数据
追踪传感器、位置、时间、天气、品种与标注。
系统拆解 · 06
感知与农艺
把对作物、杂草、果实、病害与土壤的感知，同把估计转为行动的农艺规则分开。
证据状态田间证据框架 · 须按作物、季节、场地与运行边界验证最近核验：2026年8月16日
06
FUURAA 核心判断
同一种检测错误在不同生育阶段与处理类型中可能造成完全不同的代价。
工程拆解
把标题拆成可以观察、测量与复核的工程对象。
每一层都说明需要建立什么边界，以及什么证据能够支持下一步决定。
不确定性
校准置信度，并定义拒绝判断或人工复核。
农艺
把阈值连接到时机、剂量、作物耐受与后续观察。
验证问题
先把问题写清，再决定需要演示、测试、试点还是长期运行证据。
问题应有明确对象、条件、分母、阈值和负责作出决定的人。
- 01
数据集是否覆盖部署对象？
- 02
如何发现标定漂移？
- 03
哪些错误会造成作物损伤或漏控？
- 04
农户能否检查并覆盖建议？
应保留的证据
让下一位读者能够重建条件、结果、失效和决定。
只保留结论会丢失复核能力；原始记录、配置与排除项同样重要。
- 01
证据包 1
数据集来源与覆盖表
- 02
证据包 2
按作物阶段校准的错误矩阵
- 03
证据包 3
农艺复核与覆盖记录
适用边界
页面明确说明这组证据仍然不能外推什么。
- 01
当抽样、患病率、处理阈值或作物响应不同时，图像准确率不能证明田间效果。
- 02
本页是工程阅读与决策框架，不替代针对具体应用的风险评估、符合性工作、采购验收或专业意见。
来源与证据状态
把标准范围、测量证据与应用结论分开阅读。
来源日期与核验状态均公开；外部来源在新窗口打开。
01
USDA Agricultural Research Service · Programme page verified 2026-08-16
↗02数字农业系统枢纽（DASH）
把标准化元数据、自动部署、利益相关者设计与自主作物成像平台等田间研究工具连接起来。
Food and Agriculture Organization of the United Nations · Published 2022-11-02
↗03《2022年粮食及农业状况》——利用自动化转型
跨自动化技术与农业情境评估生产率、韧性、可持续性、劳动、可及性与不平等。
China Ministry of Agriculture and Rural Affairs · Published 2026-04-20
↗“人工智能+农业”典型应用场景征集通知
面向农业科研、生产经营与公共服务，强调单点突破、小切口深应用和可复制推广。