近期，国务院印发《推动大规模设备更新和消费品以旧换新行动方案》 提出扎实推进老旧农业机械报废更新，加快农业机械结构调整。《方案》指出，到2027年，工业、农业、建筑、交通、教育、文旅、医疗等领域设备投资规模较2023年增长25%以上。其中，“实施设备更新”围绕推进新型工业化开展，以节能降碳、超低排放、安全生产、数字化转型、智能化升级为重要方向，推进重点行业设备升级改造。为响应此次利好政策的发布，智农云芯(AgriBrain)特别推出一系列以旧换新方案，助力智慧农业高效发展！植物表型采集方案近端表型自动化分析系统 PhenoAI Near是集数据采集和分析的一体化近端表型分析系统，选配任何传感器都可一键自动化提取植物的颜色、纹理、形态、光谱四大类指标。无需人工修正，分析图表自动化保存，描出样品轮廓方便客户查看识别精度，支持海量图像批量分析以及个性化指标的升级扩展，支持拓展PhenoAI Flow进行表型数据的深度学习建模和分析挖掘。无人机一体化分析系统PhenoAI air 是一款集无人机高效采集和图像智能分析于一体的表型采集系统，帮助用户快速测量苗情苗势、抗逆选育等。自动化提取草业和各类大田作物的农艺性状并精准量化表型信息，不论是高光谱、多光谱还是可见光图像，都可一键分析，精准分割，同时分析图表自动化保存，并描出植被轮廓方便用户查看识别精度。支持拓展PhenoAI Flow进行表型数据的深度学习建模和挖掘。植物表型AI算法平台 PhenoAI Flow是国内首个针对植物表型、集算法算力于一体的可视化建模分析平台，仅需点击便可任意调整算法的关键参数和网络结构，也可自定义编程与平台进行无缝衔接，旨在为科研、教育和企业用户提供低成本、高效率、智能化的AI使用体验。 智慧农业建设方案智慧农业AI实验和教学平台GrowthBrain E是国内首个针对智慧农业专业建设的智慧农业AI实验和教学平台。基于当前智慧农业的现实学情和人才培养要求而设计，具备数据真实切合、功能强大全面、算法丰富前沿、零代码可视化分析、内置编程实践模块等特点，让用户更真实地感受智慧农业的数据特点和分析方法，针对具体问题掌握对应哪种解决方案并制定技术路线，同时激发兴趣，让用户全面了解AI模型体系和前沿算法的功能特性及重要参数，内置编程实践模块，强化计算机编程和算法水平，实现激发兴趣、会运用、实践结合、熟练强化的循序进阶发展，最终成长为一名合格的集农业和信息化知识的全面交叉人才。AI一键部署平台 GrowthBrain Deploy无需编程，通过简单拖拽便可一键部署，可根据实时级要求，自定义平衡精度和性能的压缩参数，支持图像分类、目标检测、语义分割和目标检测的全系列任务部署，支持生产级框架平台如X86_64 cpu、ONNX、OpenVINO、Nvidia GPU等。一体化智能灌溉系统 WaterBrain是专门针对小范围田块进行水肥一体、能效监测、表型分析等多功能一体化智能系统，该系统由土壤墒情监测系统、作物长势监测系统、灌溉能效监测系统、作物表型自动分析系统、自动化灌溉系统、智能施肥系统和可视化云平台七大子系统组成；提供对作物水肥的自动化控制，是产生不同环境梯度或模拟不同环境以供后续数据采集的基础平台。智能育种解决方案高精度基因组AI分析平台GSBrain是一款基于模块化和通用性设计为原则的可视化多组学AI分析平台，用户通过简单拖拽连接即可实现基因组等数据的分析评估，使得用户即使是非计算机背景也可轻松对多组学数据运用深度学习等技术进行处理和挖掘，功能包括全基因组选择(GS)、全基因组关联分析(GWAS)、基因同源度分析(HA)、拷贝数变异分析(CNV)、基因存在缺失变异分析(PAV)、启动子顺式调控元件(CRE)以及任意组学的DL分析挖掘等。此外，平台支持私有化部署，以保障用户数据隐私安全，并可通过云端同时支持多用户。种子工程解决方案种子智能化分析系统 Alseed可灵活、便捷提取植物的种子、叶片、花等的形态、颜色、纹理的指标，总计54个指标，全自动分析，误差率低于3%。该系统支持基于种子图像研究纯度、净度、活力以及生理指标含量相关的各类科研课题。种子清选模拟仿真系统AIseed Simulation是一款种子清选模拟仿真系统，功能包括表型提取、比重清选、窝眼筒、圆孔筛、长孔筛、色选等功能，采用人机交互模拟不同工艺和不同参数对各类种子的分选效果，不受种子量、时间和人数的影响，分选效果可通过数据比较更为科学。有利于学生熟练掌握整个种子加工流水线的工艺调试过程，为实际生产中的种子加工工艺调试提供极强的参考价值。* 更多产品详情请咨询客服哦~

烟草作为我国农业生产中重要的经济作物之一，科研人员对于烟草表型的研究关注颇多，尤其是烟叶的产量质量、烟草的抗性、遗传育种等方面。通过传统农业研究、现代育种技术和高通量技术等产生的烟草表型数据正在日益增长，这些数据将逐渐成为烟草表型组学研究的基础。工具/材料①需要分析的样本②PhenoAI Near 近端表型分析系统方法/步骤硬件部分：将相机USB线插入电脑USB接口软件部分：步骤一：使用搭载的工业级高清相机(可见光、多光谱、高光谱、近红外等相机均可)采集烟草数据步骤二：选取需要分析的图片步骤三：运行(点击运行即可一键分析出结果）*分析结果自动弹出(作物的轮廓标记图、去噪图及数据分析汇总表)去噪图效果图结论系统可自动提取烟草的颜色、纹理、形态、光谱四大类指标，不管是高光谱、可见光或是其它传感器，都可一键分析，极简体验，支持个性化指标添加定制。可见光(50+指标)：RGB(颜色) 、Length(长)、Width(宽)、Area(面积)、Perimeter(周长)、Roundness(圆度)、Compactness(紧凑度)、Height of Plant(株高) ......多光谱(100+指标)：Red edge(红边)、NIR(近红外)、NDVI(归一化植被指数)、LCI(叶片叶绿素指数)、GNDVI(绿光归一化差值)、NDRE(归一化差异红边）、OSAVI(优化型土壤调节)、NDWI(归一化水分指数)......高光谱(150+指数)：NDVI(归一化植被指数)、DVI(差值环境植被指数)、RVI(比值植被指数)、PVI(垂直植被指数)、PRI(光化学反射指数)、GVI(绿度植被指数)、DCNI(双峰冠层氮指数)、EVI(增强型植被指数)......

2024年10月11日，智农云芯(AgriBrain)迎来了英国詹姆斯·赫顿研究所(James Hutton Institute, JHI)的张润煊(Zhang Runxuan)教授和美国密歇根州立大学的Hatem Rouached教授以及Douglas Freeburn和MilosMicik两位博士，双方展开了友好而热烈的座谈交流，此次访问旨在促进跨国际的科技合作，探讨多组学AI分析技术的前沿发展。会议纪要会上，CTO王漭对代表团的到来表示热烈欢迎，随后智农云芯(AgriBrain)的技术工程师向各位专家介绍了公司的发展历程、核心业务以及在农业科技领域的创新成就。智农云芯(AgriBrain)科研团队向代表团展示了展示了其先进的可视化多组学AI 分析平台GSBrain、近端植物表型图像自动化分析系统PhenoAI Near和无人机一体化分析系统PhenoAI Air、植物表型AI算法平台PhenoAI Flow等产品，并实地展示了无人机一体化分析系统PhenoAI Air。通过无人机搭载的高清相机和图像识别技术，实现了植物表型数据的快速、准确提取。专家们对PhenoAI Air的高效运作和强大功能表示高度认可，认为其将极大提升植物研究的效率。通过此次交流，双方在多组学数据分析、人工智能算法应用等领域达成了初步共识，同时也讨论了出海业务合作的可能性，期待未来能携手并进，为推动农业科技发展贡献力量。未来，智农云芯公司始终致力于通过科技手段提升植物研究工作效率，为加速农业AI时代的到来和可持续发展贡献力量。

以田间选择为主的“经验育种”表型评价方法仍然需要耗费大量的人力和物力，且效率低。由于植物表型本身的复杂性以及动态变化的特性，传统人工测量误差大且费时耗力、数据质量参差不齐，严重限制了优良品种的评估和利用过程。因此，高效信息采集工具越来越备受关注，其中无人机采集分析一体化技术为田间作物品种选育提供了最优方法，可实现光谱数据的快速精准采集和检测，从而反映植物健康程度或生理生态情况。工具/材料无人机(搭载可见光、多光谱、高光谱镜头均可)PhenoAI air分析系统方法/步骤步骤一：无人机飞行进行图像采集步骤二：利用拼接软件对无人机图像进行影像处理步骤三：使用PhenoAI air对图像进行数据分析，仅需点击三步即可（①标记小区②尺度校正③点击分析）*分析结果自动弹出(精准分割各植被的轮廓标记图及数据汇总表)结论:植被光谱指数分析可以为品种筛选提供重要标准，本次将以NDVI、mSR、RVI、LCI、OSAVI植被指数为抗逆的标准。通过PhenoAI air系统分析结果的图表可以看出，1号小区的NDVI、mSR、RVI、LCI、OSAVI等关键植被指数均比2号小区表现优异，结果表明：1号小区品种比2号小区品种更抗逆。本方案可高效助力抗逆选育，减轻育种人员工作负担，加速作物基因挖掘和品种筛选，助力高产优良品种的育成。