农业农村部：2025年“十大智慧农业主推技术”公布（一）

2025年十大智慧农业主推技术

农业农村部发布2025年十大智慧农业主推技术，聚焦农业生产各环节痛点，融合人工智能、物联网、大数据等新一代信息技术，构建高效、精准、绿色的智慧农业技术体系，推动农业产业高质量发展。十大技术分别为：土壤高通量检测机器人及大田智慧施肥技术、大田农机装备自主作业技术、生猪智慧养殖AI算法技术、水产养殖智能工厂关键技术、蛋鸡智能选育选配关键技术、主粮种植农事数字管控技术、冬小麦智慧灌溉水肥精准调控单产提升技术、大豆智能设计育种技术、果蔬智能分选与全链条数字化技术、荔枝智能速冻锁鲜与高值化加工技术。各技术详细内容如下：

1．土壤高通量检测机器人及大田智慧施肥技术

一、技术概况

针对我国大田作物施肥用量偏高、效率偏低、结构失衡等突出问题，该技术聚焦土壤信息获取、目标检测、智能服务三大核心任务，突破“天空地”多源数据融合、智能检测装备研发、农业大数据建模等关键技术，构建AI赋能的新一代智慧施肥技术体系，为农业企业、规模农场及农业社会化服务机构提供精准化、高效化、个性化农事服务，可实现规模化应用，具备显著的经济、社会及生态效益。

二、技术要点及应用成效

（一）核心技术要点

1. 高通量土壤检测机器人：针对传统实验室土壤检测周期长、成本高、人工误差大、人员依赖性强等痛点，研发匹配实验室动作流程的机器视觉、精准滴定、多臂协同、优化调度算法等核心技术，集成土壤制样、扫码进样称量、多方式浸提、显色检测、离心、有机质分析、消解等全流程功能模块，可实现土壤养分及重金属共42项指标的全自动化检测。检测精度符合国家相关标准，精密度优于传统人工操作，检测通量达2000指标/天，系统误差控制在5%以内，大幅降低检测成本，构建稳定高效的规模化土壤检测新模式。
2. 便携式土壤快速检测技术：为解决土壤养分原位检测缺失、检测周期长等难题，创新融合微流控芯片与光学检测技术，打造土壤前处理—检测一体化系统，实现鲜土pH、硝态氮、速效磷、速效钾、有机质的低成本（10元/指标）、快速（20分钟/指标）、易操作（≤4个操作步骤）、高稳定性（RSD＜5%）现场检测，有效破解我国土壤检测自主可控性不足、农户易用性差的核心难题。
3. 土壤水热盐传感器：针对当前水热盐传感器原位动态监测精度低、寿命短、维护成本高的问题，基于介电感测原理，结合微机电系统技术（MEMS），利用土壤作为电介质，研发多通道非接触式感测方法，开发的新型传感器可实现微型化、低功耗、多参数的土壤水、热、盐动态监测（重复性＜5%，准确度＞90%）。
4. 土壤快检试剂盒和试纸：针对土壤养分传统检测取样繁琐、设备体积大、操作专业性强等问题，研发土壤氮磷钾敏感型新型荧光纳米材料，结合薄膜扩散梯度（DGT）被动采样技术，开发一次性铵态氮/硝态氮纸基荧光可视化检测试纸、土壤磷酸根和钾离子荧光检测试剂盒，实现土壤NPK高灵敏（1mg/kg）、低成本（仅为传统方法的5%）、快速（15分钟）可视化检测。
5. 土壤肥力智慧制图技术：以测土机器人基准检测数据为基础，结合本地化标定后的快检设备补充数据，融合GIS地理信息系统与机器学习算法，开展服务区域土壤属性精细化制图。制图指标涵盖pH值、有机质、全氮、有效磷、速效钾等核心肥力指标，为基肥施用前的精准监测和施肥方案制定提供空间化数据支撑。
6. 施肥大模型技术：融合养分专家系统、大语言模型与遥感解译算法，深度分析作物、土壤、气象等多源数据，依托多年实地试验数据持续优化变量权重，构建新一代“养分专家施肥大模型”。该模型可根据土壤条件与目标产量制定精准基肥方案，结合作物生育阶段、苗情长势及近期天气动态生成追肥决策，实现施肥全周期智能化、精准化调控。

（二）降本增效成效

通过智能化施肥运筹与动态追肥决策，实现农场生产多重效益协同提升：一是化肥利用率显著提高，在作物不减产的前提下，肥料用量下降10～22%；二是作物产量稳步提升，粮食作物产量提高8～13%；三是农业面源污染得到有效控制，生态环境持续优化，形成“增产、提质、减污、增效”的良性发展模式。

三、应用条件及要求

1. 以农场为基本服务单元，初期需根据作物长势、产量信息布设不少于40个土壤采集样点，并形成标签数据；以县域为服务单元，需根据土壤类型、遥感数据、地理信息布设不少于2000个土壤采集样点，用于形成标签数据。
2. 土壤快检设备需由专业人员按照规范流程完成本地化标定。
3. 操作人员需经过系统培训，详细研读土壤检测和施肥软件使用说明书，熟练掌握各项技术要点。

2．大田农机装备自主作业技术

一、技术概况

针对大田生产智能化技术不成熟、高质量智能化装备短缺等问题，该技术聚焦高效自动驾驶、参数精准感知、智能作业调控、协同作业、集群管控五大核心领域，突破农机导航自动驾驶系统车载融合技术、作业质量参数在线监测技术、作业智能化调控技术、装备协同作业控制技术、网联集群管控技术，集成创制全程智能化作业装备，构建大田智慧农场应用场景，形成完善的大田农机装备自主作业技术及装备体系。

二、技术要点及应用成效

（一）核心技术要点

1. 农机导航自动驾驶系统车载融合技术：用于农机高效自主作业路径规划与自动行走控制，涵盖适配耕种管收全程机型的单机作业和多机协同高效路径，以及线性油门、手自一体式变速调节、比例转向等高执行一致性线控自动部件，实现导航系统与多种农机高效适配，较国内主流农机无人驾驶效率提升近10%，行走控制可靠性提升超过20%。
2. 大田农机作业质量参数在线监测技术：用于农机作业质量分析与调控决策，涵盖耕深、播种施肥量、喷药量、谷物破碎率、谷物含杂率、谷物损失率等在线监测技术，监测误差不超过5%，实现大田农机作业效果实时监测，为无人农机装备作业参数调控提供可靠数据支撑。
3. 大田农机作业智能化调控技术：用于耕种管收智能农机高质量作业调控，包括电驱精量播种与施肥技术（播种误差＜3%，施肥误差＜5%）、插秧同步变量施肥控制技术（肥料用量减少15%以上）、高效低损收获智能调控技术（割台、滚筒、凹板筛、风机等部件参数依据作业质量在线调节，较人工收获，损失率降低19%，含杂率降低0.98%，破碎率降低0.14%）。
4. 异构装备协同作业控制技术：用于多机高效协同作业控制，通过自组网通信实现主从机位姿、运动参数、部件参数等实时交互，采用“位—速”耦合控制实现主从和定点两种协同作业模式，创制“插秧—运秧”和“收获—卸粮”协同作业装备，使插秧及收获综合作业效率提升约30%。
5. 网联集群管控技术：破解农机数据“孤岛”、快速网联通讯及数字化智能管理难题，通过“数字模型同步”和“云—端”交互通信协议与接口规范，实现装备数据快速入网与应用，构建“数据—决策—执行—反馈”的智慧农场生产闭环。

（二）降本增效成效

1. 智能化无人农机装备实现除插秧环节外的稻麦智能化、无人化作业，用工量节约超过50%，劳动强度大幅降低，同等人力投入下日平均作业效率提升20%以上。
2. 高精度自动驾驶有效避免重、漏作业，直线作业误差≤±2.5cm、行距均匀性超过95%，显著改善行间与株间通风透光条件，助力作物稳产增收。
3. 通过在线感知作业质量并自主调控，作业质量显著改善，农资利用率进一步提升，稻麦周年平均增产超过5%。

三、应用条件及要求

该技术适用于大田作物规模化种植场景耕种管收全程智能化生产需求，具体要求如下：

1. 地块需规则连片，单地块面积不低于5亩，下田坡道宽度不低于5倍农机主机宽度，坡道倾斜度建议不超过15°。
2. 大型农机作业场景机耕道路宽度建议不低于4米，小型农机作业场景机耕道路宽度建议不低于3米。
3. 需配备宽敞的停机库，机库出入口满足农机安全出入需求，场景内卫星信号及网络信号良好。
4. 操作人员需经过专业培训，详细掌握智能农机装备人工作业及自主作业操作规范，具备必要的维护和检修能力。

3．生猪智慧养殖AI算法技术

一、技术概况

针对我国生猪产业上下游生产方式落后、环节繁杂、链条冗长、信息不对称、效率偏低、运营成本偏高等问题，该技术基于“IAP数智农业”底层平台，构建生猪企业专属数智化AI算法体系，覆盖人、猪、车、物、行为等多个领域，提供精准数据分析与决策支持，可精准解析养殖全流程各类数据，实现智能化决策与管理，有效提升养殖效率、降低运营成本、保障动物健康，为生猪养殖业可持续发展注入新动能。

二、技术要点及应用成效

（一）核心技术要点

依托IAP操作系统平台与百万级养殖数据训练的AI大模型，结合智能硬件融合接入，构建“感知—决策—执行—反馈”全链闭环系统，实现环境调控、行为识别、精准饲喂与疫病预警等功能深度融合。

1. AI算法技术：通过自研Loki算法平台，为猪场提供AI巡检、洗消监管、精准饲喂、智能能耗、智能环控、数智监管、远程卖猪、AI盘估八大算法应用，聚焦人猪行为识别、猪场盘点估重及疫病预警等核心场景。通过非接触式性状测定，利用3D重建、测量、补偿等技术，识别猪只体长、体高、体宽等27个关键点，结合多角度深度数据采集与点云融合，实现猪只盘点、估重及行为识别等关键信息获取。同时，开展动物视觉及声纹识别、动物及人员行为监测等算法研发应用，强化猪场无人化、智能化、精细化过程管理，实现猪场日常生产全流程管控，提升猪场管理水平。
2. 数字孪生技术：以3D建模、智能分析、数据可视化为基础底座，结合传感器网络、物理仿真、数据处理和数据驱动等关键技术，1:1还原猪场场景，实现厂房布局及设备协同仿真，以三维可视化形式立体化呈现猪场运行综合态势。利用边缘计算技术，实现虚拟猪场对实体猪场的精准信息传达与远程操控，精准感知猪场发展趋势与运行风险，为猪场场景化应用提供积淀、融合、开放、稳定的技术支撑。
3. 大模型技术：整合十年农牧大数据及超5000万条农牧专业知识库产业数据与专家经验数据，精准适配农业场景与需求。首创多Agent协同架构，构建混合专家矩阵，融合多模态感知与强化学习技术，打造上千项核心技能，具备自动路由、专业化分工、分布式执行和多流程编排等能力，实现从育种、养殖、屠宰加工等全产业链、全流程技术赋能，突破通用大模型在垂直领域的泛化局限。

（二）降本增效成效

该技术可赋能生猪养殖各应用场景，实现猪场远程化、精准化、可视化管理。以某母猪存栏500头猪联网用户为例，应用该技术赋能生产管理环节后，配种分娩率由82%提升至87%；PSY由24提升至26；料肉比由2.8降至2.65，下降0.15；人工效率由300头/人提升至450头/人。经综合测算，每头母猪年节约成本900元。

三、应用条件及要求

1. 软硬件方面，建议应用于母猪存栏500头以上的规模猪场；供应链及大模型产品无特殊要求。
2. 可全面覆盖自繁自养、家庭农场、个体户等各类养殖模式。
3. 需具备网络基础支撑（4G/5G等），以及手机、计算机等终端设备。
4. 操作人员需经过系统培训，详细研读各软硬件产品使用说明书，熟练掌握操作及技术要点。

4．水产养殖智能工厂关键技术

一、技术概况

我国水产养殖产量位居世界前列，但尚未成为养殖强国，存在资源利用率低、单产不高、劳动强度大、饵料浪费严重等产业痛点。该技术聚焦水质精准检测、智能装备与智能管控三大核心领域，创新研发水产养殖智能工厂系列技术，推动水产养殖产业向绿色化、高效化、智能化转型。

二、技术要点及应用成效

（一）核心技术要点

1. 水质参数长时间精准测量技术：自主研发9种在线水质传感器，涵盖溶解氧、温度、pH、氨氮等关键参数，在陆基工厂养殖中实现实时、连续、高精度监测，整体测量误差较行业标准降低30%以上。核心突破包括：提出基于阻抗测量的溶解氧传感器电解质流失故障诊断方法，显著提升传感器寿命与稳定性；创制柔性可穿戴阵列式溶解氧传感器，为局部水环境精准监测提供新手段；开发基于氮掺杂石墨烯量子点荧光法的氨氮检测方法，增强检测灵敏度与抗干扰能力；构建基于多传感融合的亚硝酸盐预测系统，实现关键水质参数软测量与预警。该装备实现从单点检测到智能诊断、从硬件创新到算法融合的全面自主创新。
2. 跨网多设备可靠性传输技术：采用自主研发的“动态跨网适配技术”，攻克异构设备（无线/有线）在复杂网络环境下的高效协同通信难题。配套专用无线采集器与控制器，在复杂养殖环境中保障数据传输可靠性，系统丢包率低于1%，支持大规模设备集群稳定组网，为大规模物联网应用提供底层支撑。
3. 多路气动智能投饵技术：自主研制矩阵式气动投喂装备高精度下料、饵料长距离低损耗输送等核心装置，整合智能控制、生物量实时估算、料位自动检测与智能称重测量等核心功能，构建智能投饵控制模型，实现多通道精准饲喂与低破损输送。实际应用中，颗粒饵料破损率降低20%以上，显著减少饵料浪费与水质污染，整体投饲效率提升30%以上。
4. 智能巡检技术：开发具备全自主运行能力的养殖车间巡检机器人，搭载自研导航与识别算法，实现车间地图自动构建、精准定位导航及无电自动回充。该装备可实时监测池内鱼群状态，死鱼识别准确率高达95%，为养殖管理提供关键数据支持。
5. 大模型技术：集成水质测控、精准投喂、病害预警等智能模型库及310亿参数量的范蠡大模型，实现水质信息、鱼类表型行为、病害状况、装备工况等全要素实时感知。通过数据驱动的智能决策，将养殖各环节从经验化操作升级为精准化管控，大幅提升生产管理效率。

（二）降本增效成效

1. 多路气动投饵机结合基于鱼类摄食行为、环境胁迫及健康状态识别制定的投喂策略，可节约饵料10%。
2. 水质精准调控技术通过变频调速控制增氧机、微滤设备等，大幅提升养殖水体循环利用率，平均可达95%，同时实现车间节电20%、节氧30%。
3. 显著提升养殖密度，其中海水养殖石斑鱼产量达40kg/m³，淡水养殖鲈鱼产量达90kg/m³。

三、应用条件及要求

1. 单个车间养殖总水体需大于900m³。
2. 适用于陆基工厂化循环水养殖（含工厂化鱼菜共生）场景。
3. 养殖工厂需具备网络基础支撑（4G/5G/WIFI）。
4. 操作人员需经过系统培训，详细研读多路气动投饵机、巡检机器人、管控云平台等装备和系统使用说明书，熟练掌握操作及技术要点。

5．蛋鸡智能选育选配关键技术

一、技术概况

针对蛋鸡育种表型数据获取劳动强度大、人工效率低，育种功能数据处理周期长、计算效率低，选种选配目标性状及种质特征挖掘不充分等问题，该技术以信息技术与蛋鸡育种深度融合为路径，研发应用蛋鸡智能选育选配关键技术，提升蛋鸡育种智能化水平与效率。

二、技术要点及应用成效

（一）核心技术要点

1. 表型自动获取技术：个体识别方面，创制基于频分多址（FDMA）和时分多址（TDMA）的无源电子翅标，克服多标签同时通信的冲突，实现多标签同时通信条件下的信号非对称加密，信号丢包率从5%降至0.01%，个体识别与表型性状关联准确度从95.47%提升至99.97%，有效解决人工记录数据错乱问题。表型测定方面，构建种鸡羽毛覆盖度等级评价模型与鸡冠外观轮廓识别技术，实现种鸡冠形与羽毛覆盖度非接触式表型测定，平均准确率达90.13%，表型性状测量人工投入从2～3人减至1人。数据汇聚方面，集成种鸡生产、生长、蛋品、健康、繁殖等6大类表型性状自动采集数据，联通“核心群—扩繁群—商品群”世代数据流，构建链条完整、可追溯的蛋鸡育种表型大数据库。
2. 选种数据生成技术：数据质量把控方面，应用6大类表型性状原始数据自适应质控方法，通过差异化规约和异常值预警，实时检测并精准剔除异常数据，实现蛋鸡选育149个性状和3065个指标的精准质控，解决大规模原始性状数据质量参差不齐的问题。计算效率提升方面，应用海量选种数据弹性负载算力扩展编译方法，生成个体、亲本、同胞、表型值、常规育种值、基因组育种值等6维度数据，选种数据生成时间从7天缩短至2～3小时。
3. 智能选种选配技术：单性状量化方面，联合分析各品系与商品代对应周龄性状，量化品系与商品代群体性状（如产蛋数、蛋重、蛋壳品质等）贡献值，明确各品系重要性状参数，构建“京系列”不同品系种鸡的精准遗传画像。多性状选种方面，开创遗传特征演化与多类混合模型协同的蛋鸡多性状（蛋壳颜色、蛋壳强度、产蛋数和蛋重等）选择方法，通过多性状淘汰理论与自我学习优化，最大化各主选性状的选择顺序与遗传进展，相关成果应用于峪口禽业核心群三个世代的选种。公母鸡选配方面，构建遗传亲缘关系网与后裔性状加权二分图组配方法，利用基因组信息构建公母鸡之间的真实亲缘关系矩阵，实现公母鸡最优配对，最大化公母鸡之间遗传多样性（亲缘关系最远），选种选配时间由14天缩短至2天。

（二）降本增效成效

1. 改变传统选育“白天测定、晚上分析、半夜挑选”的作业模式，实现育种数据自动采集、高效分析和智能选择，育种效率提升70%以上，人工投入节省50%。
2. 与常规选种方法相比，每个世代产蛋数提高5%以上，蛋壳强度提高28.6%以上，蛋重增加7.3%以上。

三、应用条件及要求

1. 该技术适用于具备“核心群—扩繁群—商品群”基础的蛋鸡育种主体。
2. 需具备存储设备、配套服务器或计算机等硬件资源，保障数据存储物理空间与本地计算需求。
3. 需定期校准表型、生产性能测定等硬件设备，定期更新软件系统，确保数据采集准确性与系统稳定性。
4. 操作人员应熟悉蛋鸡选育选配流程，详细掌握技术要点及设备安装使用要求。

--来源中国作物学会