“第三届全球农创客大赛”结果揭晓 拼多多持续加码农业科技******
近日，“第三届全球农创客大赛”决赛结果正式揭晓。
据悉，在来自25个国家和地区的98份申请中，有7支队伍进入总决赛，经过激烈角逐，最终由来自中国浙江Hi, Mr. N!团队的智能农业机器人项目，荣获本届大赛金奖；来自肯尼亚的FSPN，以及来自中国的区块链韭菜项目荣获大赛银奖；来自肯尼亚的Farmer Lifeline Technologies和AgroTech，以及来自中国的国信区块链农业生态循环产业园项目，摘得铜奖。
“全球农创客大赛”旨在为青年农业企业家和创业者建立一个整合多方资源的平台，促成一个包括国际组织、政府机构、学术界和研究机构以及企业在内的全球网络，将全球青年创业者与农业食品系统中的不同利益相关者联系起来，并通过在国际舞台上展示他们的创新解决方案，推动农业科技应用，加速农业系统转型。
参加第三届全球农创客大赛的评审团、参赛团队、主持人和嘉宾“农创客大赛”加速农业食物系统转型
此次“第三届全球农创客大赛”吸引了来自中国、美国、德国、尼日利亚、肯尼亚等世界各地的选手报名参赛，其中亚洲、非洲等发展中国家参赛队伍占比较大。
与第一届大赛聚焦数字农业技术创新解决农产品上行痛点、第二届大赛关注助力数字乡村建设实现“FAO的四个更好”相比，“第三届全球农创客大赛”更加聚焦如何能够加速农业食物系统转型实现“消除贫困”、“零饥饿”“性别平等”联合国2030可持续发展目标。
浙江大学副校长何莲珍表示：“今晚的决赛是2022年全球农创客大赛的里程碑。”
在大赛中拔得头筹的Hi, Mr. N!团队，展示的是一款用于精准检测、精准施肥的智慧农业机器人。经过近十年的攻关，浙江大学教授何勇、副研究员冯旭萍及其科研团队创制了一款高度和宽度可自动调节的智能农业机器人(Hi, Mr.N)，通过光谱技术手段，可以准确快速获取作物不同生育期的生长状态，根据作物实际氮需求形成处方图，实现肥料精准化管理。
作物氮养分检测智能机器人何勇表示，作物氮含量的精准检测是攻克的关键难题，团队构建了多种作物的广适应性模型体系，可以节省20%~30%的肥料使用。上述研究成果已经应用于茶叶、草莓、棉花等多种作物上。
来自肯尼亚的Farmer Lifeline Technologies项目通过建立硬件和软件之间的联动，来帮助作物病虫害检测。项目应用带摄像头扫描仪的太阳能设备，基于人工智能、数据分析和机器学习得出分析结果，并向农民的手机发送警报。
同样来自肯尼亚的AgroTech项目，为小农户提供有效的保鲜服务和移动应用，将农民与食品供应商联系起来，以帮助减少食品损失和浪费，提高市场和贸易的透明度。
来自中国长春的农业生态循环产业园项目，聚焦有机种植方向。以授粉为例，公司采用熊蜂对大棚内的蔬菜进行生物授粉，在该技术推广之前，为了节约成本，农户一般对大棚内的蔬菜采用激素处理、人工授粉的方式。采用熊蜂授粉的方式结出的果实质量更好，市场价格更高。
有机农业生态循环参赛团队落地长春市郊的种植基地长春国信现代农业科技发展股份有限公司副总经理李音表示，公司每年培训区域农民8000~10000人次，参加农创客比赛有助于把有机蔬菜种植技术推广到全国。
拼多多持续加码农业科技
“得益于国际机构、政府、高校与企业的紧密合作，‘全球农创客大赛’已成功举办三届，激发了全球青年投入农研科创的兴趣与热情，并推动一系列科研成果的应用转化。”全球农创客大赛项目组组长、浙江大学-FAO数字农业创新创业团队负责人、浙江大学食物经济与农商管理研究所所长卫龙宝表示。
作为对全球农创客大赛提供全方位持续支持的企业，拼多多以农产品起家，通过引导优化农产品供应链，助力农产品上行及乡村振兴。其创新“农地云拼”模式，通过拼购模式，把原来在时间和空间上极度分散的需求，汇聚成相对集中的订单，不仅极大优化了中间交易环节，降低了销售成本，还减少了流通时间，帮助农产品打开销路，助力农民提效增收。
拼多多坚持对农业及农业科研的长期投入。自2020年开始，拼多多联合中国农业大学、浙江大学等顶尖机构连续举办三届“多多农研科技大赛”，以智慧农业技术解决方案为目标，为年轻的研究人员提供发挥才华的启动平台，促进农业实体与数字化融合。
2021年8月，拼多多设立“百亿农研”专项，该专项不以商业价值和盈利为目的，致力于推进农业科技进步，以农业科技工作者和劳动者进一步有动力和获得感为目标。目前，拼多多先后与联合国粮食与农业组织、新加坡食品与生物技术创新研究院、浙江大学等国内外科研团队展开合作，在科学种植、农业机器人、智慧农业、未来食品等领域深入研究。
拼多多致力于在种植端助力前沿科技研究向农业实际应用转化。2022年度，拼多多加大对高科技农产品的资源倾斜，以销量反哺科研，世壮燕麦片、烟薯25、西大魔芋、晋谷21号小米、普莱赞巧克力等一大批农业院校研发的高科技农产品成为重点扶持的对象。
提速近10倍！基于深度学习的全基因组选择新方法来了****** 近日，中国农业科学院作物科学研究所、三亚南繁研究院大数据智能设计育种创新团队联合多家单位提出利用植物海量多组学数据进行全基因组预测的深度学习方法, 可以实现育种大数据的高效整合与利用，将助力深度学习在全基因组选择中的应用，为智能设计育种及平台构建提供有效工具。相关研究成果发表在《分子植物（Molecular Plant）》上。 全基因组选择作为新一代育种技术，通过构建预测模型，根据基因组估计育种值进行早期个体的预测和选择，从而缩短育种世代间隔，加快育种进程，节约成本，推动现代育种向精准化和高效化方向发展。 统计模型作为全基因组选择的核心，极大地影响了全基因组预测的准确度和效率。传统预测方法基于线性回归模型，难以捕捉基因型和表型间的复杂关系。 相较于传统模型，非线性模型（如深度网络神经）具备分析复杂非加性效应的能力，人工智能和深度学习算法为解决大数据分析和高性能并行运算等难题提供了新的契机，深度学习算法的优化将会提高全基因组选择的预测能力。 该研究团队以玉米、小麦和番茄3种作物的4种不同维度的群体数据为测试材料，通过创新深度学习算法框架开发了全基因组选择新方法。 与其他五种主流预测方法相比，该方法有以下优点： 可以利用多组学数据开展全基因组预测；算法设计中包含批归一化层、回调函数和校正线性激活函数等结构，可以有效降低模型错误率，提高运行速度；预测精度稳健，在小型数据集上的表现与目前主流预测模型相当，在大规模数据集上预测优势更加明显；计算时间与传统方法相近，比已有深度学习方法提速近10倍；超参数调整对用户更加友好。 该研究得到了国家重点研发计划、国家自然科学基金、海南崖州湾种子实验室和中国农业科学院科技创新工程等项目的支持。 学术支持 中国农业科学院作物科学研究所 记者 宋雅娟 彩神彩票app地图 |
