期刊链接：https://www.mdpi.com/journal/agriculture

微信链接：

https://mp.weixin.qq.com/s?__biz=MzI1MzEzNjgxMQ==&mid=2650050171&idx=3&sn=

8d0549c43f363c57b49a8c9c4876de69&chksm=f1d934bfc6aebda999b67bcdf7488bfeec

98b750d898b36d1912f4c15d55e4d78334a17ca8ab&token=218529226&lang=zh_CN#rd

数字农业是将信息作为农业生产要素，用现代信息技术对农业对象、环境和全过程进行可视化表达、数字化设计、信息化管理的现代农业。数字农业使信息技术与农业各个环节实现有效融合，对改造传统农业、转变农业生产方式具有重要意义。本期荐读精选了发表在Agriculture上的5篇数字农业领域高引文章。欢迎阅读转发。

文章推荐

1. The Effects of Climate Smart Agriculture and Climate Change Adaptation on the Technical Efficiency of Rice Farming—An Empirical Study in the Mekong Delta of Vietnam

气候智能型农业和气候变化适应对水稻种植技术效率的影响——越南湄公河三角洲的实证研究

Thanh Tam Ho and Koji Shimada

DOI：10.3390/agriculture9050099

本研究采用倾向得分匹配方法，实证评估了气候智能型农业参与和气候变化适应响应对水稻生产技术效率的影响。观察数据收集自对越南湄公河三角洲352个水稻农户的深入访谈。研究结果表明，71%的当地农民适应了与盐渍入侵和干旱相关的气候变化，而29%的农民则没有。此外，只有22名稻农被当地政府和机构选择作为气候智能型农业试点项目的参与者。适应反应和气候智能农业参与的选择受到农业推广服务、对气候变化的看法、耕地面积以及地理位置 (如省份和水源获取) 的显著影响。结果还表明，气候变化适应响应 (包括气候智能农业的参与) 对水稻生产技术效率的提高起到了至关重要的作用，与无适应响应相比，水稻生产技术效率提高了13% - 14%。从参与气候智能农业的个体效应来看，参与者可获得比非参与者高5% - 8%的技术效率。

2. Moth Detection from Pheromone Trap Images Using Deep Learning Object Detectors

利用深度学习对象检测器从信息素陷阱图像中检测蛾

Suk-Ju Hong et al.

DOI：10.3390/agriculture10050170

目前，多种信息素和基于信息素的诱捕器的研究与开发，以及通过信息素诱捕器捕获的昆虫中获取的图像，已被用来监测害虫的存在和丰度以保护植物。本研究的目的是利用深度学习的目标检测方法，在信息素陷阱图像中构建检测三种害虫蛾的模型，并比较它们的速度和精度。作者收集信息素陷阱中的飞蛾图像，用于深度学习检测器的训练和评估，然后对收集的图像进行标记过程，该过程定义目标对象的框位置和类别的基本事实。由于数据集中有一些负面对象，因此，作者将非目标昆虫标记为未知类，并将非目标昆虫的图像添加到数据集中。此外，本研究在训练过程中应用了数据增强方法，使用COCO数据集预训练的检测器参数作为初始参数值。作者训练了7个检测器——Faster R-CNN ResNet 101、Faster R-CNN ResNet 50、Faster R-CNN Inception v.2、R-FCN ResNet 101、Retinanet ResNet 50、Retinanet Mobile v.2和SSD Inception v.2，并对其进行了评估。7种不同的检测器类型表现出不同的准确度和速度，其中，Faster R-CNN ResNet 101检测器表现出最高的准确度 (mAP为90.25)。此外，当收集的图像中包含意外昆虫时，具有未知类别 (非目标昆虫) 的四类检测器显示出比三类检测器更低的检测误差。

3. Machine Learning for Plant Breeding and Biotechnology

用于植物育种和生物技术的机器学习

Mohsen Niazian and Gniewko Niedba?a

DOI：10.3390/agriculture10100436

在植物育种和生物技术研究中，经典的单变量、多变量统计是最常用的数据分析方法。遗传多样性评价、植物基因型分类、产量构成因素分析、产量稳定性分析、生物和非生物胁迫评估、杂交育种计划中亲本组合的预测和体外生物技术试验分析主要采用经典统计方法。由于基因型、环境和之间的相互作用 (G×E) 导致了植物特性的不确定性和非线性，这些统计方法在分析研究数据时效率低下。为了有效地解释G×E影响的结果，必须对表型组学、代谢组学、基因组学等大规模数据流进行分析。神经网络、偏最小二乘回归、随机森林和支持向量机是一些常用的机器学习模型，已被广泛应用于分析非线性复杂的数据。利用形态学和分子标记对不同植物基因型进行分类、模拟和预测植物重要的数量特征、解释植物特征的复杂和非线性关系、体外育种方法的预测和优化是机器学习在传统植物育种和体外生物技术研究中的应用实例。通过使用成像技术精确测量植物特征，然后使用机器学习算法对提取的可靠数据进行有效分析，使实现精准农业成为可能。

4. Study of a Large Square Baler with Innovative Technological Systems that Optimize the Baling Effectiveness

使用创新技术系统优化打包效率的大型方形打包机的研究

Arrigo Salvatore Guerrieri et al.

DOI：10.3390/agriculture9050086

由于生产链的机械化、易于操作和运输、对捆料的低要求和灵活性以及对人力的低要求，捆料的使用在农业部门是非常有意义的。饲草捆主要用于动物技术，尽管有重要的变化，但仍然是当今社会的一个重要经济部门。在动物技术领域，结果的优化很大程度上取决于动物的饲养，在这方面，饲料作物在欧洲农业和经济部门发挥着重要作用。饲料内的土壤往往是大量梭状芽胞杆菌属细菌CFU (菌落形成单位) 的载体，这对奶牛的福利和奶制品的质量产生了影响。本文旨在评估由意大利制造商“Cicoria方捆”制造的大型方捆机HD 1270的性能，其主要特点是干燥饲料的高清洁度水平。实验测试证实了为这台机器所采用的技术解决方案的有效性。然而，为了更好地了解机器在降低建好的方捆中杂质和土壤含量方面的可靠性，还需要在不同工况下进行进一步的试验，以统计评估运行参数的影响和相互作用。

5. The Effects of Individual Variables, Farming System Characteristics and Perceived Barriers on Actual Use of Smart Farming Technologies: Evidence from the Piedmont Region, Northwestern Italy

个体变量、农业系统特征和感知障碍对智能农业技术实际使用的影响：来自意大利西北部皮埃蒙特地区的证据

Federica Caffaro and Eugenio Cavallo

DOI：10.3390/agriculture9050111

智能农业技术 (SFTs) 具有提供更高产和可持续农业生产的真正潜力。然而，关于客观和主观因素在采用这种颠覆性创新中所发挥的作用的实证研究有限，特别是在意大利背景前提下。本研究调查了来自皮埃蒙特地区 (意大利西北部) 的意大利农民样本中，教育、农场规模、作为唯一的农民以及感知到的障碍对SFTs使用的影响。作者通过纸笔问卷调查了310名农业经营者，分析结果表明，低教育水平和仅在农场工作与感知到的经济障碍呈正相关，而经济障碍又与SFTs的采用呈负相关。养殖场规模对SFTs采收有直接正向影响。研究结果指出，有必要制定有针对性的政策和培训干预措施，以鼓励农民使用智能农业技术 (SFTs)。

Agriculture 期刊介绍

主编：Les Copeland, The University of Sydney, Australia

期刊主题涵盖作物科学与技术、畜牧生产、农产品质量与安全、农业经济与管理、农业工程与技术等农学领域各个方面。

2020 Impact Factor: 2.925

2020 CiteScore: 2.5

Time to First Decision: 16.6 Days

Time to Publication: 38 Days