综述：农业智能：在感知-决策-执行框架下的技术综述 于少德（Shaode Yu） 李新艺（Xinyi Li） 赵松南（Songnan Zhao） 刘倩（Qian Liu）

《Applied System Innovation》：Agricultural Intelligence: A Technical Review Within the Perception–Decision–Execution Framework Shaode Yu, Xinyi Li, Songnan Zhao and Qian Liu

　　

摘要

人工智能（AI）正在将现代农业从基于经验的实践转变为基于数据的生产模式。为了深入分析智能农业中的AI技术，我们从Web of Science、IEEE Xplore、Google Scholar和Scopus检索了2015年至2025年的相关文献，在筛选了1867篇相关论文后，最终保留了85篇文章。这些文章被分为三个阶段：感知、决策和执行（PDE），形成一个闭环框架。在感知层面，我们重点介绍了智能传感系统的进展，例如无人机（UAV）和多模态监测平台在作物病虫害检测、生长监测和非生物胁迫评估中的应用。在决策层面，融合了多种数据来源（包括气象记录、土壤测量数据、遥感（RS）图像和市场信息），支持高级分析，如产量预测、病虫害预警、灌溉和施肥计划以及作物管理优化。在执行层面，配备同时定位与建图（SLAM）和深度强化学习（RL）的农业机器人实现了精准喷洒、自主收割和无人田间作业。总体而言，AI技术在农业生产的PDE流程中展现了巨大潜力。然而，仍然存在一些挑战，包括数据异构性融合、在不同环境下的泛化能力有限、系统集成复杂以及高昂的硬件和部署成本。未来的研究方向包括轻量级模型设计、跨平台标准化、增强人机协作，以及将新兴的AI范式更深入地整合到农业智能系统中，以支持可扩展、鲁棒和自主的农业智能系统。