近日，中国农业科学院植物保护研究所农业入侵生物预防与监控创新团队，在跨境植物有害生物智能风险管控领域取得进展，通过将机器学习驱动的定量风险评估技术与大语言模型等生成式人工智能技术深度融合，构建了跨境传入与发生扩散风险定量评估与智能辅助决策技术体系与应用系统。相关研究成果以″Integrating machine learning and large language models to enhance risk assessment and priority management for plant biosecurity″为题，发表于国际期刊《Artificial Intelligence in Agriculture》（IF=16.1）。
植物有害生物的跨境传播严重威胁全球粮食安全与生物安全。随着全球贸易持续加速，柑橘等重要果品进口量攀升，植物有害生物随贸易"搭车"入境的风险日益加剧。然而，柑橘等重要果品贸易途径中跨境植物有害生物"传入—定殖—扩散"的多阶段风险尚不明确，且通用大语言模型缺乏该领域专业知识，难以输出可信的监管决策建议，风险评估与管理决策之间存在"最后一公里"断层。如何打通多害虫类群、多贸易途径、多风险阶段的一体化定量评估与智能辅助决策全链条，是跨境植物有害生物风险管控领域亟待突破的关键难题。
针对上述挑战，研究团队以柑橘贸易为典型场景开展系统性实证研究，首次解析了柑橘害虫跨境传入风险网络的243条传入风险路径和98个关键风险节点，精准锁定介壳虫、实蝇等高风险类群及关键来源地与传入地区，并发现基于多中心度指标识别并优先管控关键风险节点，可使风险网络全局效率显著下降，为"以最小成本降低传入风险"提供了量化依据；进一步明确了重要柑橘害虫在中国的定殖风险区，发现南方柑橘主产区面临多种害虫共同传入与定殖的复合威胁，并预警了气候变化下害虫向高纬度地区扩散的风险。
在此基础上，突破通用大语言模型"缺乏领域知识、回答无据可依"的固有局限，将多阶段定量风险评估结果、贸易量等多源数据构建为领域知识向量数据库，研发了基于大语言模型与检索增强生成（RAG）技术的智能辅助决策应用系统；该系统采用稠密向量与关键词稀疏双路检索、互排序融合与语义重排序相结合的混合检索架构，输出证据可溯的跨境植物有害生物风险分析与管理决策建议，显著提升复杂风险信息向管理决策的转化效率，为不同贸易途径和植物有害生物类群的风险评估与跨境生物安全管控提供了可复制、可拓展的技术路径。
文章链接：https://doi.org/10.1016/j.aiia.2026.07.004
来源: 中国农业科学院植物保护研究所
