为美国农民构建解锁精准农业的数字基础设施

ARS 数字农业系统中心（DASH）希望借助计算机视觉与人工智能（AI），帮助研究人员和生产者在田间更准确地掌握实际情况，并更迅速地应对新出现的挑战。美国农民承受的压力正不断加大，包括天气变化频繁、抗除草剂杂草蔓延、土壤退化、劳动力不足以及生产成本持续攀升。与此同时，管理较大规模农场的农民人数却在下降，他们必须在数千英亩土地上做出越来越复杂的决策。面对这些挑战，农民需要价格可承受的精准农业工具，能够提供实时、针对具体地块的洞察，从而提升生产力、减少投入并建立有韧性的农业系统。DASH 的目标正是通过杂草和病害制图等计算机视觉方案，让农民用上精准农业，以帮助满足这一需求。DASH 由 ARS 科学家及合作者开发，是一个持续发展的全国性数字平台，用于开发和整合大型农业计算机视觉训练数据集、机器学习模型以及可部署的传感技术。该平台提供开源工具，使研究人员、育种者和生产者能够检测作物胁迫、识别杂草和害虫，并在田块和农场层面做出数据驱动的管理决策。“DASH 正在帮助我们将多年的农业研究转化为可部署的数字工具，”ARS 数字农业主任、位于马里兰州贝尔茨维尔的 DASH 联合主任 Steven Mirsky 说。“我们正在构建系统，使我们能够以前所未有的细节看到农田中正在发生的情况，并将这些信息转化为农民可采取行动的知识。”为构建这些工具，研究人员正在整合来自卫星、无人机、田间机器人和农业设备的图像与传感器数据，以捕捉农业景观中的真实状况。“我们正在将这些数据流与 AI 相结合，为农民解锁并规模化精准农业——从单株植物到整个农场，”Mirsky 说。多项关键技术为 DASH 平台提供支持。其中之一是国家农业图像库（AgIR）——一个开源的、基于云的库，包含超过 50 TB 的高分辨率、元数据丰富的作物和杂草图像。这些图像构成了训练计算机视觉系统的基础，使机器能够识别田间的植物和农业胁迫。这些图像部分由 BenchBot 生成。BenchBot 是 ARS 研究人员开发的一种模块化自动相机系统，用于快速采集和标注或标记农业图像，以供训练计算机视觉模型使用。“BenchBot 使我们能够生成大型、高质量的数据集，这些数据集对于训练人工智能模型至关重要，”Mirsky 说。“这些模型随后可用于改进植物育种、加速作物研究，并支持农场的日常决策。”这一数字系统通过 ModCam 进入田间。ModCam 是一种安装在喷杆等农业设备上的模块化相机系统，使用基于 AgIR 图像库训练的计算机视觉 AI 模型，在育种试验、研究小区和农田中绘制并识别植物。这些工具使科学家能够为育种项目快速进行作物表型分析，同时也创造出支持精准农业的实用田间规模工具。“我们正在将农业研究产生的知识转化为可部署的技术，”位于北卡罗来纳州罗利的 DASH 联合主任 Amanda Hulse-Kemp 说。“例如，DASH 正在利用计算机视觉，通过覆盖作物实现精准氮管理，并在植物科学研究小区和农民田块中绘制杂草分布图，目标是开发综合杂草管理系统。我们目前正在北达科他州法戈与甜菜种植者协会合作，研究甜菜褐斑病（CLS），希望开发出实时绘制 CLS 的新方法，从而有望为种植者管理该病害提供新途径。”原文内容较长，本文保留主要内容节选；完整信息请参考下方来源链接。原文发布日期：2026-09-28；中文翻译整理：农业食品参考（ziqpack.cn）。非原机构官方中文版。来源：

USDA Agricultural Research Service (ARS)。；内容经中文翻译改写，采集时间：2026-09-28 22:59:06。主题配图，非事件现场。摄影：

(责任编辑：农业食品参考)