本书从农林院校的特色视角出发，系统介绍了人工智能的基础技术及其应用，旨在帮助读者建立清晰的“人工智能 + 农业”的知识框架，并掌握相关技术的基本原理与实践方法。全书共8章，遵循“基础 → 技术应用 → 前沿展望”的逻辑架构编排，循序渐进地引导读者深入理解人工智能的发展趋势、关键技术及智慧农业的应用案例。<br />第1章从人工智能与农业的演进历程切入，介绍相关概念、核心特征及关键技术体系，探讨人工智能如何赋能农业现代化。第2章讲解机器学习的基础知识，为后续人工智能技术的学习奠定理论基础。第3~7章详细介绍人工智能的若干关键技术及其应用，包括计算机视觉、大数据分析、物联网、区块链、生物信息学等，不仅阐述了基础原理，还结合典型案例，展示它们在农业生产与管理各环节的应用实践。第8章展望大模型时代的智慧农业，分析人工智能大模型的发展趋势及其对农业智能化的深远影响。<br />本书适用于高等院校农林类、理工类及其他专业有志于学习人工智能和智慧农业关键技术的本科生、研究生，可作为农林院校人工智能通识课程的教材，并提供PPT等课程配套资源。<br /><br /><br />本书特色：<br />通识性与系统性并重：涵盖人工智能基础概念、核心算法等的通识讲解，并对人工智能的关键技术及其实际应用案例进行了进阶性、系统性介绍。<br />理论结合实践，贴近农业应用：在阐述人工智能关键技术时，辅以大量农业领域的实际案例，旨在帮助读者结合具体应用场景，深刻理解人工智能技术的应用价值。<br />循序渐进，适合不同层次读者：内容编排由浅入深，采用模块化设计，既适合初学者入门，也适合具备一定技术基础的读者进行深入学习。<br />

黄栋　华南农业大学数学与信息学院、软件学院副院长， “广东特支计划”青年珠江学者，中国计算机学会（CCF）数字农业分会副秘书长、青年计算机科技论坛（YOCSEF）广州分论坛2022~2023主席、计算机视觉专委会执委。主要研究方向是人工智能与大数据分析及其应用，在TKDE、TNNLS、TIP 、KDD等国际期刊或会议上发表论文90多篇，5篇第一或通讯作者论文入选ESI高被引。主持国家自然科学基金项目3项，入选斯坦福大学发布的全球前2%顶尖科学家榜单（2023~2024年），获2020年ACM广州新星奖、2022年广东省人工智能产业协会青年科技创新奖、2023年广东省人工智能产业协会自然科学奖二等奖、2024年广东省计算机学会教学成果奖一等奖。
张红雨　华中农业大学信息学院教授，湖北省生物信息学会理事长，中国生物信息学学会（筹）理事，中国空间科学学会理事，CCF数字农业分会副主任，中国农业工程学会数字乡村工程专委会副主任，国家农业大数据与信息服务联盟常务理事，8种国际期刊编委。主要从事生物信息学、农业信息学研究，在Nature Biotechnology等国际期刊发表论文200余篇，2011年获得教育部自然科学二等奖（第一完成人）。
舒磊　南京农业大学智慧农业（人工智能）学院教授、副院长，南农林肯智能工程研究中心主任，英国林肯大学“林肯教授”，入选全球前0.05%顶尖科学家、斯坦福全球前2%科学家、Scilit高被引学者、CCF杰出会员。主持各类国家、省、厅级科研项目40多项，发表论文500余篇，谷歌他引次数超过29 000次，担任（或曾任）IEEE工业电子学会云计算与无线系统专委会主席（副主席、秘书长）、CCF中国计算机学会计算机应用专委会副主任、CCF数字农业分会执行委员。
黄琼　广东金融学院教授、副校长，国家级一流本科课程负责人。主要研究方向为信息安全、智慧农业，发表论文200余篇，主持和参与科研项目30余项。入选“广东特支计划”科技创新青年拔尖人才，广东省杰青，CCF杰出会员。担任CCF数字农业分会常委，《密码学报》等期刊编委，CCF第二届数字农业大会等重要学术会议主席。曾获广东省五一劳动奖章、教育部霍英东教育基金会高校青年教师奖、广东省计算机学会高等教育教学成果一等奖等。
王昌栋　中山大学计算机学院教授，广东省大数据分析与处理重点实验室副主任。主要研究方向是图数据挖掘及其应用，在IEEE Trans系列期刊和CCF-A类会议上发表论文100余篇。主持国家自然科学基金面上项目、广东省自然科学基金杰出青年基金等科研项目近20项，获广东省自然科学奖一等奖、二等奖等，并落地应用于智慧医疗、智慧农业、电信AI反诈等场景。指导博士生入选首批中国科协青年人才托举工程博士生专项计划，硕士生获中国电子学会优秀硕士学位论文奖等。
刘斌　西北农林科技大学信息工程学院教授，陕西省“三秦英才特殊支持计划”区域发展人才，陕西省中青年科技创新领军人才，担任CCF西安秘书长、数字农业分会委员，陕西省计算机学会理事、高性能专委会副主任、计算机视觉专委会副主任。长期致力于农作物病害智能诊断研究，主持国家自然科学基金面上项目、CCF-百度松果基金等科研项目28项，在IEEE TC、COMPAG和农业工程学报等重要刊物上发表论文70余篇，其中ESI高被引论文3篇，获陕西省教学成果奖一等奖等奖项3项。

目　录<br />前言<br />基　础　篇<br />第1章　绪　　论2<br />1.1　从原始农业到现代农业2<br />1.2　人工智能与农业的发展与交汇3<br />1.2.1　人工智能的发展历程3<br />1.2.2　智慧农业的概念源起与变迁4<br />1.3　特色领域人工智能通识：讲什么，怎样讲5<br />1.4　本书的主要内容6<br />第2章　机器学习基础8<br />2.1　机器学习的基本概念8<br />2.2　机器学习的三要素9<br />2.2.1　模型9<br />2.2.2　学习准则10<br />2.2.3　优化算法10<br />2.3　机器学习的常见模型11<br />2.3.1　分类模型概览11<br />2.3.2　聚类模型概览12<br />2.3.3　回归模型概览13<br />2.4　从机器学习到深度学习14<br />2.4.1　为何走向深度14<br />2.4.2　常见的深度学习模型15<br />2.4.3　常见的深度学习框架16<br />2.5　前沿方向速览18<br />2.5.1　集成学习18<br />2.5.2　强化学习19<br />2.5.3　多模态学习20<br />2.5.4　迁移学习与大模型微调20<br />技术应用篇<br />第3章　计算机视觉：天光云影22<br />3.1　基本概念22<br />3.1.1　计算机视觉的定义22<br />3.1.2　计算机视觉的农业应用23<br />3.2　关键技术23<br />3.2.1　图像分类24<br />3.2.2　目标检测25<br />3.2.3　目标跟踪28<br />3.2.4　实例分割30<br />3.2.5　新兴研究方向34<br />3.3　农业应用35<br />3.3.1　应用概述35<br />3.3.2　应用案例分析35<br />第4章　大数据分析：吹沙到金43<br />4.1　基本概念43<br />4.2　关键技术44<br />4.2.1　数据预处理44<br />4.2.2　数据分类46<br />4.2.3　数据聚类51<br />4.2.4　预测分析54<br />4.2.5　知识图谱58<br />4.2.6　数据可视化62<br />4.3　农业应用70<br />4.3.1　应用概述70<br />4.3.2　应用案例分析71<br />第5章　物联网：万物互联77<br />5.1　基本概念77<br />5.1.1　物联网的起源77<br />5.1.2　农业物联网的发展78<br />5.1.3　农业物联网的定义78<br />5.1.4　农业物联网的结构79<br />5.2　关键技术79<br />5.2.1　物联网信息感知79<br />5.2.2　物联网信息传输82<br />5.2.3　物联网网络中间件84<br />5.3　农业应用86<br />5.3.1　应用概述86<br />5.3.2　应用案例分析87<br />第6章　区块链：云中锦书91<br />6.1　基本概念91<br />6.1.1　区块链的起源92<br />6.1.2　区块链的定义92<br />6.1.3　区块链的发展93<br />6.2　关键技术94<br />6.2.1　技术特性94<br />6.2.2　部署分类95<br />6.2.3　区块链的技术架构96<br />6.2.4　密码学基础97<br />6.2.5　分布式网络102<br />6.2.6　共识机制107<br />6.2.7　智能合约111<br />6.3　农业应用115<br />6.3.1　应用概述115<br />6.3.2　应用案例分析115<br />第7章　生物信息学：见微知著120<br />7.1　基本概念120<br />7.2　农业组学121<br />7.2.1　农业基因组学122<br />7.2.2　农业表型组学127<br />7.2.3　农业组学发展趋势132<br />7.3　农业生物数据库 133<br />7.3.1　水稻数据库133<br />7.3.2　油菜数据库137<br />7.3.3　棉花数据库141<br />7.3.4　其他作物数据库144<br />7.3.5　动物数据库146<br />7.4　农业知识工程151<br />7.4.1　农业知识工程的基本概念151<br />7.4.2　农业知识工程的基本内容153<br />7.5　农业生物信息学展望158<br />7.6　农业应用159<br />7.6.1　应用概述159<br />7.6.2　应用案例分析159<br />前沿展望篇<br />第8章　大模型时代的智慧农业176<br />8.1　大模型的发展历程176<br />8.1.1　深度神经网络的复兴176<br />8.1.2　大模型时代的开启：从Transformer到ChatGPT176<br />8.1.3　多模态大模型的兴起177<br />8.1.4　国产大模型的崛起178<br />8.2　深度求索的求索之路179<br />8.2.1　从DeepSeek Coder到DeepSeek-R1179<br />8.2.2　技术特点与开源战略180<br />8.3　“大材”（大模型）与“小用”（为我所用）180<br />8.3.1　大模型使用方式的权衡180<br />8.3.2　大模型幻觉问题及应对措施181<br />8.4　大模型时代，智慧农业何去何从182<br />8.4.1　技术赋能182<br />8.4.2　未来方向183