2026年2月，国际农业人工智能领域迎来重要突破。研究人员成功开发出基于Agentic AI(智能体人工智能)的农业自主决策支持系统，标志着农业智能化从"被动响应"迈向"主动决策"的新阶段。与传统AI系统需要人工输入指令不同，Agentic AI能够自主规划、决策并执行多步骤任务，实现真正意义上的"无人化"智能农场管理。
核心技术创新
1. 多智能体协同决策架构 该系统创新性地构建了土壤、气象、视觉三大智能体协同工作框架。土壤智能体通过LSTM、1D-CNN和GRU等深度学习模型实时分析传感器数据，监测土壤湿度与养分含量;气象智能体基于温湿度数据训练预测模型，实现环境感知;视觉智能体则运用ViT(视觉Transformer)、MobileViT和扩散模型结合RiceNet，精准识别水稻叶片病害。
2. 自主执行与实时干预 系统配备自主开发的"Mali机器人"，能够根据实时数据反馈自主执行灌溉、精准施药等农事操作。当土壤湿度低于阈值时自动灌溉，检测到病害时立即喷施农药，遇到极端天气自动预警，实现"感知-决策-执行"全链条自动化。
3. 多语言智能交互 针对全球小农户数字化水平参差不齐的现状，系统集成大语言模型(LLM)驱动的多语言聊天机器人，支持农民通过自然语言获取实时农事建议，打破技术使用门槛。
应用前景展望
精准农业的全面升级 该技术将推动精准农业向"农业5.0"演进。通过整合物联网(IoT)、大数据、机器学习与自主机器人，实现从单点智能到系统智能的跃迁。研究表明，此类系统可显著提升作物产量预测精度、优化水肥投入、降低病虫害损失，预计可使农业生产效率提升20%以上。
可持续发展的技术支撑 Agentic AI框架通过优化资源利用、减少化学品过度施用，直接响应联合国可持续发展目标(SDGs)。系统的环境感知能力有助于应对气候变化带来的农业不确定性，实现"更少投入、更多产出"的可持续农业模式。
全球农业普惠潜力 该技术架构具有高度模块化特性，可通过添加多光谱相机、土壤pH/EC传感器、风速仪等设备扩展功能。未来研究方向包括集成联邦学习实现数据隐私保护下的模型优化、支持低识字率用户的多模态交互、以及跨作物、跨地域的规模化部署，为全球小农户提供可负担的智能农业解决方案。
挑战与展望 尽管前景广阔，该技术仍面临传感器成本、极端天气适应性、模型泛化能力等挑战。研究团队指出，下一步将聚焦于集成学习提升预测精度、自适应边缘学习实现本地模型微调、以及多作物跨区域验证，力争打造"开箱即用"的全球通用型智能农业平台。
来源：巴基斯坦国立计算机与新兴科学大学(FAST-NUCES)计算学院、美国肯尼索州立大学机器人与机电工程系；题目：Agentic AI Framework to Automate Traditional Farming for Smart Agriculture(《Agentic AI框架实现传统农业自动化迈向智慧农业》)；发表于：AgriEngineering(MDPI旗下农业工程领域开放获取期刊)（2026年1月1日）。
