2025年9月14日，中国计算机学会青年计算机科技论坛CCF YOCSEF沈阳分论坛举办了“光智农业——光学与智能融合驱动的农业4.0”技术论坛。本次论坛在在吉林省长春市吉林农业大学举办，论坛邀请了多位来自云南、四川、长春和沈阳的著名专家学者和知名企业家，围绕如何在农田复杂环境下实现光学传感器的动态干扰抑制与多模态数据的智能融合，探讨光学技术与智能技术的深度融合在现代农业中的创新应用，聚焦光感智能感知、数据驱动决策与绿色生产模式的协同优化。本次论坛由CCF-YOCSEF沈阳AC学术秘书陈程程（沈阳航空航天大学）和AC委员李默（辽宁大学）共同担任执行主席。
本次论坛邀请三位嘉宾作引导发言。首先，吉林大学隋媛媛副教授以《基于多源数据融合的植物工厂关键技术研究》为题，开启了引导发言。LED补光在提升作物产量和品质的同时，也带来湿度、气流和温度场分布不均的挑战。为此，研究团队提出扰动系数与均匀性系数的量化方法，并通过差速风扇优化显著改善了环境均匀性。在作物监测环节，团队构建了基于注意力机制的AUNet分割模型，有效识别出45种表型指标并提炼核心动态特征，为作物生长状态评估提供支持。
来自四川省农科院的张泽锦副研究员，报告题目是“激光补光对黄瓜叶片的作用机制”，聚焦弱光条件下设施农业的生产难题。研究以“川翠13”黄瓜为材料，对比激光补光与自然光环境下叶片的形态、生理和分子变化。结果显示，激光补光显著提升了叶面积、总叶绿素含量和比叶重，分别增加11.6%、13.6%和15.4%，但对PSⅡ能量分配及光合荧光参数影响不显著。显微结构观察发现，激光补光增加了栅栏组织厚度和海绵组织间隙，促进叶绿体内淀粉粒积累。
吉林省蔬菜花卉科学研究员王剑锋研究员探讨了《激光补光对草莓生长发育、光合特性及产量的影响》，报告首先分析了日光温室在冬季存在光照不足、时间短、强度低等问题，这成为限制草莓稳产的重要因素。团队以红颜草莓为对象，设置不同强度和时段的激光补光试验。结果表明，在弱光条件下，激光补光比LED更具能效优势，净光合速率提升1.5%–2.0%，并有效促进植株生长和产量提升。
思辨环节
思辨议题一：光感农情：“从噪声到洞察：如何解决光学传感器在农田复杂场景中的动态干扰抑制与多模态数据智能融合难题？”
与会嘉宾展开深度探讨后一致认为，当前技术突破面临的核心难点可归纳为以下三方面：
l 一是动态环境干扰的精准建模与实时补偿机制缺失：农田场景中光照强度、作物冠层结构、土壤湿度等参数呈现时空动态变化特性，导致传感器接收信号产生非线性畸变。现有干扰抑制算法多基于静态环境假设，难以适应作物生长周期内冠层反射光谱的动态漂移，尤其在多云天气或灌溉作业期间，光强突变引发的信号失真问题尚未形成系统性解决方案。
l 二是多模态数据时空基准的跨模态对齐瓶颈：光学遥感数据与地面物联网传感器（如土壤EC值、叶温传感器）在采样频率、空间分辨率及误差特征上存在显著异构性。现有融合模型缺乏统一的时空基准框架，导致高光谱影像与微气象数据的协同分析出现时空错位。
l 三是农学机理驱动的深度学习模型可解释性不足：基于数据驱动的深度学习框架虽能实现特征自动提取，但缺乏对作物生理生态过程的显式建模。当前模型在应对品种差异、栽培模式变更等农业场景变化时，往往因忽略作物-环境互作机理而出现预测偏差。
光算农策：“从数据饥渴到精准可靠：如何解决农业光学数据稀疏性与不确定性导致的决策脆弱性问题？”
与会专家从技术、方法、应用、保障四方面提出解决方案，核心建议如下：
l 技术层：多源补偿与动态修正，如采用跨尺度数据融合：整合卫星、无人机、地面光谱仪数据，通过空间插值与超分辨率重建技术，构建“天-空-地”一体化补偿网络，解决单点传感器覆盖不足问题。
l 方法层：机理-数据融合建模小样本增强技术：如开发跨域迁移学习方法，利用通用数据集预训练，结合目标区域少量数据微调，实现模型泛化；同时通过生成对抗网络（GAN）合成虚拟数据，扩充样本多样性，缓解长尾分布问题。
l 应用层：闭环决策与风险对冲，多模态决策融合：耦合光学数据与土壤传感器、气象预报信息等融合解决单一数据源脆弱性。
京公网安备 11010802032778号