杂草是农业生产中影响作物产量与质量的“隐形杀手”。传统的杂草诊断极度依赖人工观察和专家经验，不仅效率受限，而且往往伴随着过量的化学农药投入，严重威胁全球粮食安全与农业可持续发展。近年来，计算机视觉技术能够实现杂草的自动化检测，而大语言模型也为智能决策提供了新的可能。然而，如何将冰冷的视觉感知与专业的管理决策真正打通，一直是精准农业面临的一大挑战。
近日，中国农业大学理学院刘亚佳教授团队在农林科学1区TOP期刊Artificial Intelligence in Agriculture（IF：16.097）发表研究论文“Toward autonomous agriculture: Integrating computer vision and large language models for intelligent weed management”。研究提出了一种全新的智能杂草诊断与管理框架，成功将高精度图像识别与大语言模型相结合，为定点杂草管理提供了开创性的解决方案。
慧眼识草：高精度Mamba-Weed检测模型
农业机器人在田间作业时，面临着光照变化、杂草遮挡以及复杂背景等诸多干扰。为了给系统装上敏锐的“眼睛”，研究团队交出了一份亮眼的答卷。
团队基于Mamba架构开发了“Mamba-Weed”杂草检测模型。
该模型融合了轻量级自适应提取（LAE）模块与语义细节注入（SDI）模块，既大幅减少了计算参数，又强化了对复杂背景中多尺度杂草的识别能力。
在包含25种常见杂草的Weed25公共数据集测试中，该模型的精准率高达92.10%，召回率为89.50%，mAP@50达到了93.80%，展现出卓越的检测性能。智慧大脑：DeepSeek+RAG破解大模型幻觉
仅仅识别杂草还不够，关键是提供安全、精准的施药与管理建议。通用大模型往往缺乏农业垂直领域的专业知识，容易产生幻觉问题。该系统以国产开源大模型DeepSeek-V3.2为决策核心。团队创新性地引入了检索增强生成（RAG）技术与结构化提示词工程。系统内置了包含各类除草剂作用机制、适用作物、土壤残留期等信息的专业知识库。当系统识别出特定杂草后，会自动检索相关专业文献，生成涵盖生物学特征、除草剂推荐剂量、施药时期及安全警告在内的专业防治方案。
落地应用：为农业从业者赋能
为了让前沿技术真正服务于田间地头，研究团队还开发了一套用户友好的智能杂草管理辅助系统。该系统支持通过手机或无人机采集图像进行实时检测与批量处理。支持移动平台上的多摄像头实时农田监控。无论用户是否具备农机或代码技术背景，都能通过简单的交互界面获取科学、系统的杂草防治指导。
这项研究不仅构建了从视觉识别到智能决策的完整闭环，也为农业生产中减少除草剂滥用、兼顾经济效益与生态责任提供了极具潜力的技术支撑。
