科学数据是信息时代最基本、最活跃的科技资源，科学数据共享是发展的必然趋势，实施科学数据共享可以节约社会资源，避免重复的劳动，还可以对现有的科学研究进行验证，具有重要的现实意义和迫切的社会需求。知识产权保护作为科学数据共享的前提，对促进科学数据的有序利用、为科技发展提供源源不断的创新发挥着十分重要的作用，是实现科学数据共享急切需要解决的根本问题。本文主要采用文献调研、对比分析等方法，对近年来国内外关于科学数据、知识产权主题相关文献进行分析，在总结我国科学数据共享的知识产权保护现状的基础上，挖掘科学数据共享和知识产权的关系，提炼出当前科学数据共享面临的知识产权保护存在的主要问题：数据产权以及归属的认定是科学数据共享应用权益分配的依据，目前，我国科学数据产权归属不清晰，缺乏公认的产权解决方案，缺少统一的政策引导、知识产权保护意识薄弱以及科学数据出版动力不足等。针对这些问题，提出了关于科学数据共享的知识产权保护对策：明晰科学数据产权归属、平衡各方主体利益；建立政府引导机制、全面发挥政府作用；推动科学数据出版、规范科学数据引用；创新科学数据共享的知识产权保护技术支持。以期构建良好的数据共享环境，保护数据生产者合法权益。

随着现代信息技术在农业领域的广泛应用，海量农业数据得以收集、分析用于促进农业现代化发展。本文以大别山区连片特色农产品生产经营全产业链为研究背景，在系统分析该区域农产品生产加工销售等各产业链环节数据特征、有机整合农产品生产经营数据资源等需求的基础上，采用包含基础设施层、数据资源层、数据处理分析层、数据显示层等四层大数据平台总体架构的设计模式，搭建了基于Hadoop大数据技术的农产品全产业链数据资源库与大别山区云农场智慧服务大数据平台，面向产业区相关农业从业人员所需业务主题进行平台功能的开发，对农业数据资源库中数据实施数据清洗、数据挖掘、数据建模等技术处理，寻找农产品生产经营过程动态变化规律，实现了信息共享、智能预警与辅助决策等智慧服务功能。其中，信息共享功能用于提供大数据平台各子系统平台数据资源共享服务；智能预警功能用于提供农产品全产业链生产经营过程中农产品生产环境、价格等关键指标信息的预警服务；辅助决策功能用于提供农业从业者产业区农产品生产经营情况变化通知，辅助经营过程决策服务等。研发的云农场智慧服务大数据信息管理中心和数据可视化系统，可为促进大别山区特色农产品全产业链信息化与智能化水平提供参考。

叶面积指数（leaf area index，LAI）是表征作物生长信息的重要参数，利用无人机遥感平台获取农作物光谱信息定量反演LAI对精确监测作物生长情况具有重要意义。本文以玉米为研究对象，利用无人机（unmanned aerial vehicle，UAV）搭载MicaSense RedEdge-M多光谱成像仪获取玉米拔节期、抽雄期、成熟期等关键生育期内低空遥感影像，同步采集地面LAI，基于多光谱信息构建植被指数并研究其与LAI的定量关系，进一步建立玉米LAI估算模型，对比分析筛选最优植被指数与最适监测时期。实验发现在拔节期、抽雄期、成熟期玉米LAI与NDVI、OSAVI、EVI、NDRE均具有较好的相关性；在不同时期分别基于OSAVI、NDRE、NDRE建立了LAI监测模型，模型监测精度分别为0.549、0.753、0.733；验证模型精度分别为0.907、0.932、0.926，模型估算值与田间实测值间相对误差分别为8.57、8.37、9.24，均方根误差分别为0.104、0.087、0.091；基于不同生育时期LAI估算模型进行田块尺度的LAI空间分布制图，估算值与实测值的决定系数分别为0.883、0.931、0.867；相对误差分别为：9.17、8.86、9.32。结果表明基于MicaSense RedEdge-M多光谱成像仪能有效估算玉米关键生育时期LAI，可为定量实时估算田块尺度的玉米LAI提供理论依据。

在国家政策支持的大背景下，快速发展的信息技术与农业深度融合，物联网、人工智能、云计算、大数据等新技术在农业生产领域均得到了大量应用。经过近十年的发展，形成了农业物联网监测为主、智能诊断为辅的各种农业信息化应平台。这些平台的示范应用促进了传统农业的现代化转变进程，但仍需将功能需求进一步整合完善，以促进农业生产全过程的智能化监控与精细化管理。为提升大田作物生产整体性信息化水平，本研究综合运用农业物联网、智能控制、决策模型、大数据挖掘等信息技术，集成大田作物的物联网环境感知、氮肥决策、农情遥感服务、水氮智能管理、虫害监测预警、产品溯源、农技推广、大数据平台八大业务系统，构建了大田作物智慧生产综合服务平台。该平台的应用示范表明，其信息服务内容丰富，满足了不同用户对农业生产相关数据服务的需求，提升了大田作物生产过程的精准化管理，推动了现代信息技术在大田作物智慧生产中的综合应用水平。

茶叶生产加工过程中具有危害物种类多、信息利用率低、数据多源异构等特点，而传统的茶叶质量监管追溯系统存在着茶叶品控数据易被篡改伪造、数据来源可信性难以保证、企业隐私无法保障等问题。为增强茶叶品控管理，提升茶叶品控信息可信度，基于区块链和边缘智能技术，设计了基于边缘智能的茶叶可信品控系统架构。此系统包括数据感知层、边缘层、存储层和应用层，首先使用智能装备和物联网技术进行机械化作业和自动化获取茶叶品控数据，接着利用边缘计算设备的网络、计算、存储资源，在靠近数据源的边缘端部署多种人工智能算法检测数据的真实性。以Hyperledger Fabric开源框架作为区块链平台构建可信存储服务，以MySQL作为链下数据库，对关键数据进行分级加密后存入区块链网络和链下数据库中，通过信息摘要上链存储的方式保证链下数据的不可篡改性，实现链上链下双模可信存储方式。最后，研发基于边缘智能的茶叶可信品控系统，采用Web端与移动端相结合的方式，为企业、监管部门、消费者提供信息智能化获取、全流程管理和可信溯源等服务。本系统可为监管部门提供茶叶品控信息实时验证服务，便于其开展监管工作。此外，同时兼顾了企业保护隐私数据的需要和消费者对于公开可信茶叶溯源数据的需求，保证了消费者的知情权，增加其对产品质量的信任度。

随着信息技术不断的普及，畜牧业信息化也得到了较快的发展。安徽是生猪养殖大省，生猪产业在本省畜牧产业中占到了很大的比重，从全国来看，安徽的生猪养殖也占据着不可估量的地位。安徽本地猪品种多、肉质鲜美、营养价值高，但是其生长周期长且安徽的生猪养殖大多以小规模和中规模养殖为主，这就导致了饲养安徽本地品种猪的人工成本较高，饲养数量较少，本地猪种的数量逐渐减少。针对安徽本地猪品种生长周期长、小规模养殖人工成本高等问题，开发了生猪养殖信息化管理平台，实现贯穿生猪养殖全过程的信息智慧管理。平台采用B/S的架构，分为视图层、逻辑业务层和数据层三个层面，具备公猪母猪事件、仔猪育肥猪事件、猪场兽医、统计分析等8个功能事件，融合了移动终端与web端，贴近生产要求设计了合理的数据库结构。便捷了小规模的用户使用，最大程度的降低了生猪饲养的人工成本，提升了生猪养殖的智能化、标准化、信息化程度。试用结果表明，该生猪养殖信息化管理平台可以为小规模的生猪养殖提供高效全面的信息化管理，降低生产成本，同时能够对生产数据进行动态监测并提供科学的决策。

农业机器人是农业现代化发展中的一项重要组成部分，计算机视觉技术通过对作物和环境的感知与解析，有效促进其在农业领域的落地与应用。但由于农业场景的复杂性、多样性，当前先进计算机视觉方法所需要的详细且注释的大规模图像数据集在农业领域十分稀缺，这也是阻碍计算机视觉技术在农业领域发展的一个主要瓶颈。针对这一痛点，该文提供了一个可用于图像语义分割、图像实例分割、目标检测任务的大规模番茄图像数据集。该数据集由两部分组成，分别为合成部分和经验部分。其中合成部分使用Wageningen大学等人提出的数据合成方法，生成3250张合成番茄图像以及对应的像素级别语义分割标签图；经验部分由RGB相机拍摄的750张单目图像和400张双目图像构成，并人工对它们部分进行了包括实例分割、目标检测等在内的精细标注。研究旨在从多个角度丰富该数据集，包括数据集的大小、标注信息的多维度、场景的复杂性等方面，为今后利用计算机视觉技术解决农业领域问题提供数据基础。