安徽科技工程大学人工智能学院学术沙龙报告

会议时间： 2026年8月26日
主办单位： 安徽科技工程大学人工智能学院
会议形式： 学术沙龙

---

一、会议概况

本次学术沙龙围绕人工智能在农业领域的深度应用展开，邀请了来自CCF数字农业分会、高校及科研机构的专家学者，就农业物联网故障诊断、智慧畜牧、智慧水产养殖及智能传感技术等前沿方向进行了专题分享。会议涵盖国家自然科学基金申报经验、关键技术研究进展及产业化实践探索等内容。

---

二、主题报告一：农业物联网设备故障诊断与异常检测研究

报告人： 杨星（CCF数字农业分会执行委员）
研究方向： 异常检测、边缘智能、农业物联网

2.1 国家自然科学基金申报经验分享

杨星老师首先分享了国家自然科学基金申报的实战经验，强调以下几点：

• 前期准备：需系统梳理近五年内的高质量期刊综述，做好前期铺垫工作，结合预实验结果理清研究思路，找准科学问题。
• 材料重要性：申报书与五篇代表作具有同等重要性，竞争对手的学术层次也是重要考量因素。
• 研究定位：需明确学科研究热点与难点，找准切入点。

2.2 研究背景与应用场景

以物联网太阳能杀虫灯为典型应用场景，构建农业物联网系统：

• 针对迁飞性害虫，在虫害重点区域部署5G/IoT节点
• 结合施药无人机，实现虫情信息的预测预报与后台决策
• 核心功能：虫态势感知、迁飞路径预见

2.3 农业物联网设备故障诊断关键技术

（1）故障诊断体系构建

• 系统梳理故障类型（F02类等），建立完整的故障诊断流程闭环
• 现有节点故障诊断方案：在设备端进行故障检测，仅将必要数据回传后台
• 研究基础：简单规则的故障自诊断方法（F0-F14类故障）

（2）轻量化故障诊断方法

• 传统方法：滑动窗口方法、有值滑动窗口方法
• 优化目标：节省31字节存储空间，虽精度不一定最高，但存储性能优异
• 核心挑战：解决领域/邻域类信息丢失的故障诊断问题
• 实验验证：通过采样方法获取数据早期分布规律，使用四块Arduino板进行测试

（3）基于深度学习的故障诊断

• 传感器故障类型：0-9类分类
• 模型架构：引入时间-通道注意力机制，构建128KB轻量级神经网络
• 技术路线：
  • 步骤一：线下数据集构建
  • 步骤二：离线训练
  • 步骤三：线上推理
• 效果：时间-通道注意力模块提升效果显著

（4）故障诊断模型迁移

• 目标：降低数据标注成本，增强模型泛化性
• 挑战：新环境、新设备架构、新故障类型
• 方法：采用迁移学习方法，包括源域故障迁移、域对抗迁移

（5）太阳能电池板异常检测

• 目标：精确定位异常原因
• 模型：CNN/Swin-Transformer、1D-CNN、Mamba、MLP
• 技术亮点：跨模态注意力融合，融合RGB图像与电压/电流/功率时序数据
• 数据维度：温湿度、光照等环境数据
• 研究理念：不能局限于单一领域，需覆盖更大范围

（6）总体研究目标

模型轻量化与低数据成本下农业物联网设备的故障诊断与异常检测

---

三、主题报告二：基于典型表征的母猪体况评定及发情检测关键技术研究

报告人： 薛鸿翔
研究时间： 2026年8月

3.1 研究背景与意义

• 战略层面：响应粮食安全与2035远景目标纲要，结合人工智能技术发展智慧农业
• 产业链定位：农业→畜牧业→养猪业→配怀期母猪
• 核心目标：减少返情、流产等问题的发生率

3.2 母猪体况评分方法研究

• 技术路线：基于Transformer与CNN的母猪体况评分方法
• 关键优化：
  • 改进损失函数
  • 优化骨干网络
  • 引入注意力机制
  • 结合BMI指标评估体况
• 挑战与难点：
  • 人工体况评分标准制定（五个等级）
  • 履带式机器人数据采集
  • 需收集代表性图片约1万张
  • 图像裁切、数据清洗与扩充、数据集划分

模型设计

• CNN：具备局部特征提取能力
• Transformer：提取整体特征
• 损失函数优化：针对数据量有限问题，采用迁移学习策略
• 可视化：使用类激活图/热力图可视化模型关注重点

损失函数改进

• 加权交叉熵损失函数
• F1损失函数

3.3 催情机器人系统

• 多模态感知：通过听觉、触觉、视觉和嗅觉多通道感知
• 公猪信息素释放系统：建立公猪信息素容积计算公式
• 模型优化：稀疏训练、通道剪枝、模型量化
• 骨干网络：EfficientNet

3.4 发情期行为分析

• 光照挑战：不良光照检测测试（曝光不足、过度曝光、日间/夜间光照）
• 行为差异：发情期与非发情期行为特征不同
• 姿态分布：侧卧、胸卧、坐立、站立等姿态分布特点
• 模型优化：消除无用输出层、层融合操作
• 检测网络：Bi-FPN、Nanodet
• 时序分析：基于时序的发情分析

3.5 多源数据体温监测

• 新挑战：新的养殖环境适应性
• 技术路线：基于多源数据的发情期母猪体温监测方法
• 数据采集：
  • 热红外数据、环境数据
  • 猪眼睛、肚肠、外阴温度准确测量
  • 利用机器人采集
  • Smart View获得温度数据、可见光图像、红外图像
• 语义分割：DeepLabv3+语义分割算法构建母猪外阴区域分割器
• 难点：个体差异、营养状况、生理周期导致外阴差异

3.6 相关技术工具

• 分割网络：FCN、U-Net、Mask R-CNN
• 检测网络：YOLOv5
• 上下文模块：CCNet（级联的上下文模块）
• 选育决策：SA模块、PSO粒子群算法，为个体选育提供新的决策工具

---

四、主题报告三：面向水产养殖的智慧投喂关键技术与实践

报告人： 武尧
联系方式： wuyao@ahstu.edu.cn

4.1 产业背景

• 全球地位：中国水产养殖占全球60%以上
• 经济意义：水产养殖是中国农业经济和乡村振兴的重要支撑
• 区域优势：滁州市产业基础扎实，具备长三角区位优势、智能制造产业基础及丰富的农业应用场景
• 产业痛点：
  • 不是水产养殖强国
  • 平均粮食转化率55%以上
  • 饲料浪费严重（养殖总成本55%为饲料）
  • 环境问题凸显
  • 过量投喂导致水质恶化

4.2 传统养殖模式

• 经验依赖：看鱼、看水、看天气
• 应激调整：暴雨减少投喂
• 关注维度：关注个体、关注群体
• 与哺乳动物差异：不像哺乳动物以"少量取胜"策略

4.3 智慧投喂技术体系

（1）系统架构

• 感知层：摄像头、水质传感器
• 执行层：自动投喂机、增氧机、水质调控设备
• 决策层：精准感知与智能决策能力

（2）鱼类行为量化方法

• 直接方法：
  • 鱼类行为识别与行为量化
  • 鱼类饱腹状态识别与饱腹度量化
• 间接方法：
  • 摄食活动识别与摄食强度量化

（3）智能投喂决策

• 决策维度：涵盖水温、溶氧、投饵量、养殖操作等参数
• 核心能力：智慧（能）投喂决策系统

4.4 装备研发与产业化

• 旋转式无人精准投喂装备
• 控制机制：继电器控制投喂机通断
• 愿景目标：水产养殖智能工厂
• 辅助装备：通过人形机器人替代人工巡检

---

五、主题报告四：智能传感与状态感知技术创新平台

报告人： 陈博士

5.1 平台概况

• 平台名称：智能传感与状态感知技术创新平台
• 研究领域：工业检测、智慧农业、新能源装备
• 团队规模：形成15人以上团队，培养研究生15名
• 布局架构：1条核心线、2条支线、4个方向、N个场景

5.2 四大研究方向

方向	研究内容
一	电磁与激光多模态检测
二	设施农业等GNSS拒止场景多源定位
三	介电性土壤多场景测量
四	面向新能源动力电池检测

5.3 代表性成果

• 智能深耕技术
• 番茄移栽：成功率达91.1%
• 装备研发：柔性多功能底盘、智能柔性末端（4D打印技术）

5.4 研究规划

阶段	时间	目标
第一阶段	2024.09-2027.08	发表SCI/EI论文2-3篇，申请专利1-2项
结题阶段	2028.09-2029.08	结题，累计发表十几篇SCI/EI论文

---

六、会议总结

本次学术沙龙系统展示了人工智能技术在现代农业全链条中的创新应用：

1. 农业物联网：从设备故障诊断到异常检测，强调轻量化模型与边缘智能，解决实际部署中的存储、计算与标注成本问题。

2. 智慧畜牧：以母猪体况评定和发情检测为切入点，融合计算机视觉、多模态感知与机器人技术，推动畜牧业精准化管理。

3. 智慧水产：针对中国水产养殖大国的产业需求，构建从行为识别到智能决策的完整投喂技术体系，助力降本增效。

4. 智能传感：搭建多学科交叉创新平台，以电磁/激光多模态检测、多源定位等核心技术支撑智慧农业发展。

会议充分体现了"人工智能+农业"的深度融合趋势，为参会师生在国家自然科学基金申报、关键技术攻关及产业化实践方面提供了宝贵的经验借鉴与思路启发。

---