引用格式
引用格式：郭旺, 杨雨森, 吴华瑞, 朱华吉, 缪祎晟, 顾静秋. 农业大模型:关键技术、应用分析与发展方向[J]. 智慧农业(中英文), 2024, 6(2): 1-13.
DOI：10.12133/j.smartag.SA202403015
Citation:GUO Wang, YANG Yusen, WU Huarui, ZHU Huaji, MIAO Yisheng, GU Jingqiu. Big Models in Agriculture: Key Technologies, Application and Future Directions[J]. Smart Agriculture, 2024, 6(2): 1-13.
DOI：10.12133/j.smartag.SA202403015
官网全文免费阅读
知网阅读
农业大模型：关键技术、应用分析与发展方向
郭旺1，2，3， 杨雨森1，4， 吴华瑞1，2，3*， 朱华吉1，2，3， 缪祎晟1，2，3， 顾静秋1，2，3
（1.国家农业信息化工程技术研究中心，北京 100097，中国；2.北京市农林科学院信息技术研究中心，北京 100097，中国；3.农业农村部数字乡村技术重点实验室，北京 100097，中国；4.新加坡国立大学 设计与工程学院，新加坡 117583，新加坡）
摘要：
［目的/意义］近年来，人工智能在农业领域的应用取得了显著进展，但仍面临诸如模型数据收集标记困难、模型泛化能力弱等挑战。大模型技术作为近期人工智能领域新的热点技术，已在多个行业的垂直领域中展现出了良好性能，尤其在复杂关联表示、模型泛化、多模态信息处理等方面较传统机器学习方法有着较大优势。
［进展］ 本文首先阐述了大模型的基本概念和核心技术方法，展示了在参数规模扩大与自监督训练下，模型通用能力与下游适应能力的显著提升。随后，分析了大模型在农业领域应用的主要场景；按照语言大模型、视觉大模型和多模态大模型三大类，在阐述模型发展的同时重点介绍在农业领域的应用现状，展示了大模型在农业上取得的研究进展。
［结论/展望］ 对农业大模型数据集少而分散、模型部署难度大、农业应用场景复杂等困难提出见解，展望了农业大模型未来的发展重点方向。预计大模型将在未来提供全面综合的农业决策系统，并为公众提供专业优质的农业服务。
关键词： 生成式人工智能；大模型；农业知识服务；机器学习；自主决策；多模态；深度学习
图1 农业大模型的构建流程与应用
Fig.1 Construction and applications of agricultural big models
图2 农业大模型主要应用场景
Fig. 2 Main application scenarios of agricultural big models
图3 SAM模型架构
Fig.3 The architecture of segment anything model
图4 SAM在使用适配器后的病虫害图像分割实例
Fig. 4 Examples of image segmentation for pests and diseases of SAM with adapters
作者简介
吴华瑞 研究员
吴华瑞，研究员，科技部“十四五”数字乡村技术预测专家组组长、国家“十四五”重点专项“乡村产业共性关键技术研发与集成应用”总体组专家、农业农村部数字乡村技术重点实验室主任，农业农村部特色经济作物全程机械化专家组成员，中国人工智能学会智能农业专委会主任，国家大宗蔬菜产业技术体系智能化管理岗位科学家，入选国家级人才。主要从事农业大数据、人工智能与蔬菜智慧无人农场相关研究工作。近年来获国家科技进步奖1项，省部级奖励5项，发表论文85篇（SCI 25篇），授权发明专利37项，编制颁布标准8项，著作2部，软著34项。
来源：《智慧农业（中英文）》2024年第2期
转载请联系编辑部授权
推荐阅读
智慧农业微信交流服务群
发布征集
欢迎在我公众号发布科研团队介绍、创新科研成果及相关活动等信息。
