正版新书]人工智能通识教程(农林院校版)黄栋 张红雨 舒磊 著9

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

本书从农林院校的独特视角出发，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。全书共八章，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应用案例。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至第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。每章不仅阐述基础原理，还结合典型案例，展示其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。本书内容力求体系完整、结构严谨、易于理解，兼顾理论技术与实践应用，并提供了相关农业领域的实际案例，使读者能够结合具体场景理解技术的实用价值。