编辑推荐：
本文对人工智能与遥感技术在草莓种植中的整合应用（2015-2025年）进行了系统性文献综述，重点涵盖了产量预测、质量评估、病害检测与自动化收获等应用方向。文章详细探讨了多种传感技术与数字农业平台，并识别了数据集标准化、模型验证与可扩展性等关键研究挑战，为未来研发高效草莓农场AI模型指明了方向。
引言
面对全球人口增长和气候变化带来的资源限制，提高农业生产力的需求日益迫切。精准农业（Precision Agriculture, PA）和更广泛的数字农业（Digital Agriculture, DA）通过整合信息技术、通信和空间分析工具，为应对这些挑战提供了可能。草莓（Fragaria?×?ananassaDuch.）作为高价值、营养丰富但易感病的作物，其生产对劳动力依赖性强，且传统病害诊断主要依靠耗时且不精确的目视观察，因此从数字农业技术（Digital Agricultural Technologies, DATs）中获益显著。近年来，人工智能（Artificial Intelligence, AI）和遥感等技术的进步，已在草莓病害检测、害虫监测、质量评估和产量优化方面展现出巨大潜力。
方法与文献筛选概况
本研究遵循PRISMA 2020指南，在Scopus和Web of Science数据库中系统检索了2015至2025年间发表的文献。检索策略围绕远程传感、无人机、机器人、人工智能、机器学习以及病害检测、产量预测等关键词构建。经过严格的去重和纳入/排除标准筛选，最终有138篇文献被纳入本综述进行深入分析。
地理、时间与文献计量学特征
从地理分布看，中国在该领域的研究发表量领先，美国紧随其后，加拿大、西班牙、韩国、日本、印度和澳大利亚等国也贡献显著。欧洲国家如比利时、德国、意大利和英国在自动化与成像病害检测方面表现活跃。巴西、埃及、摩洛哥等国的研究兴起，表明数字农业技术正逐渐在全球不同农业环境中扩散。从时间趋势看，相关研究数量自2019年起缓慢增长，在2024年达到峰值。在出版方面，Elsevier是发表相关研究最多的出版社，其次是MDPI和Springer Nature。绝大多数被纳入的研究是原创性论文，而非综述。数据分析可用性方面，仅不到四分之一的论文提供公开数据，超过40%的论文未提及数据可用性，这在一定程度上阻碍了研究的透明度和可重复性。从关键词分析可见，“深度学习”和“机器学习”是出现频率最高的核心方法学关键词，而“检测”是最常见的标题关键词，凸显了该领域在目标识别与定位，特别是病害识别和果实检测方面的应用聚焦。此外，“高光谱成像”和“计算机视觉”也高频出现，强调了成像技术与视觉数据分析的重要性。
草莓种植中的关键数字技术概览
过去十年，人工智能、传感和成像技术的进步显著推动了草莓种植数字技术的发展。多种成像技术被应用，其中RGB相机是最主流的传感器类型，占据了研究的主导地位，这主要归因于其成本低廉、易于使用和可及性高，能够为基本的表型分析和生长监测提供高分辨率图像。高光谱和多光谱相机对于需要详细光谱数据的生理监测、成熟度评估和病害识别至关重要。立体相机用于空间分析和3D成像，尤其在机器人系统中。此外，温度、湿度、光照和土壤条件等环境传感器的集成，实现了生长环境的实时监测。卫星、热成像等传感器使用相对较少，这反映了其应用的专门性及与草莓（多在温室种植）栽培环境的适配性挑战。
在研究平台方面，近半数研究未使用特定数据采集平台，而是依赖现有数据库或手动采集图像。在指定平台的研究中，实验室装置是最常用的平台，为获取高质量、一致的图像提供了受控环境。田间固定传感器和无人地面车辆（Unmanned Ground Vehicles, UGV）也占相当大比例，后者的使用增长反映了机器人技术在农业中的集成日益增加。无人机和移动平台使用较少，而卫星成像的应用非常有限，这主要与草莓主要在温室种植，空中或轨道观测受到物理结构限制有关。
研究主题、传感器与平台的关联分析
本综述将研究主题归纳为三大类：监测应用、预测建模和自动化。
- •
监测应用是最大的类别，占41%，其中病害检测是占比最大的单一应用方向（19%），凸显了其对作物健康管理和产量保护的重要性。其他监测子类包括作物状态/健康监测、果实质量评估、施肥与养分监测、害虫检测与管理和损害检测。
- •
预测建模应用占33%，其中产量预测是核心（12%），对市场规划和经济决策至关重要。其他包括植物生长建模/表型分析、成熟度估计和果实质量估计。
- •
自动化应用占26%，收获自动化是其主要部分（12%），体现了减少高价值作物收获人工成本的潜力。其他包括自动监测、变量速率应用和采后处理。
传感器与平台的选择与研究主题紧密相关。RGB相机因其多功能性，在所有研究主题和大多数平台上都有广泛应用，尤其在病害检测和收获自动化中应用最多。高光谱相机则集中应用于需要细致光谱信息的病害检测和生理评估。实验室平台是进行病害检测和分类等需要高精度、可重复分析任务的首选。田间固定传感器主要用于产量预测，提供连续的定点环境数据流。无人机最常用于自动监测任务，提供快速的大范围覆盖。而UGV则主要集中在收获自动化领域，支持机械化的数据收集和自主操作。
结论与未来展望
本综述表明，人工智能与传感技术在草莓种植中的整合是一项颠覆性创新，尤其在收获、产量预测、害虫控制和病害检测方面。RGB成像凭借其成本优势仍是首选，但机器人技术和高光谱成像在收获等专业应用中的重要性日益增加。这些技术在精准农业的可扩展性、成本和准确性之间呈现权衡关系。
然而，当前领域仍存在明显不足。实验性研究占主导，缺乏用于基准测试的标准化、可公开获取的数据集。由于结构和规模化问题，无人机和卫星遥感等技术在草莓种植中尚未充分利用。未来工作应聚焦于：促进数据共享；开发适用于实际应用的AI工具；集成多传感器和物联网/无线传感器网络平台，构建可操作的决策支持系统；开展多季节的长期田间验证以提升模型普适性；以及在经济可行性、能源效率和环境效益方面进行综合评估。此外，采用用户驱动和可解释的人工智能方法，将有助于增强种植者的信任并推动技术在实际生产中的采纳。
总之，人工智能驱动的传感与自动化技术相结合，有望使草莓种植迈向更具气候韧性、可持续性和数据驱动性的智慧农业新阶段。
