人工智能與農業的結合在智能農業方面取得了一定的成就，但在實際應用中仍有研究空間。國內許多高校和其他科研機構也致力于農業和人工智能的應用。在過去的一兩年里，他們也取得了很大的進展，并在這里進行了科學實踐：

一、樹上蘋果檢測模型。

為了提高現有蘋果目標測試的性能和適應性，農業科學院、農業和農村部提高了輕量級Mobilenetv3網絡，降低了模型計算量、測試時間、模型計算和存儲資源占用的目的。

二、玉米作物營養狀況識別方法。

以水肥一體化設備為研究對象，提出了基于卷積神經網絡的玉米作物營養狀況識別方法，為提高水肥資源的有效利用提供了方法和依據;

三、番茄植株相似色目標識別方法。

根據溫室番茄智能管理的需要，北京農業智能設備技術研究中心等機構以莖、葉、綠果器官為識別目標，為農業環境近色目標的視覺識別提供參考;

四、檢測大豆作物幼苗期玉米雜苗。

北達科他州立大學研究了自動監測玉米幼苗生長系統，為農民提供準確的信息，幫助農民做出生產決策和田間管理;

五、草地貪夜蛾及其近緣成蟲識別。

中國農業科學院等機構利用深度學習方法，可視化分析，直觀了解模型的特點學習情況，為應對糧食安全威脅的害蟲——草地貪婪夜蛾的防治提供參考;

六、番茄葉病害快速識別模型。

國家農業信息工程技術研究中心等機構聯合研究了基于葉片圖像的番茄病害識別，發現CCHKMSM模型具有識別精度高、計算量小、系統要求低、應用潛力低等優點;

7、研究蔬菜短期價格預測組合模型。

蔬菜價格波動是居民和蔬菜農民的雙刃劍。北京農林科學院等機構以黃瓜為研究對象，分析了影響黃瓜價格的供給、需求、流通等因素，實現了黃瓜的短期價格預測，也可以推廣到其他蔬菜品種，對保障蔬菜農民收入、穩定蔬菜市場價格具有重要意義;

八、雜草檢測方法及試驗。

針對現有的自動除草解決方案，上海大學和其他機構提出了基于圖像處理多算法集成的田間雜草檢測方法，并設計了一套田間雜草自動識別算法。對于復雜多變的農業場景，進行了雨滴和陰影干擾的魯棒測試，實現了90%以上的作物識別結果，為智能移動機器人除草作業等領域的應用提供技術支持;

九、小麥倒伏率檢測。

北達科他州立大學的學生提出了基于圖像處理的自動數據集生成方法，利用無人機和深度學習算法對小麥倒伏檢測進行分類，可有效替代75%的人工檢測方法;

十、蘋果樹產量測定方法。

為了提高果園管理能力，提高果實檢測算法和生產擬合網絡的生產測量方法，中國農業大學利用無人機和攝像頭原位圖像，提高蘋果果園原位生產的準確性和有效性，基本滿足自然環境下蘋果在樹上的生產要求，為現代果園環境下的智能農業技術提供參考;

十一、大豆籽?？焖儆嫈捣椒?。

中國農業大學等機構研究了基于密度估計和VGG-Two(VGG-T)的大豆籽粒計數方法，實現了大豆籽粒的快速計數任務，提高了大豆的試驗速度和育種水平;

越來越多的科研機構投資于智能農業的應用，提高了智能農業技術的應用水平。我相信，它將在未來智能農業的發展中發揮作用，方便數億農業從業者。