针对单一气象指标为主要依据的干旱评估与预警方法难以精细化反映甘蔗生长状况的问题，研究构建了一种融合低空遥感影像与深度学习模型的甘蔗干旱等级智能识别方法。以健康/干旱甘蔗为研究对象，在三个典型种植区域采集地块低空遥感影像，计算归一化植被指数，并结合专家判读建立干旱等级标签。在U-Net语义分割框架基础上，引入残差网络ResNet-34作为主干，并采用加权跳跃连接提升边缘识别能力，构建了CaneUNet-W模型。通过区域交叉验证评估模型性能，结果显示模型在甘蔗地块识别任务中的交并比（IoU）、F1值和Kappa系数平均分别为0.924、0.960和0.912，表现出较高的精度与泛化能力，模型推演结果的空间分布特征与专家基于高分影像的视觉判读趋势基本吻合。本方法能客观反映甘蔗冠层在干旱胁迫下的遥感表型变异，验证了其在甘蔗旱情智能识别与精细化评估中的可行性与有效性。但受限于地面同步实测数据的缺乏，未来研究将引入土壤墒情等生理指标进行定量标定，从而提升甘蔗生产的防灾减灾能力。

在实际农田场景中，部分虫害因难以采集而导致样本数量稀少，传统检测方法难以在小样本条件下获得可靠的检测与分类效果。本研究旨在针对小样本虫害检测问题，提升模型的泛化能力与检测性能。构建了包含13类虫害的AgriPest-13数据集，其中包括11类常见虫害与2类少样本虫害（分别仅含10张与30张图像）。在此基础上，提出改进的小样本检测方法FSD-MOGA（Few-Shot Detection with Multi-Order Gated Aggregation）。该方法以小样本检测模型MPSR为基础，引入多阶门控聚合模块（MOGA）以增强复杂背景下的特征表征能力，并加入中心损失（Center Loss）以优化分类特征分布。实验表明，FSD-MOGA在小样本场景下表现优异，尤其在仅有极少样本的类别中表现更为稳定和准确：10-shot实验中mAP达到37.0%，较基线模型MPSR提升9.4%，AP50、AP75分别达到57.8%和29.9%；30-shot实验中mAP进一步提升至44.0%，较MPSR提高2.6%，AP50、AP75升至73.6%和45.5%。FSD-MOGA能有效缓解虫害样本稀缺带来的检测困难，为实际农田场景下的小样本虫害智能检测提供了一种可行且有效的技术方案。

针对河北省主要蔬菜价格序列的非线性、非平稳性与高噪声特征，以及核极限学习机（KELM）参数依赖经验设定导致预测精度受限的问题，构建一种融合灰狼优化算法（GWO）与双通道核极限学习机的多变量组合预测模型，以提升蔬菜价格的短期预测精度。以2021年1月至2024年12月河北省10个主要蔬菜品种（大白菜、洋白菜、西红柿、黄瓜、土豆、青椒、大葱、大蒜、豆角、西葫芦）的周度批发价格数据为研究对象，总样本量2 080条。同时采集气象、节日、农资、成品油、微博舆情、百度指数、宏观经济、食品消费等8类28个外部特征。采用均值插补和3σ原则进行数据清洗，Min‑Max归一化消除量纲影响。首先通过格兰杰因果检验验证外部特征与价格的预测性因果关系，并为保证模型简洁性和训练效率，每个品种保留最显著的8个特征；进而构建双通道并行KELM模型——通道1输入价格历史序列（4周），通道2输入筛选后的外部特征，两通道核矩阵通过可学习权重α进行加权融合。引入GWO算法对正则化系数C、核参数σ₁、σ₂及融合权重α进行自动寻优，以验证集均方根误差（RMSE）为适应度函数，种群规模15、迭代50次。同时与单通道价格历史模型（M1）、单通道特征拼接模型（M2）以及SVM、LSTM、GRU等3种主流模型进行对比。双通道GWO-KELM模型（M3）在10个品种上的平均绝对百分比误差（MAPE）为7.52%，较M1（10.59%）降低3.07个百分点，较M2（9.12%）降低1.60个百分点，显著优于LSTM（9.87%）、GRU（9.56%）等深度学习方法。在高波动品种大葱上改善尤为显著（MAPE由13.76%降至9.85%）。融合权重α显示：价格平稳品种（大蒜α=0.81，土豆α=0.76）更依赖历史惯性，高波动品种（大葱α=0.48，黄瓜α=0.54）对外部特征依赖更强，α与价格变异系数呈负相关（r≈-0.73）。外部特征贡献度分析表明，气温、农资价格、节日舆情及成品油价格是影响蔬菜价格的重要先行指标。模型在未参与训练的茄子、芹菜、生菜上MAPE分别为7.98%、9.12%、12.06%，各季节误差增幅控制在1个百分点以内。本研究构建的双通道GWO-KELM组合模型有效解决了KELM参数依赖经验设定的问题，通过格兰杰因果验证与双通道核融合机制，实现了时序特征与多源异构外部特征的自适应整合。在河北省主要蔬菜品种价格预测中具有高精度、强泛化能力和良好稳健性，可为政府调控、企业运营和农户生产提供科学决策支持。

虚假承保、虚假理赔是制约我国农业保险高质量发展的重要风险，不仅影响财政补贴资金使用效益，还削弱了农业保险的风险保障功能和行业公信力。在农业保险由规模扩张转向高质量发展的背景下，单纯依靠事后查处和人工核查已难以有效应对隐蔽化、链条化和合谋化的“两虚”行为。本文在梳理国内外农业保险反欺诈实践和检测识别技术演进的基础上，提出构建基于大数据的农业保险“两虚”检测识别体系。研究认为，农业保险“两虚”治理应以大数据为底座，以规则校验、异常检测、人工智能等为方法组合，以“政产研用”协同、分层检测和闭环迭代为运行保障。本研究可为提升农业保险精准承保、精准理赔和风险监管能力提供技术路径与制度参考。

针对当前红枣领域知识体系碎片化、更新滞后、知识服务个性化不足、服务质量与效率低等问题，为实现红枣领域知识的高效组织与智能服务，本文开展了基于本体与知识图谱的红枣产业领域知识智能服务研究，首先系统分析了红枣产业信息知识服务过程体系，构建了红枣领域知识服务框架，探索了红枣产业领域知识组织方式，基于领域知识本体与知识图谱开展了红枣领域知识智能服务机制与服务模式研究；进而通过对红枣产业种植经营及相关领域多源异构语料进行系统整合与处理，构建了规范化的多维领域知识本体库，同时利用Bert-BiLSTM-CRF混合模型，构建了具有良好完备性、消歧容错与关联推理能力等优势的红枣产业领域知识图谱。在此基础上，基于本体和知识图谱及领域知识服务协同优化原理，研发设计了一套融合领域专用模型与大模型的红枣产业领域知识智能问答系统，并且探讨了智能服务评估的优化路径，以保障服务的高质量和可信度。本文对提升红枣领域知识智能服务的实用性与适用性、推动其产业数字化与智慧化转型升级，探索可行的技术路径而提供了重要的实践参考。

随着数字乡村战略的深入推进，农业农村领域上下级协同和数据共享，其开放性与智能化带来严峻的安全挑战，直接关系到国家粮食安全、产业安全和农民切身利益。本文系统梳理了SM2、SM3、SM4、SM9及祖冲之算法等国密的特性及其在农业场景中的适用性，分析了农业农村领域信息系统在终端、传输、平台、数据等方面面临的安全风险，并依据国家标准，从物理环境、网络通信、设备计算、应用数据四个层面阐述了密码应用需求。区别现有研究对商用密码方案的简单移植，本文的核心创新在于面向农业农村差异化场景的“分级密码适配”机制，并在此基础上，构建了一个“端、传、云、数”四位一体的国密算法应用的总体框架，详细阐述了利用SM2、SM3、SM4、SM9等国密算法，实现终端轻量化认证、通道安全传输、云端加密存储、数据可控共享的综合防护方案。本文提出的分级密码适配体系与全链路数据安全控制链，为破解农业农村领域“安全强度与资源受限矛盾”“数据共享与隐私保护矛盾”提供了可落地的技术路径。最后，文章提出应从政策标准、技术创新、密码评估等方面协同推进，构建安全、可信、高效的农业农村安全底座。

智慧农业演进中存在显著的“大农场偏见”盲区，全球 5 亿小农户在算法迭代中面临系统性边缘化风险。揭示其结构性不平等并构建包容性赋能机制，已成为数字乡村建设中亟待解决的核心命题。本文结合人机交互心理学与科学技术研究视角，系统综述 33 篇国内外核心文献，运用定性分析与逻辑建模构建“农业 AI 排除循环”框架，解构中国“大国小农”国情下数据红利集聚与排斥的深层机理。研究发现：（1）数字化转型已质变为“数据贫困”，本应作为数据生产者的小农户，在实践中被系统性地降格为数据客体；（2）中国语境下数据贫困呈现采集非标化、收益倒挂与主体性危机三大表征；（3）解构“双螺旋”错位机制，即大农场获“算法溢价”进入正向螺旋，而小农户因被视为“数据噪声”陷入负向排斥螺旋；（4）现行治理面临“算法威权”下的精英俘获与“数字悬浮”风险。由此，提出智慧农业应从“效率崇拜”转向“包容性赋能”。政策上应引入公平维度评估，探索组建村集体主导的“农民数据合作社”；技术上应基于“可信数据空间”研发适配碎片化环境的边缘侧模型。本研究为制定包容性数字乡村政策提供理论支撑，对保障小农户知识主权具有重要价值。

农业领域高质量数据集是支撑农业智能模型研发、数字农业应用与科学决策的关键数据基础。现有农业数据集多服务于特定模型训练和局部场景应用，在任务边界、样本代表性、专业标注、跨源互操作、持续维护和AI-ready表达等方面仍存在不足。围绕农业数据强时空异质性、场景依赖性和多源耦合性的特点，本文构建“基础质量层—农业场景适配层—治理复用层”的层级化评价框架，将准确性、完整性、一致性、代表性、任务适配性、跨域泛化性、可追溯性、互操作性、可复用性和合规安全等维度转化为质量证据、量化指标和度量方法。在此基础上，本文进一步梳理农业视觉图像、遥感与地理空间、文本知识和多模态感知数据集的建设现状，揭示农业数据质量问题沿“上游根源—农业特异性成因—质量缺口—应用风险”的传导机制。面向农业大模型和多模态智能应用，本文提出农业AI-ready数据结构应从传统“样本—标签”扩展为“指令—输入—输出—证据—约束”，并强化时序动态对齐、多源语义嵌入、知识/语义对齐和幻觉抑制。最后，本文提出农业高质量数据集全生命周期数据质量治理与逆向溯源框架，强调通过任务定义、分层采样、专家复核、质量评价、版本管理、用户反馈和分级开放，实现数据集从一次性资源建设向持续数据质量治理转变。

瓢虫是生态系统中重要的捕食性天敌，对抑制害虫种群的增长、维护生态系统的稳定具有重要作用。本文对国内外瓢虫资源现状及数据集进行了深入梳理和评估，通过分析瓢虫的分布范围、农作物种植类型及监测技术等关键信息，旨在揭示瓢虫资源动态分布对精准农业发展的深刻意义，并为后续研究提供坚实的数据支撑及为瓢虫保护和利用策略制定提供科学依据。

捕食螨可以捕食多种小型害虫和害螨，在农业生态系统和害虫生物防治过程中发挥了重要作用。在化学农药减量背景下，其资源开发与保护尤为重要。本文通过整理目前通用的捕食螨资源的分布、调查、鉴定及保存方法，探讨了捕食螨大数据研究现状与挑战，如传统鉴定方法的局限性、区域性覆盖不足及数据整合滞后等问题。随着分子技术、深度学习及AI智能技术的发展，未来可通过多技术融合驱动的资源开发、生态保护与可持续利用以及标准化与规范化建设，加强对捕食螨资源的调查与开发，以推动捕食螨在绿色农业中的应用。

梨轮纹病是由葡萄座腔菌属（Botryosphaeria）真菌引起的梨主要病害之一，主要危害梨叶片、枝干和果实，严重影响梨的产量和品质，给产业造成重大经济损失。本研究通过离体叶片接种法，采用三个不同地区来源的菌株，对2025年4个梨杂交组合的519株F₁代和15个梨品种叶片进行接种，采集了接种后3、5、7、9天的病斑直径数据，并根据抗性分级标准，评价了各F₁代的抗性水平。结果显示，所有杂交组合后代抗感分离明显。本数据集将为研究梨轮纹病抗性遗传规律、相关分子标记筛选、发掘抗病相关基因等提供基础支撑，并为杂交亲本选配及抗病品种培育奠定基础。

数据摘要：

海南独特的地理环境和气候条件孕育了丰富的生物多样性资源。六斑月瓢虫Menochilus sexmaculata (Fabricius) 作为该地区的优势捕食性天敌，具有重要的研究价值和应用潜力。本研究于2020−2025年连续六年以茄子为寄主作物，六斑月瓢虫为监测对象，系统开展茄子田中六斑月瓢虫的种群动态监测，并同步进行田内瓢虫种类资源调查，数据集包含了瓢虫资源数据、种群动态数据、瓢虫生态图片、瓢虫标本图片和采集环境图片等。本数据集可揭示海南澄迈地区茄子田瓢虫的多样性组成与优势种六斑月瓢虫种群动态，为构建以天敌昆虫为核心的茄子田绿色防控体系提供数据支撑。

数据摘要：