临豆10号是以中作975（中黄13）为母本,菏95-1（菏豆12）为父本有性杂交,采用系谱法选育而成的中早熟、高产夏大豆品种。该品种集父母本优良基因于一体,具有理想的群体结构,突出的抗逆境（病、虫、旱、涝、瘠、密植）等优良特性,还具有落叶性好、不裂荚、底荚高、抗倒伏等特性,适于机械收获。经多年试验研究,总结出了临豆10号精量直播高产栽培技术,该项技术不仅解决了临沂市夏大豆机械播种出苗不好的瓶颈性技术障碍,还实现了秸秆资源的再利用,达到了大豆“减肥减药”安全生产的目的。

植物表型组学通过集成自动化平台装备和信息化技术手段,获取多尺度、多生境、多源异构植物表型海量数据,形成植物表型组学大数据,从组学高度系统深入地挖掘“基因型-表型-环境型”内在关系、全面揭示特定生物性状的形成机制,将极大地促进功能基因组学、作物分子育种与高效栽培的进程。本文概括了植物表型组学大数据的发展背景、含义、产生过程和特点,系统综述了植物表型组学大数据研究进展,包括植物表型数据获取与解析、植物表型组大数据管理及建库技术、表型性状预测和基于表型组的多重组学分析的进展;从植物表型数据采集标准、多样化表型配套设施和低成本表型设备研发、开放共享植物表型组大数据平台构建、表型大数据融合与挖掘理论方法、植物表型组学协同共享和互作机制五个方面探讨了当前植物表型组学大数据研究与应用中面临的问题和挑战;最后从加强植物表型组技术体系设计与标准研究、植物表型-环境感知机理研究和智能化设备研发、植物表型组大数据建设以及人才队伍和协作网络建设四个方面提出具体建议。

生鲜农产品主要包括蔬菜、水果、肉、蛋、奶以及水产品等具有易腐易损性的生鲜初级产品，这些产品的鲜活程度决定了其自身的价值。2020年，突如其来的新冠疫情给居民生活造成了巨大影响，进而影响到了我国生鲜农产品行业发展的进程，同时对现存生鲜农产品供应链体系提出了新的挑战。通过调查分析了解到疫情期间生鲜农产品出现供需矛盾、供应链信息传递缓慢、供应商进货渠道变窄等消极现象，但同时也从中发现新的机遇，例如冷链物流呈现复苏态势、生鲜农产品供应链迎来新发展等。为进一步了解疫情期间生鲜农产品的运转情况，本文以问卷调查的形式，通过调查华中、华南等七大区域的500名消费者，从疫情期间消费者果蔬购买情况、果蔬质量问题以及果蔬行业未来发展三方面了解疫情发生以来果蔬供应体系发生的变化。研究得出：疫情期间各地均存在果蔬供求失衡的现象；购买果蔬时出现的质量问题较多；反映出我国生鲜产品供应体系存在的不足。基于此，从开展线上线下相融合的供应链模式、智慧物流供应链模式、战略联盟型农产品供应链模式、基于消费需求的农产品供应链模式四个方面提出未来生鲜农产品供应链体系的发展方向，保证了生鲜农产品行业在疫情常态化防控背景下能够正常有序的发展。

农业大数据已成为现代农业新型资源要素,也是重要的农业科技创新方向,不仅促进现代农业的生产、经营、管理和服务,而且还耦合催化三产融合。欧美发达国家特别注重农业大数据在现代农业中的作用,我国农业大数据的研究与应用也发展较快,农业数据具有涉及领域广、跨越周期长、采集难度大、处理较为繁杂的特点,因此系统梳理农业大数据应用进展,进一步明确未来发展方向,对我国农业大数据的研究和应用具有重要意义。本文通过文献调研并结合相关科研实践,对比分析了不同学者对农业大数据的定义,阐述了农业大数据的概念和内涵,系统综述了近年来农业大数据在管理与政策、工程与应用、技术与架构等方面的应用进展。最后,根据我国农业大数据发展的现状,指出平台与数据、需求与应用、交易与共享等农业大数据未来发展需要特别关注的三个方面,为进一步促进我国农业大数据领域发展提供建议。

在国家推动乡村振兴战略背景下,农业大数据已成为农业研究与应用的热点。本论文结合大数据的基本内涵和特征,介绍了农业大数据发展的战略意义,分析了农业大数据的基本概念及其包容性的典型特征,概括了农业大数据的获取途径,阐述了农业大数据平台应用体系和关键技术,并从农业决策、智慧生产、市场匹配、农业气象、食品安全等维度对农业大数据的应用进行探讨;最后总结了当前农业大数据面临的困难,为农业大数据的创新发展奠定基础。

深度学习是本世纪出现的新一代机器学习技术,深度学习技术的发展与应用对现代自然语言处理技术产生了深远的影响。本文讨论了自然语言处理技术在深度学习技术的推动下所取得的主要进展,以及近几年自然语言处理领域出现的新的技术产品和经典案例,特别分析并阐述了深度学习在文本词向量构建、磁性标注与命名实体识别相结合用于词义消歧、卷及神经网络文本自动分类、主题提取及文本内容相关性计算等关键自然语言处理任务中所发挥的重要作用,并介绍了词向量技术在水稻知识领域的作用、农业领域专有命名实体识别以及农业文献内容相关性计算等实际应用案例,并剖析了了相关技术实现细节。最后本文展望了今后一个时期自然语言处理技术的发展方向,以及其在农业领域的应用前景,并阐明了自然语言处理技术对农业领域智能化应用不可或缺的意义。

区块链技术和比特币在2008年相伴而生，但随着各界对其研究与应用不断深入，区块链技术已经开始独立于加密数字货币，发展成为一个新的研究领域。区块链技术利用密码学原理、分布式数据存储技术、点对点网络及共识机制构建的分布式账本为解决多方合作过程中的信任、隐私、数据差异等问题带来了契机。诸多产业领域如金融、政务、医疗、城市建设等均开始应用区块链技术。当前，随着区块链技术的应用与推广，区块链技术也遇到了诸如扩展性、安全性、监管难等方面的挑战，催生了各界围绕区块链技术的各个方面及相关的密码学技术不断进行创新研究或引入新技术进行补充。本文结合当前学界及产业界的研究及应用情况，总结了区块链技术的五层基础体系架构，即数据层、网络层、共识层、合约层及应用层，并综述了该架构中各个层次的原理与技术。在此基础上，进一步介绍了针对区块链与传统网络结合、区块链技术自身以及相关密码学技术的各种典型的扩展技术，并讨论这些技术对区块链技术带来的影响。最后，结合区块链技术当前的发展现状，分析了其在研究应用中面临的挑战及其未来的发展方向，以期为未来的研究工作带来启发与借鉴。

大数据技术已经成为农业向智能化发展的重要推动力。新疆生产建设兵团在农业集约化程度、规模化水平、农机装备发展、现代农业技术应用等方面一直处于全国领先水平，形成了具有地域特色的现代植棉体系。面对兵团棉花生产领域多年来积累的海量数据，如何应用大数据技术进一步提升棉花生产的智能化水平，实现棉花全产业链的健康高效可持续发展，是信息化时代加强和提升兵团屯垦戍边能力的关键问题。为了促进兵团棉花生产农业大数据产、学、研一体发展，针对兵团特有的现代化植棉体系，从农业资源、农情监测、生产管理、农机调度、市场预测五个维度出发，基于成熟的大数据存储和分析系统框架，构建了从下到上由数据层、模型层、系统层和应用层组成的我国首个覆盖棉花生产全产业链的单品大数据平台。建成后该平台拟向全疆参与棉花生产和管理的潜在用户提供棉花生产农业大数据综合管理和共享、棉花生产遥感监测、棉花生产农机作业监控与运维、棉花生产种业生产管理、棉花生产水、肥、药智能决策、棉花产品质量追溯及棉花市场预警预测服务。最后，本文针对平台研发和构建过程中在数据共享、模型升级和服务模式方面遇到的问题进行了分析，并提出了建议，以期为我国农业大数据资源共享和平台建设提供参考。

农业智能传感器是智慧农业的关键核心技术之一。本文首先阐述了智能传感器的概念、特征和实现方法，从而引入了农业智能传感器的构成、发展与应用。根据检测对象的不同，将农业智能传感器分为生命信息、环境信息和品质安全三大类，其中，生命信息智能传感器分为植物和动物生命信息，环境信息智能传感器分为水体、土壤、畜禽和气象环境信息。从目前农业智能传感器的构成与应用现状可以发现，当前我国农业智能传感器存在集成化程度较低（模块化方式实现）、农业智能传感器的核心元件（传感器元器件和微控制器）严重依赖进口、智能化程度不高等问题，应用范围有限。针对上述问题，分别从农业智能传感器技术中的核心控制器、农业传感器、无线通信网络和配套算法四个方面进行了深入剖析，其根源在于我国缺乏农业专用的核心控制器、自主研发的高端农业传感器少、缺乏农业适用的无线通信网络协议及高精度的智能传感器算法。针对以上问题，分别从研发中国“农业芯”和高性能MEMS传感器、构建农业专用无线网络和开发高性能智能算法方面提出可行对策，将有助于推进农业智能传感器的中国智造进程。在智慧农业快速发展的当下，农业智能传感器的中国智造之举至关重要。

农业病虫害对农作物的产量和品质造成了严重的威胁，因此准确、高效地检测和识别病虫害是农业生产中的重要任务。本文介绍了一个综合的农业病虫害数据集，由农业虫害检测数据集、农业病害检测数据集、农业病害分类数据集和水稻表型分割数据集组成，包含55个类别、48576张，共4.14 GB的图像样本。从公开数据源和学术论文中收集和整理数据，保证了数据集的多样性和代表性。在数据的筛选、清洗和标注过程中，采用了严格的质量控制和验证措施，以确保数据集的准确性和可靠性。该数据集可用于农业病虫害识别和水稻表型鉴定等农业视觉任务，能够为农业病虫害研究提供有价值的资源，并促进农业生产的可持续发展。

植物表型是指基因和环境因素决定或影响的作物物理、生理、生化特征和性状。准确和快速的获取植物在各种不同环境条件下的表型信息，从而挖掘其基因组的遗传和表现规律，可有效推动有关基因组与表型信息关联性研究。无人机高通量植物表型平台凭借无人机机动灵活的特点，适合于农作物田间环境中的植物表型数据获取，具有数据获取效率高和成本低等优势，借助于图像、高光谱、激光雷达等先进传感器技术，为高效获取各类植物表型数据提供了可行的途径；与此同时，快速发展的大数据技术和智能数据分析技术为无人机所获取的植物表型图像提供有效的分析处理方法和技术。在此背景下，基于无人机平台的高通量植物表型分析，为研究田间作物表型信息提供了重要的方法和工具。本文综述了国内外无人机高通量作物表型大数据分析的最新研究成果，就其研究原理、相关算法、过程、关键技术及应用等进行总结与分析，重点讨论了应用于无人机高通量植物表型大数据分析相关的大数据处理与智能分析技术，重点分析了植物株高获取、叶面积指数、植物病害等典型的表型分析需求，并就其应用前景进行了总结和展望。

中国苹果种植面积和总产量居世界首位，但目前在果树光谱和图像数据采集研究中，多数集中在对受害苹果果实的光谱和图像数据采集，对苹果叶片病虫害数据采集的研究报道较少。本研究通过收集国家苹果资源圃中分别患有斑点落叶病、红蜘蛛虫害、白粉病3种不同病虫害的苹果叶片光谱反射率和图像数据，为苹果叶片在不同病虫害胁迫下进行有效识别提供数据基础，并为今后利用航空航天遥感进行大面积果树病虫害监测提供数据基础。

目的 研究不同品种甜樱桃需冷量，对比相同品种甜樱桃不同地区需冷量差异。 方法 2021—2022年应用犹他模型、7.2℃模型和0~7.2℃模型对辽宁省葫芦岛市地区栽培的佳红、红灯、明珠、美国大红、砂蜜豆和美早6个品种甜樱桃以及江西省抚州地区栽培的砂蜜豆、明珠、佳红和美早4个品种甜樱桃进行需冷量估算。 结果 葫芦岛地区供试的甜樱桃品种，犹他模型所估算需冷量范围介于469~564.5 C.U之间，0~7.2℃模型所估算需冷量范围介于334~442 h之间，7.2℃模型所估算需冷量范围介于710~1218 h之间；抚州地区供试的甜樱桃品种，犹他模型所估算需冷量范围介于261.5~525 C.U之间，0~7.2℃模型所估算需冷量范围介于98~301 h之间，7.2℃模型所估算需冷量范围介于105~328 h之间。 结论 两地区同品种甜樱桃需冷量存在较大的差异，犹他模型估算结果差值最小，初步判断较为适宜用于不同地区甜樱桃需冷量对比研究。

为更好地促进小麦新品种的推广利用,试验以豫麦49和新麦18号做为对照品种,对小麦新品种国审周麦22号的生长发育、产量构成因素、灌浆和光合规律、生理生化特性等进行了研究。结果表明,与对照相比,周麦22号产量的主要贡献来自千粒重（46.5 g）和穗粒数（34.7粒）的协同提高;冬前大分蘖较多和成穗率（47.3%）,减少了无效分蘖对养分的消耗;较稳定的净光合速率及较低的气冠温差有利于保持较高的灌浆强度（1.27 g/d·千粒）;可溶性蛋白和可溶性糖含量,特别是扬花期可溶性蛋白含量（69.40 mg/g）较高表明周麦22号具有较强的源叶碳氮代谢活性;另外,周麦22号在灌浆中期SOD含1 752.4 U/g,显著高于豫麦49和新麦18号。周麦22号良好的生理生化特性,保证了源、库、流协调高效,为周麦22号高产、抗病、抗逆、广适奠定了基础。