當前，新質生產力已成為千行百業高質量發展的內在要求和重要著力點。農業作為國民經濟的“壓艙石”，更需要夯實基礎，依靠科技創新、產業創新為農業強國建設注入強勁動能。
作為國內智慧農業的耕耘者，托普云農將現代信息技術與農業專業深度融合，通過人工智能、大模型、大數據在農業領域的深度綜合運用，為農業科研、生產、管理提質增效。
近年來，人工智能（AI）技術取得飛躍式進步，其中圖像智能識別、數據建模分析、大模型等能力，在農業領域應用越來越廣泛。托普云農組建專業的人工智能技術團隊，結合農業科研、生產等環節的實際需求，對AI技術進行深度適配和校準，已在眾多場景實現成熟應用。
人工智能的圖像識別能力在作物考種、植物表型識別、植保等領域都能發揮巨大作用。托普云農基于先進的深度學習和大模型技術，根據場景選擇合適的算法模型及驗證，采集海量樣本數據對模型進行訓練，并結合市場驗證進行多次版本迭代和優化，識別準確率達到國內領先水平。
在作物考種工作中，對作物籽粒、果穗的性狀考察和分析是篩選和培育優良品種的重要一環。托普云農將AI圖像識別技術與考種場景相結合，自主研發智能考種分析系統，通過高清成像智能識別小麥、水稻、玉米等農作物的籽粒、果穗、截面，并高效精準測量粒數、重量，以及長、寬、面積等各項粒型參數與果穗參數。與傳統人工測量方式相比，運用AI圖像識別技術不僅考種分析效率顯著提升，測量精度也大大增加，誤差控制在0.3%以下。
托普云農圖像識別技術在考種方面的應用
基于深度學習的圖像識別技術，托普云農將AI用于植物表型識別、檢測和分析，并涵蓋植物的根、莖、葉、花、果實等器官。在可見光二維、可見光三維、高光譜等成像模塊下，整合多種傳感器，利用AI算法快速獲取植物全生育期高通量表型信息，覆蓋不同生境下植物器官、單株、群體的形態、生理等120多種表型指標，在解析精度、效率等方面優勢明顯，為智能育種、種質資源鑒定等科研工作提質增效。
托普云農植物表型解析設備
托普云農圖像識別技術在表型解析方面的應用
我國每年農作物病蟲害發生面積近70億畝次，而傳統的人工病蟲害檢測方法存在主觀性強、工作量大、覆蓋范圍窄，效率低等問題。為此、托普云農利用人工智能深度學習技術，結合積累的病蟲害樣本庫訓練出病蟲害模型，從而實現對病蟲害的快速、精準識別。
托普云農病蟲害識別算法示意
目前，基于人工智能與植保領域深度融合，托普云農采用卷積神經網絡深度學習的方法建立識別模型，已實現2063種農業害蟲的智能識別。其中，二化螟、稻縱卷葉螟、玉米螟、棉鈴蟲、小菜蛾等國家一二類趨光性及主要農林害蟲的識別準確率達到97.5%；稻飛虱、葉蟬、綠盲蝽等毫米級小蟲體識別準確率達90%以上。
在病害方面，已覆蓋小麥、玉米、水稻等9類作物，涵蓋赤霉病、灰斑病、稻瘟病等在內76種病害癥狀，在水稻病害癥狀識別方面效果尤其顯著，為糧食安全、生態保護提供了有力保障。
托普云農圖形識別技術在植保方面的應用
基于多樣化的農業傳感器與智能裝備，托普云農精準采集來自土壤、氣候、作物生長等多維度源頭數據，并運用AI技術進行數據建模分析與趨勢預測，在種植管理、風險評估、市場洞察等方面為農業生產者提供決策支持。
托普云農自主研發和適配的作物物候期模型，WOFOST作物生長模型等，通過內置作物在不同生長發育期的同化、呼吸、蒸騰作用等生物機理，以及氣候、土壤等環境機理，實現對作物全生命周期的監測與預測，包括生育期預測、產量預測等，指導農事管理，提高生產效率。
楊梅生長模型
基于對土壤、作物生長情況的數據監測，托普云農構建測土配方、土壤墑情預測、作物需水模型等，評估和匹配土壤水份、肥力與作物生長需求，從而指導精準灌溉、精準施肥，在確保作物健康生長的同時達到節水節肥、避免環境污染和資源浪費的目的。
托普云農精準智能灌溉系統
在外部環境方面，托普云農研發病蟲害預測、蟲害防治期估算、小氣候訂正、氣象災害預警等模型，為農業生產者提供有效的防災防治建議。同時，綜合利用了農作物市場價格數據、天氣預測數據的農作物產量預測、價格預測、投入產出分析等模型，能夠評估農業風險，為農業生產經營者和銀行、保險等農業金融服務者提供精準定價和風險管理策略。
褐飛虱屬遷飛路徑研判
得益于在智慧農業領域的深厚積累，托普云農將AI大模型技術與農業專業深度融合，構建農業AI大模型“小農人”，對農資、農技、農事服務、農業科研、農產品加工業、農業信息服務、農業社會化服務等細分領域的學術論文、技術報告、專利文檔等海量知識進行系統化梳理，構建農業知識體系庫。當農業工作者向“小農人”提出農業問題時，它基于RAG技術迅速生成專業答案，如同一位即問即答的農業專家顧問，協助農業工作者解決復雜問題。
與傳統的問答機器人相比，“小農人”的表現更加智能，不僅對話流暢自然，能夠靈活適應不同場景和任務，而且隨著訓練語料的不斷豐富和知識庫的不斷更新，“小農人”能夠持續擴充農業專業知識，從而提供更好服務。
例如在農場管理場景，“小農人”化身為農場管家，協助農業園區管理；在環境調控場景，“小農人”化身為種植專家，指導灌溉、通風、施肥等農事操作；在植保場景，“小農人”化身為病蟲害防治專家，為工作者解答病蟲害防治難題等。
農業大模型“小農人”
大數據技術的核心價值在于從多樣化數據集中發現規律、趨勢和關聯性，為科學決策提供支撐。近年來，我國高度重視農業大數據應用與基礎設施建設工作，陸續發布《促進大數據發展行動綱要》《農業農村大數據試點方案》《數字農業農村發展規劃（2019—2025年）》等一系列指引性文件，推動大數據技術向農業全產業鏈加速覆蓋。
大數據技術應用，數據采集是基礎。托普云農不斷加強精準感知、圖像識別和數據采集技術創新，研發涵蓋植物表型、種子、培養箱、植保、氣象環境、土壤、品質等200+農業專用傳感器與智能裝備，深入開展數據采集、輸入、匯總、應用、管理技術研究，構建起農業生產全要素智能數據采集系統。
在農業生產環節，大數據技術通過傳感器、物聯網智能裝備、遙感、GIS等方式采集并整合氣候、土壤、作物生長、病蟲害等多維度數據信息，經綜合分析發現趨勢和關聯性，從而優化資源投入，降低生產成本，提高生產效率與產品質量。
以病蟲害監測預警應用為例，托普云農與浙江省植保部門共同打造“浙江省農作物重大病蟲害智慧監測預警系統”，在浙江省全境統一布局田間智能監測點160余個，形成區域性智能監測網絡，實現水稻二化螟、稻縱卷葉螟、稻飛虱等重大蟲情動態的實時測報、集中采集、統一管理和綜合應用。
浙江省水稻蟲情預警平臺
蟲情數據的匯集和分析，為監測遷飛性害蟲首發、爆發提供了重要依據。2021年7月，臺風“煙花”過境浙江期間，浙江省級植保部門通過蟲情監測數據研判桐廬等地可能迎來稻縱卷葉螟遷入高峰，指導當地農戶及時采取防治措施，收效顯著。
在單品全產業鏈綜合管理環節，大數據技術通過收集與打通供需兩端數據信息，能夠分析市場需求、庫存水平、物流信息等，進一步減少供需兩端信息不對稱，在倉庫儲存和零售商店環節提高運營質量，提升供應鏈管理效率。
以水稻產業為例，由農業農村部建設項目支持，中國水稻研究所牽頭建設，托普云農提供技術支撐建成的國內首個水稻全產業鏈大數據應用服務平臺——國家水稻全產業鏈大數據平臺，通過搭建水稻全產業鏈大數據中心，打通水稻生產-儲備-市場-貿易-消費-科技全產業鏈，匯聚來自生產端、流通端、消費端的宏觀、中觀和微觀數據，形成完善的業務管理、數據共享和決策咨詢體系，建立價格分析預測、氣象產量預測、投入產出分析、輿情分析、消費者情感分析等模型，深化大數據在水稻產業領域的應用，推動我國水稻產業的數字化、信息化建設。
國家水稻全產業鏈大數據平臺
在農業農村農政監管層面，大數據技術也發揮著至關重要的作用。通過收集和分析農田分布、農業生產、農村事務等海量農業數據，農政監管機構能夠更全面、精準地了解轄區農事狀況、預測市場趨勢、評估資源分配以及制定管理政策。
以“浙江鄉村大腦”為例，“浙江鄉村大腦”是由浙江省農業農村廳決策部署，托普云農提供技術支撐打造的浙江省農業農村領域數字化、智能化能力中心。
建設過程中，托普云農為浙江鄉村大腦搭建了“11153”的總體構架（1倉1圖1碼5庫3能力），制定了嚴謹的技術規范，建立了知識庫、規則庫、算法庫、模型庫、組件庫，打造“智能感知、生長模型、智能交互、監測預警、指數評價、分析研判、惠農直達、全景畫像、安全智控”九大智能能力，支撐了“農業智能、鄉村智治、農民智富”三大場景能力，分別聚焦智慧農業生產、基層鄉村治理、農民增收共富，開發并集成了一系列數字化應用，顯著提升數字鄉村建設水平。
浙江鄉村大腦匯集農業大數據
目前，浙江鄉村大腦已經覆蓋全省11個市、90個縣（市、區），實現省市縣三級全貫通，有效支撐“浙農”系列等各級應用60余個，歸集各類數據約20億條，日均訪問量超100萬次，活躍用戶55萬人。
未來，農業領域將迎來多種技術融合發展的趨勢。在科技創新驅動下，物聯網、智能傳感器、大數據、人工智能、農業機器人等技術將持續進步并深度融合，構建高度集成的智慧農業生態系統，形成農業新質生產力，推動農業科研、生產、經營與監管向著精準、高效、智能化、可持續方向不斷發展。
