2026年6月1日，信息与智能工程学院学术委员会主任杨涛教授在书新三号楼东305教室，为2025级电子信息研究生带来题为《人工智能在作物育种中的应用》专题学术讲座。讲座聚焦智慧农业前沿，详解 AI 赋能作物育种关键技术与应用实例，师生现场互动交流积极，进一步拓宽了学生跨学科科研视野。
讲座伊始，杨涛教授首先介绍了人工智能技术在现代农业育种领域的应用背景。他指出，随着全球人口增长与气候变化带来的粮食安全挑战日益严峻，传统育种方法因周期长、效率低已难以满足人们对高产优质种子的需求。而人工智能技术的引入，大大提高了作物育种的效率和水平，使作物育种由杂交育种、生物育种、遗传育种进入到智慧育种阶段，正成为推动作物育种产业变革的关键力量。
一、 智慧植物工厂：打造育种加速器
杨涛教授详细阐述了如何利用人工智能构建“育种加速器”。他以智慧植物工厂为例，介绍了通过光配方优化、营养液智慧调控以及CFD模拟环境均匀调控等技术，实现作物生长环境的全要素精准控制。这一技术体系能够大幅缩短作物生育期，实现周年连续繁育。杨教授展示的数据表明，水稻、小麦、玉米等多种作物的生育期缩短比例均超过50%，育种周期从传统的8-10年缩短至4-5年，实现了“一年多代”的快速育种目标，突破了传统异地加代受气候影响的局限。
二、 作物表型高通量智能化检测与数据解析
在表型组学领域，杨教授重点分享了高通量表型检测技术的最新进展。他对比了传统破坏性采样与现代非侵入式监测的差异，强调了多光谱、热成像及激光雷达（LiDAR）等传感器在作物生长动态监测中的价值。特别地，杨教授深入讲解了基于人工智能的3D点云技术在作物表型解析中的应用，介绍了基于骨架和距离场的玉米单株分割技术，以及利用深度学习模型（如PACANet）对田间玉米群体进行高精度语义分割的研究成果。这些技术能够精准提取株高、叶面积、生物量等关键农艺性状，为精准育种提供了海量数据支撑。
三、 AI驱动的全基因组选择
最后，杨涛教授探讨了人工智能在全基因组选择（GS）中的深度应用。他指出，相比于传统的GBLUP等线性模型，基于深度学习的AI模型（如CNN、Transformer、图神经网络）具备强大的非线性拟合能力和高维数据特征提取能力。这些模型能够有效处理海量SNP标记数据，精准捕捉基因互作（上位性）及基因-环境互作效应。杨教授列举了在玉米产量预测、小麦抗病性改良及奶牛产奶量预测等领域的成功案例，证明了AI技术能显著提升育种值预测的准确性，推动育种工作从“经验驱动”向“数据驱动”转型。
讲座结束后，杨涛教授与在场师生进行了深入的互动交流，就AI模型的可解释性、数据标准化及育种成本等问题进行了探讨。本次讲座不仅展示了人工智能与生物技术深度融合的前沿成果，也为我校师生在智慧农业领域的学习与研究提供了新的思路与方向。
一审一校 | 杨 涛
二审二校 | 杨 涛
三审三校 | 李成名 尹 娜
