《农业人工智能应用》一书围绕农、林、牧、渔四大领域的人工智能应用展开，通过理论与实践相结合的方式，结合人工智能领域的图像分类、物体检测、图像分割等技术，介绍人工智能技术在农业领域中的不同应用，分为第1篇农业人工智能技术概述、第2篇农业人工智能基础应用、第3篇农业人工智能综合实践，包含8个模块。

第一篇　农业人工智能技术概述 001
第1章　初识农业人工智能 002
【知识框架】 003
1.1　农业人工智能的基本概念 003
1.2　农业人工智能的发展动态 005
1.2.1　农业人工智能的发展历史 005
1.2.2　农业人工智能的发展现状 006
1.2.3　农业人工智能的发展趋势 008
1.3　农业人工智能的代表性应用 009
1.3.1　智能化农机具 010
1.3.2　作物识别与分类 010
1.3.3　农药和肥料的精准施用 010
1.3.4　农业数据管理与分析 011
1.3.5　智慧农业平台建设 012
1.4　农业人工智能应用的实现过程 012
1.5　常见农业人工智能应用平台 014
1.5.1　软件平台 014
1.5.2　硬件平台 017
1.6　【实践案例】农业人工智能应用体验 019
1.6.1　实施思路 019
1.6.2　实施过程 019

第2章　农业人工智能关键技术 026
【知识框架】 026
2.1　农业领域的机器学习技术 027
2.1.1　机器学习的概念 027
2.1.2　农业领域的机器学习技术应用 028
2.2　农业领域的计算机视觉技术 029
2.2.1　计算机视觉技术的概念 029
2.2.2　农业领域的计算机视觉技术应用 030
2.3　农业领域的大数据技术 031
2.3.1　大数据技术的概念 031
2.3.2　农业领域的大数据技术应用 032
2.4　农业领域的机器人技术 033
2.4.1　机器人技术概念 033
2.4.2　农业领域的机器人技术应用 034
2.5　【实践案例】基于推理机的植物分类实现 035
2.5.1　实施思路 035
2.5.2　实施过程 036


第二篇　农业人工智能基础应用 043
第3章　果园人工智能应用 044
【知识框架】 044
3.1　智慧果园概述 045
3.1.1　智慧果园的概念 045
3.1.2　智慧果园的特征 046
3.1.3　智慧果园的发展 047
3.2　果园领域中的人工智能应用 049
3.2.1　果实采摘 049
3.2.2　果园领域中的其他人工智能应用 054
3.3　智慧果园的技术框架 055
3.4　【实践案例】基于智能数据采集平台的水果图像采集 057
3.4.1　实施思路 057
3.4.2　实施过程 058

第4章　林业人工智能应用 075
【知识框架】 075
4.1　智慧林业概述 076
4.2　林业领域中的人工智能应用 078
4.2.1　木材树种识别 078
4.2.2　林业领域中的其他人工智能应用 082
4.3　林业领域中的图像分类技术 083
4.3.1　图像分类的定义 083
4.3.2　图像分类的类型 083
4.3.3　图像分类的挑战 086
4.4　【实践案例】基于图像分类的树种分类实现 088
4.4.1　实施思路 088
4.4.2　实施过程 089

第5章　畜牧业人工智能应用 094
【知识框架】 094
5.1　畜牧业人工智能概述 095
5.1.1　智慧畜牧的概念 095
5.1.2　智慧畜牧的特征 096
5.1.3　智慧畜牧的发展 097
5.2　畜牧业人工智能应用场景 098
5.2.1　动物个体识别 098
5.2.2　畜牧业中的其他人工智能应用 101
5.3　畜牧业领域中的物体检测技术 102
5.3.1　物体检测定义 103
5.3.2　基于机器学习的物体检测技术 103
5.3.3　基于深度学习的物体检测技术 104
5.3.4　物体检测的评价指标 105
5.4　【实践案例】基于物体检测的牛群检测计数实现 105
5.4.1　实施思路 105
5.4.2　实施过程 106

第6章　渔业人工智能应用 110
【知识框架】 110
6.1　智慧渔业概述 111
6.2　渔业领域中的人工智能应用 112
6.2.1　智慧池塘养殖 112
6.2.2　渔业领域中的其他人工智能应用 116
6.3　渔业领域中的图像分割技术 118
6.3.1　图像分割的定义 118
6.3.2　基于机器学习的图像分割 119
6.3.3　基于深度学习的图像分割 120
6.4　【实践案例】基于图像分割的渔民分割实现 121
6.4.1　实施思路 121
6.4.2　实施过程 122


第三篇　农业人工智能综合实践 127
第7章　智能农作物生长态势识别系统 128
【知识框架】 129
7.1　农作物生长态势监测概述 129
7.1.1　基本概况 129
7.1.2　国内外发展概况 130
7.2　农作物生长态势监测方法 131
7.3　农作物生长态势监测应用 133
7.3.1　草莓生长态势识别 133
7.3.2　农作物生长态势监测的其他应用 137
7.4　人工智能模型的基本开发流程 137
7.4.1　数据准备 137
7.4.2　模型训练 139
7.4.3　模型校验 139
7.4.4　模型部署与应用 139
7.5　EasyDL零门槛人工智能开发平台 140
7.5.1　EasyDL平台的功能 140
7.5.2　EasyDL平台的优势 142
7.6　【实践案例】智能草莓生长态势识别系统实现 144
7.6.1　实施思路 144
7.6.2　实施过程 145

第8章　智能农作物病虫害检测系统 163
【知识框架】 163
8.1　智能农作物病虫害检测概述 164
8.2　智能农作物病虫害诊断方法 165
8.2.1　传统机器学习方法 165
8.2.2　深度学习方法 166
8.3　智能农作物病虫害检测应用 167
8.3.1　应用背景 167
8.3.2　应用方案 168
8.4　【实践案例】智能玉米病虫害检测系统实现 170
8.4.1　实施思路 170
8.4.2　实施过程 171


参考文献 191