《新疆阿图什:“光伏+数字化”智慧农业 助农增收》

  • 来源专题:能源情报网信息监测服务平台
  • 编译者: guokm
  • 发布时间:2023-11-27
  • 为进一步探索发展林下养殖产业,大幅提升土地资源利用效率和农业附加值,新疆阿图什市瓦克瓦克村在中国华电帮扶下建设“光伏+数字化”种养业融合示范基地,按照“生态优先,绿色发展”的理念,大力发展林下经济产业。

    “光伏+数字化”种养业融合示范基地于2023年6月动工,占地面积300亩,以2020年盐碱地治理项目为基础,一期利用帮扶资金建立2座光伏鸡舍、3间冷链储存库、1条干果烘干线、1条清洗生产线。鸡舍面积1000多平方米,可容纳10000余只鸡。

     

    散养走地鸡在觅食 ( 张峰 摄)

    据了解,该鸡舍主要以散养为主,同时发展数字化养殖,依托物联网做到一鸡一环,智能溯源,从而让消费者买到真正的“走地鸡”;并建立屠宰,包装,冷链及物流一体化的标准示范基地,大力推广散养鸡标准化养殖管理和加工生产,实现村集体不养“一只鸡”却管理“万只鸡”规模的数字化样板工程。

    截至目前,该基地已接订单2000只,预计收入30余万元,解决附近村民10人就业。

     

    光伏鸡舍 (张峰 摄)

    产业融合项目总负责人尹增义说:“我们在瓦克瓦克村建立‘桃花鸡’散养基地,这个鸡是二代斗鸡和本地土鸡品种繁育出的新品种,目前每只鸡都配备数字智能脚环,这样可以实时监测到鸡的步数、体温、位置等情况。”

     

    散养走地鸡在觅食 (张峰 摄)

    下一步,瓦克瓦克村将大力推进数字化转型,打造新型职业新农人的培训直播孵化基地,让联农带农成效更突出,坚持绿色化、品牌化和精品化发展战略,构建标准种植、生态养殖、屠宰加工、冷链物流、文化体验于一体的全产业链发展模式,将基地打造成全州产业融合发展示范基地,提升乡村综合治理能力,从而助推乡村振兴战略的实施。

  • 原文来源:https://solar.in-en.com/html/solar-2431576.shtml
相关报告
  • 《全球科技巨头的数字化农业AI布局》

    • 来源专题:农机装备
    • 编译者:袁雪
    • 发布时间:2025-04-14
    • 点击上方蓝字 轻松关注我们 农业的数字化转型正在加速推进,科技巨头与传统农业的融合成为关键动力。微软、IBM、谷歌、华为和亚马逊等公司,正凭借其技术专长推动农业创新,重塑这一古老行业。英特尔的芯片、华为的5G网络、NVIDIA的GPU虽未直接应用于农田,却成为农业AI模型和作物管理系统的核心。与此同时,OpenAI 和 Anthropic 等开发大型语言模型(LLM)的企业,也通过深度学习和神经网络间接赋能农业,帮助打造更强大的行业专用工具。 NVIDIA数据中心 AI 在农业中的应用正不断拓展:卫星图像结合机器学习可预测作物产量,数字孪生技术精确模拟生长环境,自然语言处理提炼多语种农业智慧,基因组学模型更是深入植物分子结构,革新遗传研究。 在应对人口增长与气候变化的关键时刻,这些科技力量是否能解决农业的长期挑战?本文将聚焦 亚马逊、微软、谷歌、IBM、英特尔、华为等公司在农业AI上的布局,并探讨 OpenAI、Anthropic 和 NVIDIA 的间接作用,揭示一个由代码驱动、深刻影响土地与人类关系的全新农业生态系统。 农业AI解决方案的主要直接参与者 AWS:为农业提供自动化数据洞察的核心平台 亚马逊云服务(AWS)正以超过240种云服务构建起现代农业的数字支柱,助力农民将数据转化为高价值作物。AWS 全球农业主管 Elizabeth Fastiggi 指出:“农业是一个数据丰富的行业”,强调了数据作为资产的战略意义。AWS 提供从精准农业到供应链管理、可持续发展等多领域工具,广泛应用物联网、机器学习和人工智能技术。 以色列农艺农场管理平台(“CropX 平台”)和应用程序使用 AWS 解决方案来推动更高效、更经济的农业生产 AWS 致力于技术的“民主化”,即为各类农业用户提供公平获取一流技术的机会。在高度安全的环境下,农企得以大胆试验、验证和扩展新技术。这一策略不仅赋能单个农场,更通过支持第三方开发者生态系统,推动农业AI解决方案的大规模部署,形成不断壮大的数据与智能资源库。 微软:打造面向未来的AI农业平台 微软通过 Azure 农业数据管理器和 Project FarmVibes.AI 两大核心项目,推动农业AI发展。2023年9月推出的 Azure 数据管理器整合了来自传感器、无人机、卫星等多源数据,实现实时分析与可视化。农业食品首席技术官 Ranveer Chandra 表示,这种数字生态系统将数据转化为农民可执行的决策信息。 Azure 农业数据管理器功能 Project FarmVibes.AI 则是技术的“大脑”,面向研究人员和从业者提供易用且经济的数字农业工具。这些工具支持在网络覆盖不全的地区运行,有效缩小农村数字鸿沟。Chandra 也展望未来生成式AI的集成,如 AI 副驾驶、聊天机器人等,能够提供本地语言、个性化的实时建议,为农业带来深层次变革。 微软的 Farm Vibes 项目在浦那巴拉马蒂试验田的卫星图像 谷歌:借助卫星图像与AI推动农业可持续性 谷歌利用其在数据分析和机器学习方面的优势,将农业与遥感技术深度结合。Google Climate Engine 平台整合了 Earth Engine 和 Google Cloud,通过分析长达50年的地球观测数据,为农业气候适应和可持续发展提供支持。 谷歌不仅服务于跨国企业(如 Regrow 和联合利华),还助力初创公司如 ListenField,为超3万名东南亚农民提供生产优化建议。谷歌持续开发作物识别与产量预测模型,推动卫星图像在农业中的深度应用,从而同时提升产量与环境友好型农业实践。 IBM:用AI和环境数据守护粮食安全 面对气候变化等环境挑战,IBM 利用其 Environmental Intelligence Suite 提取关键气候数据,解决粮食安全问题。在与 dsm-firmenich 的合作中,IBM 的AI系统帮助预测并预防谷物霉菌毒素污染,每年可为欧洲节省数百万欧元。IBM ESG 副总裁 Kendra DeKeyrel 指出,AI 不仅提升农业效率,也是应对干旱、洪水等风险的关键工具。 IBM 还持续优化其环境智能平台,使数据科学家与开发者能更深入地推动农业与气候数据的融合,目标是“领先天气一步,保护农产品”。 英特尔:以边缘计算和AI设备重塑农业现场 与注重云计算的其他公司不同,英特尔聚焦于农业现场的智能化转型。通过边缘计算、计算机视觉和网络技术,英特尔推动实时监控与自动化管理,涵盖从气候感知到生产物流的全链条。 在与 NatureFresh 农场的合作中,英特尔的AI平台实现了温室设施的智能升级。该农场IT负责人 Keith Bradley 表示,英特尔在多代CPU之间分配AI负载的能力,保障了农业场景的高可扩展性和灵活响应。这种软硬件协同的技术生态正在推动农业实现前所未有的精准与高效。 华为:通过5G打造全球智慧农业示范 华为在全球推动5G智慧农业,尤其在奥地利实施的5G无人机监控农场项目,已显著提高效率、减少农药使用并改善农村网络基础设施。其解决方案融合5G、物联网与云计算,全面覆盖精准农业、远程监测和数据分析。 华为海外5G智能农场 尽管面临部分市场的地缘挑战,华为依然凭借技术创新和在“一带一路”沿线国家的广泛布局,成为农业AI发展的重要推动者。其“绿色现场”项目展示了其对全球数字农业未来的持续投入与承诺。 农业科技的“隐形影响者” OpenAI 与 Anthropic:生成式AI与农业的潜在结合 尽管 OpenAI 和 Anthropic 尚未推出专为农业定制的产品,但它们在生成式 AI 和大型语言模型(LLM)方面的前沿研究,为农业应用打开了全新可能。这些公司开发的语言模型已被广泛应用于科研、教育和决策辅助等领域,其潜力同样适用于农业。 例如,LLM 可用于自动解读农业研究论文、生成作物管理建议,或辅助农民进行技术学习。OpenAI 在强化学习方面的突破性成果,也可能用于优化农业机器人路径规划或精准作业流程。虽然目前的影响是间接的,但随着 AI 技术的快速演进,这些模型将可能在农业知识提取、农业教育、农艺模拟等方面发挥更直接作用。 NVIDIA:支撑农业AI背后的计算引擎 NVIDIA 虽不直接开发农业产品,但作为全球领先的 AI 芯片提供商,其GPU技术正是大多数农业人工智能模型运行的基石。从卫星图像分析到基因组研究,NVIDIA 提供了处理海量数据与复杂算法所需的高性能计算能力,推动了精准农业、作物预测、环境监测等核心场景的智能化发展。 NVIDIA 首席执行官黄仁勋也高度重视农业的AI潜力。公司已与多家农业科技企业展开合作,应用 GPU 加速的模型实现精准灌溉、病虫害监测、土壤健康评估等功能。这些合作不仅提升了产量,也大幅降低了资源消耗,展现出技术驱动的可持续农业未来。 黄仁勋提出,将 AI 应用于农业不仅是提升效率,更是应对全球粮食安全与气候挑战的重要手段。NVIDIA 的角色正体现了跨行业科技融合的趋势:即便不直接面向农业,其核心技术也能在背后推动农业变革。这种“隐形”的技术支持,正在重塑我们对农业创新生态的理解。 比较分析 在深入探索科技巨头推动农业人工智能的路径时,可以清晰地看到几大关键趋势与差异。 首先,在基础设施与解决方案方面,AWS、Google Cloud 和 Microsoft 凭借强大的云服务平台,为农业AI提供了广泛支持,成为众多第三方农业科技解决方案的基石。而IBM则更侧重于开发垂直整合的端到端方案,专门应对农业中的特定挑战,如气候风险与粮食安全。 在硬件与软件的技术重心上,英特尔与NVIDIA聚焦于算力基础,为高性能农业AI模型提供GPU和边缘计算芯片支持,尤其适用于需要实时处理的田间作业。而微软和AWS则发挥其在AI算法和机器学习方面的优势,打造用于作物产量预测、病虫害识别等复杂任务的软件解决方案。 核心技术与市场集中度方面,目前主导AI应用的Transformer架构和大型语言模型(LLM)需要庞大的算力与数据支撑,仅少数科技公司具备独立开发这些模型的能力。这种能力的集中,也导致了农业AI生态中的技术壁垒:部分公司可自主构建模型,而更多企业则依赖外部合作或开放平台。 在数据源的整合与利用方式上,各家公司展现出不同的技术路线。微软的 FarmVibes 强调多源数据融合,包括IoT设备、卫星图像与气象数据,实现对农场运行状态的全局掌控;谷歌则发挥其在地理空间分析上的优势,通过遥感影像实现大范围作物监测;IBM聚焦于环境与气候数据的深度融合,用于精准预报与风险管理;AWS构建的云平台能够整合传感器数据与历史记录,为农场运营提供数据驱动支持;英特尔则主打边缘计算,在田间现场实现实时感知与响应;华为通过将5G、物联网和云计算相结合,打造包括无人机监测、智能分析在内的全面智慧农业系统。 尽管路径不同,这些企业面对的共同挑战是:如何将庞杂的数据转化为对农民真正有价值的洞察和工具。每家公司在数据整合方式上的选择,不仅体现了其技术优势,也反映了其在农业AI领域的战略定位。 正如国际园艺学会(ISHS)人工智能参考小组主席 Graeme Smith 所言:“人工智能正在开启农业的新时代,彻底改变从作物规划到消费的各个方面。”科技巨头的行动,不只是技术部署,更是在塑造全球农业的未来格局。 人工智能的核心在于通过对数据的学习实现预测与决策。在农业领域,这意味着算法可以分析来自卫星图像、传感器、气象站和摄像头等多源数据,实现对农作物的实时感知与成像,为农民提供切实可行的指导意见。 面对气候变化、害虫抗药性增强、市场波动、劳动力短缺与可持续发展的压力,农业正以前所未有的速度向科技化、智能化转型。受控环境农业(CEA)的兴起正是这一变革的缩影:大型温室群在全球范围迅速扩张,生成了极为复杂的数据系统,推动了人工智能的深度嵌入。从精准灌溉、作物预测到资源配置,AI 正在重新定义农业的运作逻辑,并开始对全球经济、贸易结构、劳动力市场乃至国家间关系产生影响。 国际园艺学会人工智能参考小组主席 Graeme Smith 认为,AI 将农业从基于经验的传统工艺转变为高度数据驱动的科学。通过整合环境、表型与基因组等多维数据,人工智能可大幅提升农业的可持续性、生产效率与资源利用水平。从农田实时监控平台到基于卫星图像的产量预测系统,这些技术不仅提升了农民的决策能力,也预示着新农业范式的到来。 AI 的价值不止于优化当下,更在于构建面向未来的气候适应型农业模式。以AI驱动的CEA系统为例,不仅节水高达95%,节地显著,单位产量远超传统农业,还能显著减少运输、施肥和能源环节的碳排放,推动农业向高效、低碳、智能的方向发展。同时,AI在户外农业中的应用亦日益广泛,预测性模型帮助农民规避气候异常,减少产量损失与资源浪费。 知名经济学家 Steve Keen 指出,主流经济模型常忽视气温升高对降水和农业系统的连锁反应。他强调,AI 可以为农民提供传统思维难以实现的应对策略,弥补气候建模与农业决策之间的落差。正如 IBM 环境智能套件的实践所示,AI 正成为农民在不确定气候中稳产保收的重要工具。近期 NASA 的研究更警告,即使没有最极端的气候剧变,仅在高排放情境下,2030年前全球玉米产量可能下降四分之一,凸显应对挑战的紧迫性。 与此同时,人工智能的崛起也正催生“自主农业”新格局。英特尔的边缘计算与 NVIDIA 的GPU正在为农业设备提供实时决策能力,自主作业成为可能,农业生产正迈向前所未有的精确化和自动化。然而,技术革新也伴随着伦理与社会结构的挑战,包括数据隐私、技术垄断、以及中小农户在数字转型中面临的边缘化风险。 农业AI的未来不仅关乎技术突破,更取决于科技公司、政策制定者与农业从业者之间的协作治理。我们正站在农业新时代的门槛,人工智能所带来的不仅是产量的提升,更是对全球粮食安全、环境适应能力以及公平可持续发展的深刻回应。 农业科技侠交流群 入群可添加小编微信(扫描下方二维码,备注:来意-姓名-单位,若二维码添加失败,请公众号后台私信留言“入群”) 投稿、宣传推广、开白等请在本公众号后台回复“1” 转载请注明来源:本文转自农业科技侠数字与智慧农业微信公众号 编辑:傅莹 声明:本文旨在前沿分享,若有编辑等问题,敬请后台留言
  • 《全国智慧农业行动计划(2024—2028年)》

    • 来源专题:农机装备
    • 编译者:袁雪
    • 发布时间:2025-04-14
    • 点击上方蓝字 轻松关注我们 全国智慧农业行动计划 (2024—2028年)   为贯彻落实党中央、国务院关于发展智慧农业的决策部署,进一步推动《农业农村部关于大力发展智慧农业的指导意见》落地落实,加快智慧农业技术装备推广应用,制定本行动计划。 一、总体要求   基本思路。聚焦智慧农业发展的重点领域和关键环节,瞄准农业农村生产管理面临的难点问题,组织实施智慧农业3大行动,通过政策拉动、典型带动、技术驱动、服务推动,形成一批可感可及的工作成果,加快推动智慧农业全面发展,有力支撑农业现代化建设。   工作布局。在公共服务能力建设上,加快打造国家农业农村大数据平台、农业农村用地“一张图”和基础模型算法等公共服务产品;在产业布局上,着力推动主要作物大面积单产提升,培育一批智慧农场、智慧牧场、智慧渔场,推进全产业链数字化改造;在示范带动上,支持浙江先行先试,探索推广“伏羲农场”等未来应用场景。  行动目标。按照“一年打基础、三年见成效、五年上台阶”的工作安排,分阶段推进。2024年,全面启动智慧农业公共服务能力提升、智慧农业重点领域应用拓展、智慧农业示范带动3大行动8项重点任务。到2026年底,智慧农业公共服务能力初步形成,探索一批主要作物大面积单产提升智能化解决方案和智慧农(牧、渔)场技术模式,农业生产信息化率达到30%以上。到2028年底,智慧农业公共服务能力大幅提升,信息技术助力粮油作物和重要农产品节本增产增效的作用全面显现,先行先试地区农业全产业链数字化改造基本实现,全域推进智慧农业建设的机制路径基本成熟,农业生产信息化率达到32%以上。 二、重点任务 (一)实施智慧农业公共服务能力提升行动   1.打造国家农业农村大数据平台。完善国家农业农村大数据平台架构设计,统筹谋划存量资源和增量项目,加快推进算力、存储、安全、网络条件提升和灾备体系建设,构建统一的数据资源池和数据采集、汇聚治理、分析决策等系统,打造农业农村数据管理服务中枢。制定完善农业农村数据分类分级规范、数据资源目录和共享制度,应用“全农码”对农业资源、主体、产品数据统一赋码,深入推进数据资源汇聚治理和共享交换。升级优化“农事直通”移动端窗口,丰富和拓展为农服务数字化应用。构建农业农村大数据协同创新体系,制定促进数据平台上下协同的标准规范,推广农业农村大数据平台基座等软件工具。2025年,相关数据管理制度、标准规范基本建立,到2028年底,功能完备、上下协同、务实管用的国家农业农村大数据平台基本建成。   2.共建农业农村用地“一张图”。统筹用好农业农村地理信息公共服务平台等现有条件,开发满足农业农村管理应用需求的农业农村数字底图,完善地图制作、发布、服务等功能,为各级农业农村部门提供基础能力支撑。央地合作、部门协作推动各类涉农数据上图入库,建设耕地、永久基本农田、高标准农田、承包地、宅基地、耕地种植用途、养殖坑塘用地等专题图层,为每块地建立数字档案。鼓励各级农业农村部门和各类主体依托用地“一张图”,开发耕地种植用途管控、防灾减灾、生产托管、农机精准作业等各类应用。   3.开发智慧农业基础模型。建设农业基础模型与算法开放平台,建立农业智能模型算法软件开源社区,为各类农业模型开发提供高效敏捷的开发工具和基础模型库。开发推广具有自主知识产权的作物生长、动物行为和体征识别、生产管理决策、设施环境多因素联动调控等基础模型算法,以及智能育种、饲料配方、农场管理等通用软件工具或SaaS软件服务,为各类智慧农业应用提供技术底座。加快推动人工智能大模型在农业农村科研、生产经营、管理服务等重点领域应用。到2026年底,农业基础模型与算法开放平台和基础模型库基本建成,到2028年底,开发推广基础模型算法和通用软件工具或SaaS软件服务20个以上。 (二)实施智慧农业重点领域应用拓展行动   4.赋能主要作物大面积单产提升。组织国家智慧农业创新中心、优势科研单位和科技领军企业,聚焦全国重点区域重点品种,集成推广一批大面积单产提升的数字化种植技术方案。鼓励地方因地制宜推进水肥一体化智慧管控设施、信息化监管设备等数字农田建设,探索完善建设标准,优化国家、省、市、县四级耕地质量监测网络。加快推进农机装备的数字化升级,引导配备北斗辅助驾驶等系统设备终端,提高精准作业水平。鼓励有条件的地方整区域推进田间气象、作物长势、土壤墒情、病虫害等监测预警网络建设,形成覆盖全域的一体化监测体系。鼓励有条件的农业社会化服务主体拓展智慧农业服务,为小农户等经营主体提供贯穿全生产周期的农事指导、市场信息、防灾减灾等各类信息服务。力争到2028年底,主要粮油作物的数字化种植技术方案基本成熟。   5.培育一批智慧农(牧、渔)场。指导各地根据种养殖品种和生产条件的实际需求,集成应用适宜的信息技术装备,因地制宜建设多样化的智慧农(牧、渔)场。智慧农场,重点应用环境监测调控、水肥药精准管理、智能植保、无人巡检运输、智能农机等技术装备。智慧牧场,重点应用个体体征监测管理、环境精准调控、自动巡检消杀、疾病智能诊断、精准配方饲喂、自动采集清污、废弃物无害化处理等技术装备。智慧渔场,重点应用环境和水质监测、自动增氧、智能巡检、智能投饲、个体行为观测、鱼病智能诊断、分级计数等技术装备。实施农(牧、渔)场智慧赋能计划,汇聚各级农业农村部门、市场主体等多方资源力量,为有意愿有条件的农民合作社、家庭农场、农业企业等主体,提供智慧农业通用软件工具、信息技术培训、农技在线服务、市场信息等服务。   6.推动农业全产业链数字化改造。鼓励各地打造一批产业链数字化改造标杆,充分发挥行业组织、“链主”企业、龙头企业等作用,带动农业生产经营主体数字化改造,提高全产业链协作协同效率。深入实施“互联网+”农产品出村进城工程,推动国家级农产品产地市场智慧化升级改造,加强农产品产地仓储保鲜冷链物流信息化建设,打造面向市场、数据驱动、高效协同的智能供应链,推动产销顺畅衔接、优质优价。建设一批重要农产品全产业链大数据分析应用中心,加强重要农产品全产业链信息监测,引导产业有序发展。推进农产品质量安全智慧监管,建设国家综合监管平台,指导有条件的生产主体建立信息化质量安全管控系统,推广应用电子承诺达标合格证,鼓励有条件的地区开展追溯保品牌试点。 (三)实施智慧农业示范带动行动   7.推进智慧农业先行先试。支持浙江建设智慧农业引领区,综合应用技术创新、人才引进、财税支持、金融服务等政策措施,探索设立智慧农业专项资金,推动形成部省联动推进智慧农业建设的机制路径。支持智慧农业公共服务产品优先在浙江落地应用,推动“浙农码”与“全农码”有机衔接,率先实现部省数据互联互通和业务协作协同。持续推动浙江“乡村大脑”迭代升级,建设种植业、畜牧业、渔业“农业产业大脑”,开发推广“浙农”系列应用,建设一批不同技术模式的智慧农(牧、渔)场。到2028年底,浙江农业产业大脑基本建成,培育1000家以上数字农业工厂、100家未来农场,形成一批标准规范,研发推广一批成熟适用的智慧农业软硬件产品。   8.探索智慧农业未来方向。支持科研院校持续推进智慧农业技术模式迭代创新,加强智慧农业前沿技术研发与系统集成,引领智慧农业未来发展方向。支持中国科学院持续探索总结“伏羲农场”模式。持续优化土壤养分反演、作物模拟预测、气象精准分析等模型,开展耕地网格化、数字化管理,推动农业生产过程的数字化仿真、推演,形成最优种植方案。持续推进智能农机创新,在规模化应用场景下实现精准整地、精准播种、变量施药、变量施肥、变量灌溉、收获减损、运输减损、仓存减损、秸秆合理利用等精准作业。培育一批智慧农业领域科技领军企业,集聚创新资源,加快推进智慧农业技术研发、成果转化和产业化应用。 三、组织保障   (一)强化组织领导。建立智慧农业工作推进机制,成立工作专班,明确责任分工,制定年度任务清单,扎实有序推进各项任务落地实施。各省级农业农村部门要制定具体举措,明确主体责任,强化政策配套和工作力量保障,确保任务目标如期实现。加强行动计划监测调度,对重点任务重点项目实施情况进行跟踪调度和分析总结,及时发现解决实施过程中的问题。完善智慧农业专家咨询委员会,研究智慧农业发展趋势、重大问题,提出政策建议。   (二)加大政策扶持。用好高标准农田建设、智慧农业建设、设施农业建设、农业产业融合发展、农机购置与应用补贴等已有项目和政策,形成支持智慧农业发展的政策合力。统筹利用中央预算内投资、重大信息平台升级改造、重大科技项目等资金渠道,支持智慧农业能力条件建设,加快关键技术研发创新。加强对智慧农业公共服务应用的宣传培训。鼓励各地探索智慧农业专项补贴等新政策,健全技术、服务、金融等多样化政策支持体系。  (三)加强总结交流。及时总结工作进展和成效,推广典型经验和模式,编发智慧农业优秀案例集。建立智慧农业主推技术目录和信息发布制度,遴选发布智慧农业新技术新装备,促进技术供给与需求的有效衔接。召开智慧农业建设现场推进会,推动各地互学互鉴,以点带面整体提升。用好农业农村部官网、新媒体、中国国际农产品交易会等线上线下平台,充分展示智慧农业行动计划建设成果。加强智慧农业领域技术、人才、标准、经验等方面国际交流合作。 农业科技侠交流群 入群可添加小编微信(如下方二维码,备注:姓名-单位) 投稿、宣传推广、开白等请在本公众号后台回复“1” 转载请注明来源:本文转自农业科技侠数字与智慧农业微信公众号 编辑:苏清婉 来源:农业农村部官网 声明:本文旨在前沿分享,若有编辑等问题,敬请后台留言