秋秋 AI 农业日报 · 2026-10-06 – 秋秋 AI 农业日报

本期汇集近期农业AI领域的研究进展、机构项目与应用案例。内容涵盖中国农业科学院的植物表型重建方法和家畜智能项圈应用、欧洲与国际组织的农业基础模型构建计划、美国农业部的视觉数据平台，以及葡萄酒烟熏污染处理等多个方向。这些是已公开的研究报道与项目进展,不是今日新闻发布。

本期整理日期：2026-10-06。以下资料分别标明案例、研究或工具属性及原始日期，不代表全部在今天发布。

今日 AI 农业精选

1. CGIAR AI中心将农业科研转化为AI产品

CGIAR数字化转型加速器在阿布扎比建立AI中心，通过与各研究中心、AI专家和推广伙伴协作，将数十年农业研究成果转化为实用数字产品。中心采用产品导向流程，与科学家和终端用户代表共同设计，在短周期内将想法转化为可验证原型。目前正在开发农业大语言模型AgriLLM、基因库AI平台Genebank AI和水文AI工具Hydrology AI等产品。AgriLLM基于来自CGIAR及合作伙伴的问答对训练，计划支持多种当地语言为农民提供可靠的情境化建议。Genebank AI链接基因、性状和表型数据帮助育种者更快识别抗性种质，Hydrology AI结合实时全球数据集简化流域水文建模。

AI的作用：将科研数据转化为面向农民与决策者的应用工具

农业知识锁在论文中难以在决策时获取

了解或试用：AgriLLM已发布，可关注CGIAR AI Hub网站获取访问方式

阶段与局限：机构项目报道。模型准确性依赖训练数据覆盖范围，当地语言支持需逐步扩展

CGIAR AI Hub · 研究资料 · 2026-05-18

2. 手持设备微抖动辅助植物三维表型重建

中国农业科学院信息所团队利用手持设备拍照时的自然抖动来重建植物三维形态。传统方法需要精确的相机参数和稳定拍摄，这套方法反其道而行，把抖动产生的微小视差作为深度线索，结合神经渲染框架从短视频中同步推算相机位置、镜头特性和场景深度。针对无意识抖动视差小容易放大误差的问题，研究团队通过特征点对应和亮度一致性约束提高稳定性。该方法无需预训练模型，可直接优化输入序列，为田间便携式表型采集提供了灵活实用的技术路径。

AI的作用：从抖动视频推算深度与相机参数

田间植物表型采集依赖专业设备与参数标定

了解或试用：研究方法需专业设备与编程基础，建议关注团队后续开源工具

阶段与局限：机构研究报道。依赖抖动质量，强光或运动模糊会影响重建精度

中国农科院农业信息所 · 近期新闻 · 2026-09-29

3. 家畜智能项圈在多地畜牧场景应用

中国农业科学院信息所研发的家畜智能项圈集成移动通信、人工智能和大数据技术，可识别家畜行为、跟踪轨迹、监测发情并预警健康状态。该装备已在新疆、内蒙古、甘肃、宁夏、河北、山东等地应用，覆盖牛羊马驼等多种家畜，帮助养殖户掌握个体生理变化并指导生产决策。研究团队正围绕核心部件国产化需求持续优化硬件与算法模型，计划形成适配不同家畜和养殖场景的技术方案，推动家畜智能穿戴装备国产化进程。

AI的作用：识别行为、监测发情与健康预警

大规模养殖难以及时掌握个体生理状态

了解或试用：属机构应用项目，个人养殖户可关注当地推广计划

阶段与局限：机构研究报道。依赖网络覆盖与电池续航，复杂地形可能影响定位

中国农科院农业信息所 · 近期新闻 · 2026-09-29

4. 分子印迹聚合物去除烟熏污染葡萄酒中的挥发酚

美国农业研究局加州戴维斯实验室采用新型分子印迹聚合物技术，从受野火烟雾影响的葡萄酒中定向去除烟熏化合物。野火烟雾中的挥发酚被葡萄吸收后在常规发酵中释放，导致葡萄酒产生焦味，受损葡萄酒通常被降级或销毁。研究团队开发的分子印迹聚合物像抗体一样靶向并移除烟熏酚类化合物。该技术已获批在商业规模的葡萄酒处理中使用，试验证明可从实验性烟熏葡萄酒中定向去除烟熏酚。由于在葡萄园预防野火烟雾目前因时间和成本限制不可行,这项修复技术为酒厂挽回价值提供了关键工具,增加了种植者将受影响果实销售给酒厂生产高品质葡萄酒的可能性。

AI的作用：本案例主要为化学材料应用，未涉及AI技术

野火烟雾导致葡萄酒烟熏污染造成经济损失

了解或试用：属商业化处理技术，酒厂可咨询相关供应商

阶段与局限：机构应用报道。去除效果取决于污染程度，无法完全恢复所有受损葡萄酒

USDA ARS Scientific Discoveries · 应用案例 · 未标明发布日期

5. 美国农业部DASH平台整合视觉数据与模型

美国农业研究局数字农业系统中心DASH建立国家级数字平台，整合大规模农业计算机视觉训练数据集、机器学习模型和可部署传感技术。平台核心包括国家农业影像库AgIR、自动化相机系统BenchBot和田间模块化相机ModCam。AgIR存储带元数据的高分辨率作物与杂草影像，BenchBot快速采集并标注影像用于训练视觉模型，ModCam安装在喷杆等农机上利用训练好的模型实时识别和绘制田间植物。这些工具支持育种项目快速表型分析，也在甜菜尾孢叶斑病实时制图、覆盖作物精准氮管理和杂草综合管理系统开发等场景应用。所有数据和模型通过美国农业部SCINet高性能计算系统处理。

AI的作用：提供开源影像数据集、模型与部署工具支持田间决策

农民缺少实时、特定地点的作物胁迫与杂草病害洞察

了解或试用：访问DASH网站了解开源数据集与工具使用方式

阶段与局限：研究与应用平台。田间光照与遮挡影响识别，模型需针对不同作物和地区调优

USDA ARS · 应用案例 · 未标明发布日期

6. 欧洲AgriScienceFM项目构建农业基础模型

瓦赫宁根大学牵头的AgriScienceFM项目计划开发整合多源数据的农业基础模型，以应对当前农业AI碎片化和单一场景局限问题。项目将构建三个相互关联的基础模型，分别针对生物材料、自然环境和人类管理活动。研究团队将整合卫星影像、气象数据、田间测量、畜牧场记录、作物数据和遗传材料等公开数据集，并在作物与水资源卫星监测、农田土壤建议、抗性品种加速育种、病虫害与动物健康精准管理等场景测试模型表现。项目还将开发基准测试体系，评估模型在不同地区和真实农业挑战中的可靠性。

AI的作用：整合跨学科数据构建可泛化的农业决策基础

作物土壤气候等领域数据孤立难以形成完整决策图景

了解或试用：属研究项目阶段，建议关注项目网站未来公开的数据集与工具

阶段与局限：研究项目。跨领域数据标准化难度大，模型泛化能力需长期验证

Wageningen University & Research · 研究资料 · 2026-06-22

AI 农业小课

农业AI从碎片走向整合

本期多个项目反映出农业AI正从单一场景工具向整合平台演进。瓦赫宁根大学牵头的AgriScienceFM和CGIAR AI中心都在尝试打破数据孤岛，前者计划构建整合生物、环境与管理活动的基础模型体系，后者将数十年科研成果转化为可部署的农业大语言模型和基因库AI工具。美国农业部DASH平台则通过标准化影像库、自动化采集设备和田间部署工具,建立从数据生产到模型训练再到实地应用的完整链条。这种整合不仅是技术层面的数据融合,更是为了让AI在不同作物、土壤、气候条件下都能提供可靠决策支持,最终服务于育种者、研究人员和农民的实际需求。

Wageningen University & Research · 研究资料 · 2026-06-22 · CGIAR AI Hub · 研究资料 · 2026-05-18 · USDA ARS · 应用案例 · 未标明发布日期

秋秋 AI 农业日报 · 2026-10-06