智慧农业-垂直农场/植物工厂AI Agent 发展挑战（2）

节选自OA论文 https://doi.org/10.1002/moda.70044多模态数据的采集与融合在将多模态数据应用于精准农业决策系统中时会面临贯穿于数据采集、处理、整合及迭代整个过程的诸多挑战。这些挑战包括多源数据的异质性、数据质量的不稳定性、农学机制与数据建模之间的脱节以及反馈迭代的延迟这些都严重限制了多模态数据在精准农业决策系统中的实际应用。精准农业决策系统中所涉及的多模态数据涵盖多个方面如环境监测、作物生长状况分析以及设备运行状态等。来自不同来源的数据在存储格式、采集频率以及时空尺度上存在显著差异例如浮点数值和图像矩阵而且目前还缺乏统一的数据采集标准。在数据标注方面要对植物表型、病害特征以及养分胁迫反应等关键数据进行准确标注离不开专业农学人员的参与。这不仅会导致标注周期过长、成本高昂而且对于药用植物和新型种质资源这类特殊作物而言可用的标注样本更是极为匮乏。这一切都进一步降低了多模态数据融合建模的准确性。在数据融合与建模过程中那些隐性的农学经验比如光照条件的调整方式以及营养液更换的时间节点很难被转化为标准化的融合特征。这就使得纯粹基于数据的模型偏离了植物的自然生长规律从而导致模型在数据层面上是合理的但却不符合实际的农学原理。