“AI农业”系列专题一，政策大力支持智慧农业发展，AI赋能种植链前景可期.docx

目录索引

TOC\o1-2\h\z\u一、政策推进智慧农业发展，“AI+农业”前景可期 5

（一）AI技术工具多元，在农业领域应用场景广泛 5

（二）国家积极推动智慧农业发展，AI驱动种植产业链转型升级 9

二、育种：AI驱动智能设计，助力效率大幅提升 11

（一）AI驱动智能设计育种，赋能表型及基因组学研究 11

（二）海外AI育种已臻成熟，国际种业巨头新品种研发提速 14

（三）国内加速推广AI作物育种，产业运用前景广阔 17

三、种植生产：AI辅助智能决策及自动化耕作，实现精准种植 19

（一）智能决策及自动化耕作助力作物产量提升 19

（二）海外AI数字农业平台趋于普及，农田精准化管理降本增效 21

（三）国内政策支持力度加大，种植领域有望迎来突破性变革 23

四、投资建议 27

五、风险提示 27

图表索引

图1：“数字新技术”生态系统 6

图2：种植产业链结构 11

图3：植物育种的历史演变 12

图4：AI在植物育种改良中的应用框架 13

图5：大数据在植物育种中的应用框架 13

图6：农学核苷酸转化器（AgroNT）大语言模型 15

图7：利马格兰基于Alteia平台进行作物性状分析 16

图8：达摩院AI赋能全流程智慧育种平台 17

图9：农科院将气象环境数据纳入基因组预测模型 18

图10：AI辅助田间科学决策框架 20

图11：智能除草机器人 20

图12：先正达CropWise数字化平台 22

图13：我国土地流转面积变化 24

图14：全国农民专业合作社户数变化 24

图15：“天工开悟”模型结构 25

图16：“天工开悟”对玉米生长周期预测曲线与真实曲线对比 25

图17：中国农业大学AI赋能智慧化全流程种植管控框架 26

图18：中国农业大学“三元农场智慧化体系” 26

表1：人工智能技术分类及介绍 6

表2：AI+农业核心技术工具 8

表 3：国家发展“智慧农

表4：AI在作物育种技术中的运用 13

表5：国外AI协助作物育种运用案例 16

表6：国内AI协助作物育种运用案例 18

表7：AI在作物种植端的技术运用 19

表8：国外AI驱动作物种植运用案例 22

表9：国家鼓励支持土地流转相关政策梳理 24

表10：国内AI协助作物种植运用案例 26

一、政策推进智慧农业发展，“AI+农业”前景可期

（一）AI技术工具多元，在农业领域应用场景广泛

人工智能（AI）本质是使用计算机来模拟人的某些思维过程和智能行为（如学习、推理、思考、规划等），包括机器学习、深度学习、计算机视觉、自然语言处理、脑机接口、知识图谱、人机交互、自主无人系统等：

机器学习（ML）：AI核心技术，通过构建模型、利用算法对大量数据进行学习和分析，自动发现数据中的模式和规律，并据此对新数据进行预

测或决策；可划分为监督学习、无监督学习和强化学习。

深度学习（DL）：机器学习重要分支，基于人工神经网络的学习算法，通过构建具有多个层次的神经网络模型，让计算机自动从大量数据中学习特征和模式。

计算机视觉（CV）：用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图形处理，使电脑处理成为更适合人眼观察或传送给仪器检测的图像。

自然语言处理（NLP）：AI重要子领域，使计算机能够理解、生成和处理人类语言，大语言模型（LLM）是NLP中一种特定类型模型，专注于根据大型数据集的广泛训练生成和理解文本，如ChatGPT是基于著名大

语言模型GPT-3开发而来。

人工智能和大数据、物联网、云计算、区块链技术共同组成高度关联的“数字新

技术” 生态系统。基于多

用场景日益广泛，如作物监测、精准农业、养殖环境管理、智能捕捞等等，AI正引领着智能化农业时代的到来。

图1：“数字新技术”生态系统

数据来源：CSDN、

技术分类定义具体内容人工智能的一个子领域，旨在通过数据训练模

技术分类

定义

具体内容

人工智能的一个子领域，旨在通过数据训练模

监督学习：使用标记数据进行训练，让模型学习输入特征与输出标签之间

型，使计算机能够从数据中学习规律并做出预测

的映射关系，如用于图像识别的卷积神经网络，通过大量标记图像学习识别

或决策，而无需显式编程。其允许软件应用程序

不同物体。

机器学习

通过数据学习改进任务执行，它通过训练过程分

无监督学习：利用无标记数据发现数据中的内在结构和模式，如聚类算法

析数据和识别模式，自动学习规则并应用这些规

将数据点分组为不同的簇。

则来预测新的数据点的输出。机器学习分为监督

强化学习：智能体通过与环境进行交互，根据环境反