较于YOLO11基础模型分别提升了5.8、4.3、2.3和1.2百分点，特别是在小目标病害区域和密集遮挡场景下，具有很好的检测效果。结果表明，YOLO11改进算法有效提升模型对番茄叶片病害的检测性能，实现番茄叶片病害检测精度与鲁棒性的同步提升。
关键词 深度学习；YOLO11；番茄叶片病害检测；损失函数；HPA；RepBN
文纪威1
杨喆2,3王成1靳哲1邓兵3李国亮1方亚平1刘峰1杜小勇1
1.华中农业大学信息学院/农业农村部智慧养殖技术重点实验室/农业智能技术教育部工程研究中心/ 湖北省农业大数据工程技术研究中心，武汉430070；2.农业动物遗传育种与繁殖教育部重点实验室，武汉430070；3.武汉市农业科学院畜牧兽医研究所，武汉430200
摘要 为提高猪病防治知识的获取效率，缓解基层畜牧兽医服务资源匮乏的问题，本研究构建了面向猪病防治的垂直领域知识图谱及智能问答系统。针对多源异构数据描述存在冲突的问题，研究依据兽医病理学建立领域本体，引入BERT语义相似度融合策略，构建专业标注语料库。针对兽医术语复合性强且长尾分布的特点，提出ERNIE-Bi-LSTM-CRF实体识别模型。命名实体识别试验及消融实验结果显示，ERNIE独特的实体级掩码机制能有效克服传统字级掩码对长难术语的语义割裂问题，其F1值达89.63%，显著优于Bi-LSTM+CRF及BERT等基线模型。基于此，集成Neo4j图数据库与意图识别技术开发了微信端问答机器人，测试结果显示该机器人能够准确理解专业性的兽医诊疗问题，并能提供全面、科学的检测指导，有效辅助养殖人员进行疾病确诊。结果表明，所构建系统能够实现从自然语言问题到图谱知识检索的闭环处理，可为猪病辅助诊断与防控知识服务提供技术支持。
关键词 知识图谱；猪病；BERT；XLNet；ERNIE；微信机器人
禹冰1
文纪威1张霄鹏1杜小勇1李国亮1刘丑生2邱小田2方亚平1
1.作物遗传改良全国重点实验室/湖北洪山实验室/农业农村部智慧养殖技术重点实验室/ 农业智能技术教育部工程研究中心/湖北省农业大数据工程技术研究中心/ 华中农业大学信息学院，武汉 430070；2.全国畜牧总站，北京 100125
摘要 为促进大语言模型更好地服务于畜牧业，系统评估了11个通用大语言模型和3个畜牧领域专用模型在专业化考试基准数据集中的表现。构建的LIVED（livestock knowledge evaluation dataset）数据集包含11 037道中文畜牧业知识评估数据集，涵盖选择题、判断题、填空题与问答题4种类型。评估结果显示，各大语言模型性能差异显著，综合性能排名前3的模型分别是DeepSeek-R1（准确率0.700）、Kimi K2（准确率0.681）和DeepSeek-V3.1（准确率0.675）。DeepSeek-R1的选择题准确率最高（0.868），GPT-5的判断题准确率最高（0.842），Kimi K2的填空题准确率最高（0.651），问答题Qwen3-235B-A22B的准确率最高（0.504）。畜牧业专用模型中，神农百晓大模型整体性能最佳（0.630），但仍落后DeepSeek-R1 7百分点。错题分析显示，当前大语言模型的错误主要富集在畜牧经济与管理、畜牧生产管理等方面。结果表明，大语言模型在专业知识准确性与推理能力方面仍存在明显不足，未来垂直大模型研发需优先解决专业知识与推理性能的短板。
关键词 大语言模型；畜牧领域；问答对；基准测试；评估
戴志文1
陈康飞1常安代2苏晓静3谢磊2杨庆勇1杨瑞斌3熊皓2
郑芳1
1.华中农业大学信息学院，武汉 430070；2.华电金沙江上游水电开发有限公司叶巴滩分公司，甘孜 62715；3.华中农业大学水产学院，武汉430070
摘要 为实现鮡科鱼表型的高精度、自动化测量，解决二维图像处理的表型数据不够丰富立体及现有三维点云分割模型对复杂生物结构识别能力不足的问题，本研究以前臀鮡（Pareuchiloglanis anteanalis）为具体研究对象，提出一种适用于鮡科鱼类的端到端三维形态表型提取方法。该方法利用RGB相机采集的多视角图像序列，通过运动恢复结构（SfM）与多视图立体视觉（MVS）算法重建高保真三维点云模型。为有效分离目标与背景，设计了一种融合随机采样一致性（RANSAC）算法与HSV空间颜色特征的复合去噪方法，在保留鱼体细节的同时精确去除背景噪声。针对原始PointNet++网络特征提取不充分的问题，提出改进的PointNet++点云部件分割网络，通过引入基于密集连接的多层感知机DenseNet-MLP、点云三重注意力机制PTA和多尺度学习模块MSB，显著提升了模型对鱼体精细结构的分割性能。试验结果显示，MSE低于10e-5，PSNR均值为60.8，召回率平均值为93.33%。改进后的网络模型的平均交并比（mIoU）、总体精度（OA）和平均精确度（mAcc）评估指标分别达到了88.9%、95.5%、93.8%，相对原模型分别提升了3.5、1.4、1.6百分点。能够精确分割鱼头、鱼身及鱼鳍等关键部件。综上，本研究提出的方法可用于水产动物表型高通量、无接触式的精准测量。
关键词 三维重建；表型提取；点云分割；点云处理；PointNet++
曹佩荣1
张思佳1,2
李政霖1安宗诗1张佳琪1
1.大连海洋大学信息工程学院/大连市智慧渔业重点实验室/大连海洋大学设施渔业教育部重点实验室，大连116023；2.辽宁省海洋信息技术重点实验室，大连116023
摘要 为提升水产疾病防治中复杂与多层次因果关系抽取的准确性，引入一种双向焦点增强机制（bidirectional focus enhancement mechanism，BFM），提出RoBFM模型（RoBERTa-wwm-ext-large bidirectional focus enhancement mechanism）。该模型结合预训练语言模型RoBERTa-wwm-ext-large生成高质量词嵌入，并利用双向长短时记忆网络（bi-directional long short-term memory，BiLSTM）增强长距离依赖性建模。RoBFM的核心是通过BFM机制的前后向权重分配，强制解耦并聚焦因果语义角色。为全面评估模型性能，在公开数据集DuIE和自建的领域专用数据集DLOU-CRE上开展了基线对比试验与消融实验。试验结果显示，该模型在公开数据集DuIE和自建的领域专用数据集DLOU-CRE上的F1值等指标均优于现有模型。尤其在DLOU-CRE数据集上，F1值达到了68.23%。结果表明，该方法用于水产病害防治因果关系抽取中具有更好的效果。
关键词 因果关系抽取；双向焦点增强机制；RoBFM；水产病害防治
赵希庆1
李国亮2吴菲1
1.华中农业大学人力资源部，武汉 430070；2.华中农业大学信息学院，武汉 430070
摘要 作为推动传统农业向现代化转型的关键技术支撑，农业人工智能的发展亟需建立一支具备多学科背景的人才队伍。本文借助 CiteSpace 文献计量软件，以 Web of Science 数据库中的5 638条文献为样本进行纵向梳理，发现农业人工智能领域的研究主要经历3个发展阶段：早期以专家系统为主导的研究时期（1990-2017年），近期大数据及智能化技术广泛应用下的快速发展时期（2018-2024年），以及目前形成完整的智能农业技术链的起步阶段（2025年至今），从中找出未来人才队伍精准引育重点领域方向。同时，本研究通过对全国26所农林类高校师资数据进行了系统收集与统计，发现当前信息与人工智能相关学科专任教师约2 700余人，其中正高职称教师435人，仅学历教育培养44万农业人工智能从业人员所需师资缺口较大。基于上述分析，本文从顶层战略画像、精准引才与体系化育才、多元分类评价激励、高能级交叉平台建设4个维度，提出了系统性的政策创新路径，以期为涉农高校破解师资瓶颈、构筑农业人工智能人才高地提供实践参考。
关键词 农业人工智能；人才队伍建设；CiteSpace；政策创新
创刊于1956年，双月刊，是华中农业大学主办的综合性农业学术期刊，是原国家新闻出版广电总局第一批认定学术期刊（2014年）。《华中农业大学学报》依托华中农业大学在农业和生命科学等学科领域的优势，紧盯学术前沿热点，充分发挥学科综合交叉融合的特点，通过刊载粮食安全与营养健康、生物育种、农业生态环境与绿色发展、智慧农业等领域的农业科技创新成果，展示中国农业科学领域研究的最新进展，培育农业科技创新人才，促进农业科学领域学术交流，引导农业科学研究方向，推动农业科学与信息、生物等学科深度融合，服务农业行业产业发展。本刊现为中文核心期刊、CSCD核心期刊、中国科技核心期刊、中国农林核心期刊（A类）、农业工程领域高质量科技期刊分级目录T1级期刊、RCCSE中国核心学术期刊（A）、WJCI Q1区期刊。《中国学术期刊影响因子年报（自然科学与工程技术·2025版）》数据显示，本刊复合影响因子为3.698，影响因子学科排序8/117，CI学科排序10/117，位居Q1区。
