随着农业智能化进程的加快，基于深度学习、机器人等人工智能技术在农业生产中的应用也越来越受到关注。针对现有番茄果实识别方法在复杂环境下误识率高、定位精度低和采摘效率低等问题,本文提出了一种改进的YOLOv8网络模型,旨在提高番茄果实自动化采摘的检测精度和速度。 该网络以YOLOv8为初始模型,在其骨干网络中添加了可变形卷积模块(DCN),有效提升模型对小目标的检测精度,降低漏检率；在Neck端引入SE注意力机制模块，提高对检测目标的关注度；采用Inner-IoU损失函数来替代原有的CIoU损失函数,提高目标检测中边界框的回归精度。本研究将改进后的YOLOv8模型与SSD、YOLOv4、YOLOv5、YOLOv7网络模型对比，平均精度分别提高了7.2、6.4、6.6、7.7个百分点，改进后的YOLOv8模型较原模型的准确率提升了3.8％，召回率上升了0.6％，同时mAP@0.5和mAP@[0.5:0.95]分别提高了约2.6％和1.9％。研究表明改进的YOLOv8模型能够有效提高番茄果实的自动化采摘检测精度和速度，对实现番茄的自动化采摘具有重要意义。

针对自然环境中小麦害虫种类繁多、尺寸差异大和生长环境复杂导致检测精度低的问题，提出了一种PSA-YOLO11n小麦害虫检测算法，以提升小麦害虫的检测精度。在 YOLO11n 算法的基础上，对三个关键组成部分进行改进：1)在主干部分引入一种改进空间金字塔池化SimCSPSPPF(Sim CSP Spatial Pyramid Pooling - Fast，SimCSPSPPF) 模块，降低隐藏层的通道数量，加快模型训练速度。2)在中间部分将普通卷积替换为效果更好的感知增强卷积（Perception enhancement convolution，PEC），增强多尺度特征提取能力，提升目标检测速度。 3)回归损失函数更换为AWIoU（Adequate Wise IoU ），改善害虫种类繁多、尺寸差异大造成的检测框失真，提升边界框定位能力。利用IP102数据集进行试验验证，PSA-YOLO11n 与 YOLO11n 相比，mAP提升0.8%，达到89.10%。与Faster R-CNN、RetinaNet、YOLOv5s、YOLOv8n 、YOLOv10n和 YOLO11n 等主流算法进行比较，模型性能均优于其它对比算法。试验结果表明，改进算法PSA-YOLO11n，显著提升了自然环境下多尺度小麦害虫检测精度，为小麦病虫害防治提供一种有效的解决方案。

灌溉方式落后，用水管理不规范，节水意识薄弱等问题造成我国农田灌溉水利用系数较发达国家差距明显，急需采用信息化技术赋能发展精细化渠灌区灌溉信息化、智能化管控。本研究采用基于Docker与Kubernetes的微服务框架，解决了不同开发语言和不同运行环境的物联网系统、灌溉决策用水调度算法、Web服务等关键服务模块的集成应用问题，围绕渠灌区农田“水情监测-智能决策-高效调控”等关键环节，构建渠灌区高效用水管控平台。文中介绍了平台的业务逻辑、平台架构、功能实现方法等技术环节。在黑龙江和平灌区的应用效果表明，平台降低了水情监测和灌溉用水的人力投入60%，提高了农田灌溉水有效利用系数19%，打造了渠灌区信息化灌溉管控的可应用、可复制、可推广样板工程。

探讨了高含沙灌区雷达测流智慧服务平台的构建和应用，设计并搭建了基于云-边-端的智慧服务平台，实现了灌区信息化和高效化管理。在架构中，终端设备负责在灌区现场实时采集水位、流量、流速等关键水情数据；边缘计算节点靠近数据源，实时分析和传输数据，有效降低传输延迟和带宽消耗；云端则集中处理边端和终端数据，提供数据存储、深入分析及可视化等服务功能。平台在新疆维吾尔自治区沙湾市安集海镇的巴音沟河灌区进行了实际应用，展示了本平台在水情数据采集、传输、处理以及分析等方面的有效性，为高含沙灌区的水情监测、水资源合理调配、防洪减灾等方面提供了有力的技术支撑，对推动高含沙灌区水利信息化发展具有重要意义。

本文使用全国285个地级市2011至2020年的面板数据，将国家级大数据综合试验区政策作为准自然实验，运用广义双重差分模型、中介效应模型、空间杜宾模型，实证分析了大数据综合试验区建设对地区农业生产效率的影响。研究结果显示：（1）大数据综合试验区试点的设立显著提升了地区农业人均产值，有效提高其生产效率。（2）中介效应机制分析表明，国家级大数据试验区可以通过支持数字技术在农业领域的研发和应用，推进产业数字化，提高农业生产效率。（3）大数据综合试验区政策对农业生产效率具有负向空间交互效应，即大数据试验区的设立对周边地区农业发展具有虹吸效应。本研究为大数据综合试验区建设对地区农业发展的影响提供了重要的经验证据，可为数字经济扶农助农相关政策的制定提供参考。

为集中整合优质作物种质资源，降低中心化数据存储压力，保障优质作物种质数据安全性，加大优质作物种质资源保护与利用力度，针对当前鲜有研究优质作物种质资源数据存储问题的现状，构建“区块链+IPFS”的链上链下协同存储模型。通过降低链上存储压力，搭建IPFS（星际文件系统）节点，将具体种质数据存储在IPFS中，将IPFS返回的Hash值以及种质摘要信息存入区块链，解决区块链无法承担冗余数据量的问题,设计了作物发布、添加和查询的智能合约，并调用智能合约完成对数据的操作。从存储空间、存储时间两方面对模型进行了存储性能测试。实验表明该模型降低了本地存储空间的存储压力；存储时间虽略有延迟，但在可接受范围内。

数字乡村服务站在提升乡村人口数字服务和推动农业增效、农民增收、农村增活力方面发挥了重要作用。本文基于对北京、河北、山东、重庆、四川等地的实地调研，总结分析了乡村便民服务的需求现状及存在的问题。研究表明，当前乡村便民服务需求多样且复杂，主要包括产业服务、金融服务、政务服务和综合服务，服务站建设运行中存在选址布局不合理、服务内容有限、环境人员参差不齐、数据融合应用不够等问题。本文从应对服务多样化、个性化和可持续角度出发，针对选址布局、服务内容、运营机制、人员保障、资金保障和数据共享等提出了政策建议。

在开放科学深化科研数据管理实践的背景下，数据馆员处理个人信息需应对法律、伦理与实践挑战以平衡开放与保护，本研究旨在提供相应规范与策略。本研究首先系统梳理了个人信息保护相关的法律法规体系及相关核心概念，探讨了科研活动中独特的伦理考量与实践特殊性。随后，深入分析了数据馆员在个人信息获取、组织、共享与发布等关键环节中应遵循的操作规范、面临的主要风险与实践挑战。在此基础上，参照相关法律要求与标准，提出了一个涵盖组织、人员、物理和技术四个维度的、面向数据馆员的个人信息综合安全管理体系框架。研究发现，数据馆员在实践中面临多重困境：将法律原则应用于复杂科研场景时的操作难点；满足高于法律底线的伦理要求；调和开放科学与个人信息保护之间的内在矛盾。研究强调个人信息风险贯穿数据全生命周期，并呈现显著的学科差异性，凸显了构建系统化、多维度综合安全管理体系的必要性与紧迫性。本研究为数据馆员处理个人信息提供了清晰的法律边界、伦理指引和风险识别框架。提出的综合安全管理体系可作为实践参考，有助于提升数据馆员及所在机构的个人信息保护能力与合规水平，从而在保障数据主体权益的基础上，推动负责任、可持续的开放科学发展。

玉米叶部病害的精准识别是农业智能化管理的重要环节。现有玉米病害数据集存在质量参差不齐、标签类别模糊、多模态数据匮乏等问题，尤其是中文语境下的病害描述数据的稀缺性。本研究整合了自建数据与AI Challenger、Plant Village及OpenDataLab开源的玉米叶部病害高清图像数据，并由人工基于文献、专业书籍及科学数据等先验知识对图像进行诊断性文本描述标注，共构建了中文语境下的1 653组图像-文本对多模态数据集。其中，每张图像对应的文本模态内容涵盖病害类型、病状特征及严重程度等关键信息。在此基础上，探索使用CN-CLIP与GPT2-Chinese大模型组合生成图像描述的补充增强内容，丰富描述文本模态数据的多样性，为图像自动标注提供实践验证。本数据集可为玉米病害智能诊断模型开发、中文图像描述生成及农业多模态知识图谱构建提供高质量数据样本支撑。

数据摘要：

随着自然语言处理和信息检索技术的快速发展，知识的有效提取与应用在农业领域的重要性日益凸显。信息检索的核心在于根据用户的查询需求，从知识库中快速、精准地定位相关信息。然而，由于中国农业领域缺乏高质量的文本数据集，限制了农业病虫害信息检索技术的进一步发展。此外，传统搜索引擎在农业领域的信息检索中表现出效率低下和准确性不足的问题，用户往往需要耗费大量时间和精力对海量、无序的数据信息进行二次筛选和整理，以获取有价值的农业知识。针对上述问题，本文通过整理实验室多年积累的关于动物、植物、病害以及入侵生物的文本数据，并结合广泛的文献调研数据，经过自动化或半自动化数据清洗、去噪等过程，将非结构化的数据重新组合成结构化的数据，最终以excel的方式进行存储。所构建的农业信息检索数据集包含国内农业病虫害、外来入侵物种、检疫性物种三大类。其中农业病虫害包含83种农作物相关的1254种病害和440种虫害；外来入侵物种包含70种外来入侵动物和130种外来入侵植物；检疫性物种包含99种昆虫、9种软体动物、19种真菌、25种原核生物、18种线虫、37种病毒及类病毒以及42种杂草。共计2143种病虫害。该数据集覆盖品类较为广泛，能够为农业信息检索、防疫检疫、农业领域数据库构建等人机交互友好的智能应用研发提供基础数据支撑，同时为从事有害生物相关工作的科研机构和职能部门提供外来相关数据查询。

数据摘要：

本文呈现了基于在浙江省丽水市景宁畲族自治县进行的一次昆虫快速调查所获得的昆虫物种数据集。在为期3天的调查中，共获得443条物种记录，涵盖15目昆虫。采集到的昆虫照片经晓虫AI鉴定，鉴定结果和可信度均在数据集中有所记录。基于这一数据集，我们提出了结合快速调查、拍照和AI鉴定技术的方法，以实现区域性昆虫多样性众包数据采集。并探讨了利用公众参与和AI技术降低昆虫多样性调查成本的可能性，以及数据众包在生物多样性调查与保护工作中的重要性。

数据摘要：

我国目前正在努力完成碳达峰的目标，以红树林湿地为代表的“蓝碳”正是碳汇领域不可或缺的一部分。2020年，自然资源部印发了《红树林保护修复专项计划行动（2020-2025）》，近年来取得良好成效，深圳作为海洋中心城市，红树林资源相对较为丰富，对典型海岸带红树林生态系统基本状况及红树林物种的全面调查既能够更好的了解区域内的物种群落结构组成，还能够评估红树林养护计划的成果。根据本市红树林地理分布和群落结构，于2023年夏季选取了9条典型红树林监测样点，24个样地。通过无人机，结合现场踏查和固定样方调查的方式，采用面积加权平均法求得全市红树林的单位面积植被生物量。地上植物生物量通过异速生长方程法，结合样方调查结果计算深圳海岸带红树林的分布范围和面积。通过现场测量和记录不同植株指标，同时通过现场鉴定植物种类组成等记录群落指标，得到本数据集。本数据集包含以下几个特点：（1）本数据集内容较为充实，涵盖样点的经纬度、样点的生物信息、群落结构、群落特征；（2）提供的区域范围较广，涵盖了整个深圳市域所有红树林集中存在的点位；（3）采用实地踏查、固定样方的调查方式，误差较小。利用本数据集可以发掘大湾区红树林湿地的分布和治理现状，并且可与碳通量、碳储量的调查，或水质、大气的环境调查相结合，对生态环境监测调查研究具有重要意义。

数据摘要：

海南省四面环海，其周边海域生态环境质量已成为制约社会经济可持续发展的重要因素。本数据集源于农业农村部财政专项项目“南锋专项”Ⅲ期在2023年8月所开展的对于海南周边海域浮游植物群落组成和物种多样性调查的结果。本数据集旨在调查海南周边海域浮游植物群落组成和物种多样性，以此评价水域水质情况，为海南省周边海域的水质监测以及水域环境防治提供数据支持，对相关海域的环境与生物多样性研究具有参考价值。数据集中数据调查样地选择为海南省临高黄龙港、东方八所港、万宁石梅湾、文昌新埠海四片海域，采用浅水Ⅲ型浮游生物网采集水样，使用便携式相关指标水质检测仪器进行现场测定各调查站位的气温、水温、pH值、电导率、盐度、溶解氧（COD），样品采用光学显微镜CX41进行全片观察，采用 Shannon-Wiener 多样性指数（H′）、Pielou 均匀度指数（J）、优势度（Y）和丰富度指数（d）等数据处理分析方法评价水域水质。本次调查采集微藻及海水样品36份，对样品进行水质检测以及显微镜观察分析。调查结果如下：通过镜检四处海域采样样本鉴定浮游植物种类合计253种，其中硅藻214种，甲藻24种，蓝藻15种，硅藻门物种占总种类数的84.48%，石梅湾样地浮游植物物种最为丰富，新埠样地海浮游植物物种数最少；八所港、石梅湾样地多样性指数均大于3，其中石梅湾多样性指数最高，黄龙港海域的多样性指数小于1；四个样地海湾海域均匀度指数均小于1，其中石梅湾最高为0.81；经水质检测后发现石梅湾的COD、氨氮、总氮、总磷、亚硝酸盐氮为四处海域最低，黄龙港各项水质指标则均要高于其余三处，且黄龙港小环藻属的密度占比已达92.32%。该数据集可用于监测海南周边近岸海域浮游植物种群、密度、优势种等，并为相关部门预防赤潮、水华等自然灾害提供数据支持。

数据摘要：