书名：人工智能通识教程（农林院校版）  
定价：69.0  
ISBN：9787111791270  
作者：黄栋  
版次：1  
出版时间：2025-09  

内容提要：  

本书从农林院校的特色视角出发，系统介绍了人工智能的基础技术及其应用，旨在帮助读者建立清晰的“人工智能 + 农业”的知识框架，并掌握相关技术的基本原理与实践方法。全书共8章，遵循“基础 → 技术应用 → 前沿展望”的逻辑架构编排，循序渐进地引导读者深入理解人工智能的发展趋势、关键技术及智慧农业的应用案例。

第1章从人工智能与农业的演进历程切入，介绍相关概念、核心特征及关键技术体系，探讨人工智能如何赋能农业现代化。第2章讲解机器学习的基础知识，为后续人工智能技术的学习奠定理论基础。第3~7章详细介绍人工智能的若干关键技术及其应用，包括计算机视觉、大数据分析、物联网、区块链、生物信息学等，不仅阐述了基础原理，还结合典型案例，展示它们在农业生产与管理各环节的应用实践。第8章展望大模型时代的智慧农业，分析人工智能大模型的发展趋势及其对农业智能化的深远影响。

本书适用于高等院校农林类、理工类及其他专业有志于学习人工智能和智慧农业关键技术的本科生、研究生，可作为农林院校人工智能通识课程的教材，并提供PPT等课程配套资源。

本书特色：

通识性与系统性并重：涵盖人工智能基础概念、核心算法等的通识讲解，并对人工智能的关键技术及其实际应用案例进行了进阶性、系统性介绍。

理论结合实践，贴近农业应用：在阐述人工智能关键技术时，辅以大量农业领域的实际案例，旨在帮助读者结合具体应用场景，深刻理解人工智能技术的应用价值。

循序渐进，适合不同层次读者：内容编排由浅入深，采用模块化设计，既适合初学者入门，也适合具备一定技术基础的读者进行深入学习。

目录：  

目　录

前言

基　础　篇

第1章　绪　　论2

1.1　从原始农业到现代农业2

1.2　人工智能与农业的发展与交汇3

1.2.1　人工智能的发展历程3

1.2.2　智慧农业的概念源起与变迁4

1.3　特色领域人工智能通识：讲什么，怎样讲5

1.4　本书的主要内容6

第2章　机器学习基础8

2.1　机器学习的基本概念8

2.2　机器学习的三要素9

2.2.1　模型9

2.2.2　学习准则10

2.2.3　优化算法10

2.3　机器学习的常见模型11

2.3.1　分类模型概览11

2.3.2　聚类模型概览12

2.3.3　回归模型概览13

2.4　从机器学习到深度学习14

2.4.1　为何走向深度14

2.4.2　常见的深度学习模型15

2.4.3　常见的深度学习框架16

2.5　前沿方向速览18

2.5.1　集成学习18

2.5.2　强化学习19

2.5.3　多模态学习20

2.5.4　迁移学习与大模型微调20

技术应用篇

第3章　计算机视觉：天光云影22

3.1　基本概念22

3.1.1　计算机视觉的定义22

3.1.2　计算机视觉的农业应用23

3.2　关键技术23

3.2.1　图像分类24

3.2.2　目标检测25

3.2.3　目标跟踪28

3.2.4　实例分割30

3.2.5　新兴研究方向34

3.3　农业应用35

3.3.1　应用概述35

3.3.2　应用案例分析35

第4章　大数据分析：吹沙到金43

4.1　基本概念43

4.2　关键技术44

4.2.1　数据预处理44

4.2.2　数据分类46

4.2.3　数据聚类51

4.2.4　预测分析54

4.2.5　知识图谱58

4.2.6　数据可视化62

4.3　农业应用70

4.3.1　应用概述70

4.3.2　应用案例分析71

第5章　物联网：万物互联77

5.1　基本概念77

5.1.1　物联网的起源77

5.1.2　农业物联网的发展78

5.1.3　农业物联网的定义78

5.1.4　农业物联网的结构79

5.2　关键技术79

5.2.1　物联网信息感知79

5.2.2　物联网信息传输82

5.2.3　物联网网络中间件84

5.3　农业应用86

5.3.1　应用概述86

5.3.2　应用案例分析87

第6章　区块链：云中锦书91

6.1　基本概念91

6.1.1　区块链的起源92

6.1.2　区块链的定义92

6.1.3　区块链的发展93

6.2　关键技术94

6.2.1　技术特性94

6.2.2　部署分类95

6.2.3　区块链的技术架构96

6.2.4　密码学基础97

6.2.5　分布式网络102

6.2.6　共识机制107

6.2.7　智能合约111

6.3　农业应用115

6.3.1　应用概述115

6.3.2　应用案例分析115

第7章　生物信息学：见微知著120

7.1　基本概念120

7.2　农业组学121

7.2.1　农业基因组学122

7.2.2　农业表型组学127

7.2.3　农业组学发展趋势132

7.3　农业生物数据库 133

7.3.1　水稻数据库133

7.3.2　油菜数据库137

7.3.3　棉花数据库141

7.3.4　其他作物数据库144

7.3.5　动物数据库146

7.4　农业知识工程151

7.4.1　农业知识工程的基本概念151

7.4.2　农业知识工程的基本内容153

7.5　农业生物信息学展望158

7.6　农业应用159

7.6.1　应用概述159

7.6.2　应用案例分析159

前沿展望篇

第8章　大模型时代的智慧农业176

8.1　大模型的发展历程176

8.1.1　深度神经网络的复兴176

8.1.2　大模型时代的开启：从Transformer到ChatGPT176

8.1.3　多模态大模型的兴起177

8.1.4　国产大模型的崛起178

8.2　深度求索的求索之路179

8.2.1　从DeepSeek Coder到DeepSeek-R1179

8.2.2　技术特点与开源战略180

8.3　“大材”（大模型）与“小用”（为我所用）180

8.3.1　大模型使用方式的权衡180

8.3.2　大模型幻觉问题及应对措施181

8.4　大模型时代，智慧农业何去何从182

8.4.1　技术赋能182

8.4.2　未来方向183