为宣传学院办学成果，彰显我院科研实力与社会贡献，学院陆续推出AI+系列办学特色成果进行展示！
本周推出第四期，由付有瑶老师领衔的智慧农业成果，系统性地展示我院科研团队在农业智能感知与作业装备技术、农业大数据平台研发等前沿领域的突破性进展及其在家禽、畜牧、海产品养殖、农产品种植等领域的应用价值。
一、成果简介：
以人工智能技术赋能农业发展为驱动，重点围绕家禽、畜牧与海产品养殖，以及农产品种植检测智能化提升等方面展开研究，探究了农业领域关键智能感知与作业装备的核心技术研发与集成应用，开发了系列智能种养装备和大数据平台，显著提升了农产品养殖、农业种植等领域自动化与智能化水平，为农业智能化提供了重要的技术支撑。相关成果受到省市多位领导的现场调研与肯定，获得《人民日报》、《浙江日报》及《台州日报》等主流媒体的多维度传播，累计阅读量超千万次。
二、成果实效
成果一：基于AIoT的工厂化智能养殖关键装备与架构
聚焦AI（人工智能）与IoT（物联网）融合的工厂化智能养殖AIoT架构，核心在于集成先进感知终端（水质、环境、生物监测）、智能执行机构（精准投喂、自动增氧、水质调控）及高效中央控制系统。其基础架构依托数据采集层、可靠传输层与智能数据分析与决策层，实现养殖全过程的自动化、智能化闭环管理，显著提升生产效率与稳定性。
图1 基于AIoT的工厂化智能养殖关键装备与架构
成果二：青蟹数字工厂化智能养殖技术
针对传统滩涂养殖过度依赖自然潮汐导致管理粗放、产量波动显著，以及人工笼养模式效率与精准性不足的问题，提出了基于物联网架构的“数字公寓”集约化养殖解决方案。其创新在于构建集成精饲调控系统、多源信息感知传感器阵列的水体环境自适应管控平台，实现了养殖全流程自动化，在规模化试验验证下使青蟹存活率由约5%显著提升至70%。
图2 青蟹数字工厂化智能养殖技术方案
图3 青蟹数字工厂化智能养殖AI中台
成果三：家禽工厂化智能养殖技术
郭贤海老师团队从2008年起服务于国家级农业产业化重点龙头企业和盛集团，自主开发了智能化环境调控系统与肉鸡生长预测模型，构建基于人工智能的标准化养殖技术体系。创新性建立“龙头公司+农户+合作社”乡村共富新模式“，形成涵盖新型经营主体的乡村产业振兴方案。该模式覆盖跨8省21市行政区域，累计带动超10万农户年增收达4.02万元，年产值达20亿元，显著促进了乡村经济高质量发展。
图4 家禽工厂化智能养殖技术方案
图5 家禽工厂化智能养殖AI中台
成果四：基于机视觉图像的农作物病害检测
本成果聚焦农作物病识别对保障辣椒生产安全与质量问题，针对当前人工诊断方法效率低、准确性差的问题，提出了一种基于轻量化卷积神经网络（CNN）的辣椒叶病识别模型，并开发了相关应用。实验结果表明，该模型在人手手掌背景图像上的识别准确率达100%，在其他背景图像上的准确率也达到87%。
图6 基于机视觉图像的农作物病害检测
相关成果获浙江省省委副书记王成同志肯定，台州市政府、浙江省海洋经济发展厅等各级单位，高度重视水产养殖数字化转型升级，原台州市委书记李跃旗、现任台州市委书记沈铭权、台州市市长王健、浙江省海洋经济发展厅副厅长张立军、新疆生产建设兵团第一师阿拉尔市副市长牟锡荣等领导先后率专项考察组，对AI赋能农业发展开展多轮技术评估与产业适配性分析。从"教育、科技、人才"三位一体的政策保障体系，以及从政策支持、产业链整合及标准化建设等维度提出系统性优化建议，明确指示需进一步扩大试验验证规模，力争形成可复制的标准化应用范式。本研究成果经工程化验证后，获《人民日报》、《浙江日报》及《台州日报》等主流媒体的多维度传播，累计阅读量超千万次。
图7 相关报道
三、人物访谈
访谈问题一：这项以人工智能赋能农业的研究，最核心的技术突破是什么？它具体如何应用到家禽养殖或水果检测等场景中？
这项研究的核心突破在于将多种智能技术进行了集成创新。我们重点研发了针对农业领域的关键智能感知与作业装备。简单来说，就是给机器装上“眼睛”和“大脑”。
在感知上：我们利用计算机视觉、传感器网络等AI技术，让机器能够自动识别家禽的健康状况、统计畜牧数量，或者检测水果表面的瑕疵与成熟度。
在作业上：基于感知信息，装备可以自主进行精准投喂、环境调控、或者对不合格农产品进行自动分拣。
通过将这些核心技术集成到具体的装备和大数据平台中，我们实现了从“人眼看”到“AI看”，从“人手工”到“机器自动干”的转变，显著提升了生产效率和智能化水平。
访谈问题二：团队的研究成果获得了从省市领导到《人民日报》等主流媒体的广泛关注，累计阅读量超过千万次。您认为这项工作之所以能产生这么大的社会影响力，最关键的原因是什么？
我认为最关键的原因在于，我们的研究切中了国家与社会发展的迫切需求。农业是国民经济的基础，但面临着劳动力老龄化、生产成本上升等挑战。用AI技术为传统农业赋能，正是解决这些痛点的“金钥匙”。
我们的成果不是停留在实验室的论文，而是实实在在地开发出了系列智能种养装备和大数据平台，并在现场得到了验证，证明了其能有效提升自动化水平、帮助农民降本增效。这种“把论文写在大地上”的务实精神，以及它对于推动农业现代化、保障粮食安全的重大意义，正是各级领导和主流媒体所高度关注的，因此才引发了广泛的社会共鸣和传播。
访谈问题三：对于对人工智能和现代农业交叉领域感兴趣的学生，您在学习路径和知识储备方面有什么具体的建议，以便未来也能参与到这样有意义的研究中来？
我们非常鼓励同学们关注这个充满潜力的交叉领域。我给你们的建议是构建一个“工科+农科”的复合型知识体系：
打好坚实的工科基础：首先要学好计算机科学、自动化、电子工程等核心课程，特别是编程、数据结构、机器学习、传感器技术等，这是你们未来进行技术创新的“工具箱”。
主动了解农业场景：知识不能脱离实际。建议大家多阅读农业领域的科普文章、行业报告，甚至有机会可以去现代农业基地参观实习。一定要理解农业生产的真实需求和具体问题，知道农民和产业需要什么，我们的技术研发才有方向。
注重跨学科实践：积极参加科研项目或竞赛，尝试将所学的AI、机器人技术应用于一个具体的农业小问题上，比如设计一个幼苗识别模型或一个温室环境调控算法。从解决小问题开始，逐步培养自己发现问题、定义问题和用技术解决问题的能力。
