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。

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。

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。

随着生活水平的不断提高，生鲜农产品的质量安全已经成为人们密切关注的焦点问题。生鲜农产品追溯是食品质量安全保障中不可或缺的重要环节，同时也是提高消费者对产品信任度的有效措施。区块链以链式结构对数据信息进行分布式记录和分布式存储，通过利用加密算法、共识机制以及智能合约等技术为多方合作中出现的数据隐私与信任等问题提供了高效的解决方案。基于区块链技术的农产品追溯系统具有提高生产、加工、运输、销售过程的透明度和效率，增强数据可信度，体现数据可追溯性等优点，同时可以剔除农产品供应链中不必要的中间商，并且增强消费者对可追溯农产品的信心。本文介绍了区块链及其技术特点，分析了生鲜农产品从种植养殖、生产加工、物流运输和分销销售的整个供应链环节，提出了一种基于区块链和物联网设备的生鲜农产品可追溯性框架，并总结了区块链技术在果蔬追溯、畜禽肉类追溯和水产品追溯方面的应用进展，同时指出了现阶段区块链农产品溯源所存在的消费者对区块链接受度低、市场主体之间存在用户隐私与交易保密的顾虑和无法保证源头数据的真实性等关键性问题，最后结合区块链技术讨论了未来生鲜农产品追溯的发展方向，为促进生鲜农产品追溯的深入研究提供启发与借鉴。

冷链物流是指产品在流通过程一直处于低温的环境，包括运输、配送、加工、包装、贮藏、分销和零售等各个环节，通过冷链物流运输产品能够减少损耗，使消费者可以获得品质优、新鲜度高的产品。中国冷链物流技术的发展落后于发达国家，主要表现为冷链运输配送率低和人均冷库面积低，同时还存在基础设施落后、体系不健全和信息化水平不高的问题，严重制约了农产品质量安全保障体系的建设与完善。在现代化信息技术快速发展的背景下，农产品冷链物流过程中科学合理地应用大数据技术，不仅可提升农产品流通过程中的存储环境控制能力，有利于保障农产品质量安全，还可实现资源整合、降本增效。本研究通过探讨国内外冷链物流的现状及农产品冷链物流发展的意义，提出应当充分利用大数据时代的优势，构建农产品冷链物流平台，为中国农产品冷链物流发展提供支撑。基于大数据的农产品冷链物流平台包括数据基础层、信息管理层和应用层，通过大数据技术对冷链物流中的核心环节进行优化，实现优化农产品物流运输和仓储管理、强化农产品质量安全控制、提升精准销售和高效配送能力、提升信息交换共享能力等效果。最后，本研究提出在大数据时代农产品冷链物流行业应当重视顶层设计、加强冷链基础设施建设、做好大数据体系构建和数据深入挖掘工作，以及加快培养和引进高科技人才等发展建议。