我國糧食產后領域人工智能技術的應用和展望

吳子丹 張 強,3 吳文福 張忠杰 尹 君, 劉 哲 王小萌,

(吉林大學1 ，長春 130025) (國家糧食和物資儲備局科學研究院2,北京 100037) (曼尼托巴大學3，曼尼托巴 MB R3T 5V6)

人工智能(Artificial intelligence ，AI)是世界上發展最快的學科之一。早期的AI技術多數屬于機理驅動類型(Model drive AI)，即通過研究掌握系統的機理，建立數學模型，進而依據機理推理實施AI精準控制或管理優化。近十年來AI技術隨計算機運算速度的提高和通訊技術的進步，數據驅動型的AI(Data drive AI)技術發展迅速[1]。大數據挖掘、機器深度學習等代表性的技術，可以在不完全依賴清晰機理的情況下實現控制或管理的優化[2]。在AI技術的推動下，智能制造、智能管理、智慧城市、智慧產業鏈的新項目層出不窮。在糧食產后領域的AI技術應用，有效提升了產業的管理水平。在1998年創立并得到大規模推廣的糧食儲備“四合一”技術中就包括了機理驅動AI技術的應用。其中智能糧情監測，通過建立倉溫、糧溫的變化規律模型，配合自動學習修正功能，實現了較為準確的儲糧異常報警[3]；智能通風控制基于糧食濕熱平衡方程和通風“窗口理論”控制模型[4,5]，提高了通風效率并且避免了糧堆結露。這兩項AI應用技術伴隨“四合一”技術而大面積推廣，對改善國家儲備糧的品質發揮了顯著作用。“四合一”技術2010年獲得國家科技進步一等獎[6]。2019年10月國務院發布的糧食安全白皮書中公布：在中國9.1億t糧食總倉容中應用機械通風7.5億t，應用計算機糧情監測6.6億t[7]。這為運用AI技術提升儲糧管理水平展現良好前景。

糧食產后管理是十分復雜的體系工程。在機理驅動AI技術方面，還有較多的機理模型問題亟待破解；在數據驅動AI技術方面總體上落后于許多其他行業的應用水平。糧食信息化體系的建設是AI技術應用的基礎支撐，但是還存在標準化水平低、“信息孤島”等大量問題。糧食行業大數據挖掘剛剛起步，知識庫比較缺乏。為此，更需要加快從數字糧食系統建設向智能糧食和智慧糧食的提升。

1 糧食產后領域AI技術應用的新進展

1.1 基于糧堆多場耦合理論機理驅動AI技術

儲糧生態理論認為糧食儲藏系統是由糧堆內外生物體與非生物體相互影響、變化與平衡交織的生態系統。吳子丹等[8,9]研究了糧堆內的溫度場、濕度場、微氣流場、壓力場等物理場和糧食水分分布之間相互耦合關系，提出了糧堆多場耦合理論，發現在一定的情況下物理場可先與糧堆局部生物體(糧食籽粒、微生物、害蟲、鼠雀等)發生耦合，促成該部位生物體的增長和能量、水分、二氧化碳等的釋放，進而又導致糧堆物理場的鏈式反應，影響儲糧整體穩定性。

張忠杰等團隊研究探討了糧堆溫度場隨季節和糧層厚度而演變的規律，以及糧堆微氣流和糧堆空隙水分分壓隨溫度場變化的耦合性[9-12]，王錄民等團隊研究了糧堆由重力和糧食摩擦角共同形成的壓力場變化規律，進而為研究糧堆孔隙度、密度分布和各向異性規律提供了支撐[13-15]。

吳子丹、張強等團隊參照對物理場的時空描述提出生物場可以表達為生物實體通過能量、物質和(或)信息的轉換，影響周圍生物和非生物實體的一種能力，以及這種能力在時空中的分布。其中生物對能量的轉換能力(即生物利用、轉化、耗散能量的能力)可以量化為生物場的場強P，表示為在特定時空范圍內單位體積中生物轉換能量Q的速率。生物場與環境物理場的耦合越強，P值越大。而Q又可表示為生物轉換的熱能、機械能、化學能、生物繁殖能和其他轉換能的總和。尹君[10]、王小萌[16]對這一概念進行了實驗驗證。進一步證明，要實現生物場的退耦合，必須確保退耦合強度(包括外部干預)大于耦合強度。生物場場強分析為應用AI技術定量分析處理儲糧問題提供了新方法。

1.1.1 糧堆溫度濕度場云圖分析——儲糧安全的AI預測預警技術

吳文福等團隊通過運用糧堆多場耦合理論對儲糧過程中的糧堆溫度場和濕度場云圖進行分析，對不同季節糧堆可能發生結露或出現適合微生物生長(耦合)的區域、出現時間的進行測算，可以提前兩周到兩個月預報糧堆結露和霉變的發生，促使管理者及早采取精準防治措施[17-20]。

1.1.2 儲備糧庫存監管的溫度場云圖指紋掃描技術

張忠杰、吳文福、吳曉明等團隊通過運用糧堆多場耦合理論建立糧食儲藏中發熱、霉變、空倉、半倉、異動等管理異常模態的溫度場云圖特征指紋(圖1)，開發了儲糧監管AI分析軟件[21,22]。2019年結合國家多部門對儲備糧庫存數量和質量的大檢查，對十余省區市89多萬組儲備糧糧溫數據進行分析，發出管理預警6 000多個，經現場驗證正確的占87%。該項AI技術為糧食庫存監管技術的升級提供了新手段[23]。

圖1 溫度場云圖指紋掃描效果示意圖

1.1.3 糧堆壓力場模型與糧倉實物數量AI探測儀

王錄民等團隊運用糧堆壓力場分布研究成果，建立了糧堆密度模型[24，25]。通過激光掃描糧堆形狀、計算糧堆體積，結合密度模型自動測量出糧倉儲糧實物數量(圖2)，與過稱檢斤對比誤差小于3%，滿足了國家清倉查庫實物檢查的精度要求，提高了庫存檢查的效率。

圖2 庫存糧食數量AI測量儀在全國庫存大檢查應用現場

1.2 儲糧蟲害的機器識別技術

周慧玲團隊克服了糧堆中捕獲的害蟲圖像像素低和害蟲運動造成的圖像模糊失真問題，在運用卷積神經網絡機器學習技術基礎上，結合紅外信號的探測分析以強化識別能力，使糧堆害蟲動態圖像捕捉識別平均準確率達到90%以上[26，27]。

1.3 機理驅動和數據驅動AI控制技術分別在糧食干燥中應用

糧食干燥過程是一項復雜的熱質傳遞過程，具有大滯后、多干擾、非線性、強耦合和參數不確定性等特點，用傳統方法控制易發生過調、過緩或震蕩，嚴重影響糧食烘干質量。必須通過控制器進行預測、預判、預調，減少烘干偏差。

吳文福等團隊應用機理驅動AI，從微元、微環境相互影響相互耦合的動態平衡關系出發，定義了絕對水勢、等效積溫等多因子耦合概念和計算方法的基礎上[28-30]，金毅等[31]、陳俊軼等[32]通過多因子可控干燥試驗臺研究了耦合因子對谷物干燥過程水分及品質的影響，建立了等效積溫-品質工具化圖表；劉哲等[33]實物模擬研究了烘干機各個干燥層面動態變化規律，提出了連續干燥過程“等效積溫窗口理論”測控方法和循環干燥的“真0.5%”測控方法，并開發了相應機理驅動 AI控制器以及循環，使糧食烘干質量大幅提高，成功應用于多型號的節能環保糧食連續烘干機。

周曉光團隊研究了數據驅動AI技術可應用自動尋找優化控制算法[34-36](圖3)。其中運用BP神經網絡算法與改進粒子群算法的支持向量機模型結合，解決小樣本、非線性和高維數不易收斂難題；運用模糊、遺傳、免疫算法和逆模型等算法相結合，提高全局搜索能力和實現控制參數滾動優化，避免陷入局部最優。比同類烘干系統提升效率20%以上。

圖3 烘干機個性化優化的數字驅動AI控制算法示意圖

1.4 大米產業鏈5T管理中的AI技術應用

糧食產業鏈管理的提升，需要AI技術和AI管理的高度融合，解決多系統耦合下復雜管理決策問題。吳文福等[37,38]將優質粳稻收儲過程劃分為收割、田場、干燥、收倉、倉儲的5個作業時期，通過實驗測定籽粒成熟曲線、籽粒田間感染微生物曲線、機械干燥等效積溫品質曲線、環境溫濕籽粒爆腰曲線、倉儲稻谷等效積溫品質曲線等，建立相應的以時間、溫度等為主要指標的感知、追溯、管控、預警等結合區塊鏈和物聯網技術的5T管理AI系統和標準體系[39]，為吉林大米創立優勢品牌發揮了良好作用。

1.5 庫存識別代碼與糧食流通防偽追溯及大數據挖掘

摻雜使假是糧食管理難點，很多防偽技術并不能防止系統性的渠道造假。為此國家糧食部門制定了《庫存糧食識別代碼》行業標準，提出了去中心化授碼、分布式信息存儲、碼隨糧走的管理方法[40]。運用庫存識別代碼具有編碼唯一性、可認證、可追朔、可關聯、能防偽的特點，在山東、江蘇等省糧食部門支持下開展了試點。建立了儲糧大數據資源池，不僅為管理部門和社會提供防偽追朔信息，而且通過大數據挖掘和推送糧食收購、流量、流向、質量、價格等管理部門和市場經營者都需要的高價值信息[41]。

1.6 糧食知識庫的開發

知識庫是AI技術和建立專家系統的重要支撐。糧食知識庫的建立是一個系統工程，近年來新填補的空白有：通過糧食庫存檢查實踐建立了全國倉儲糧食儲藏溫度場特征參數及監管策略應用關鍵參量數據手冊[42-47]，建立了糧食機械通風知識數據庫[48-52]、農戶儲糧知識庫軟件[46]和儲糧螨類防治知識庫[53]。

2 討論和展望

2.1 關于AI技術應用概念的統一問題

針對在糧食產后領域存在對AI技術的一些概念應用混雜的情況，在2019年10月在長春召開的首次以智慧糧食為主題的國際研討會上，國內主要涉糧院校所的學者和與會的國際糧食AI專家都認為，界定糧食產后領域AI技術的概念十分必要，建議劃分為3個層次的概念：1)數字糧食系統(Digtal Cereal System ,DCS)包括糧食產后各個環節中的傳感采集、檢測采集、管理采集、網絡采集等數據的收集、傳輸過程，以及數據的分類、分析、統計、對比等數據處理和自動報表生成等過程的單一系統或系統組合。2)智能糧食系統(Intelligence Cereal System,ICS)在數字糧食系統(DCS)基礎上，具有AI推理功能(機理驅動AI、數據驅動AI或混合雙驅動AI)，還可包括專家輔助決策功能(智識庫)，形成的控制優化或管理優化的單一系統或系統組合。3)智慧糧食系統(Smart Cereal System, SCS)包括多個不同糧食流通環節的智能糧食系統(ICS)和糧食流通大數據挖掘系統，共同構成具有區域特性或產業鏈特性的糧食監測、追溯、監管、控制、管理、服務等整體功能優化的組合AI系統。

2.2 關于蟲霉危害和儲糧質量定量預測問題

糧堆當中生物場耦合強度偏高的位置，不僅是蟲霉滋生的位置，也是儲糧質量劣變較快的位置，必然是儲糧管理的重點位置。需要根據糧堆多場在空間上的連續性、時間軸上的周期性、多場耦合的協調性原理，進一步研究糧堆不同時間空間的有效積溫積濕規律、物理場與生物場的耦合規律，為預測和評估儲糧管理提供AI技術新手段。

2.3 展開機理與數據雙驅動AI的研究

機理驅動 AI的優點是：可準確體現自然規律，較易實現總體優化設計；缺點是：機理研究難度較大，有時不能滿足差別機型的個性要求。數據驅動AI的優點是：可在機理不詳時用“黑匣子”找出優化方式，可準確體現個性差異；缺點是：有時容易陷入局部最優，不能確保模型通用性。因此，需要展開優勢互補的機理和數據雙驅動AI研究。例如在糧食干燥控制方面，可由機理驅動AI實現同類機型的總體優化，再由數據驅動機器學習進行個性優化，接通控制模型與設備個性貼合的最后一公里。在儲糧通風自控方面，由機理驅動AI歸納糧食溫濕水平衡耦合規律，再由數據驅動AI使貼近每個糧倉通風特性，解決保水和控溫雙目標難以同時實現的難題。在糧情測控方面，由機理驅動AI歸納全國各地區規律，再由數據驅動AI自學習使吻合每個糧倉特點，實現糧倉各個點位安全性的準確測報。

2.4 期待機器識別技術的新突破

目前糧食儲備企業大量采用視頻監控系統，但存在無效信息充斥的弊端，還有許多漏洞，如人為“誤用”監控設備、“雷擊損壞”、“熏蒸腐蝕失效”、圖像替代、屏蔽作弊等等。如何運用AI技術識別違規和欺詐行為，是機器識別技術在糧食流通管理中的一個現實課題。儲糧溫度場云圖已成為新的圖像數據資源，如何運用各種異常特征云圖圖像快速判斷管理中問題，是亟待開發的技術。在低像素和動態環境下準確識別蟲霉鼠雀危害，還需要圖像識別技術的升級和與不同傳感技術的結合。

2.5 盡快突破大數據技術應用的障礙

建立全國性的糧食大數據資源池的關鍵是如何突破“信息孤島”。應用區塊鏈技術進行追蹤溯源和防偽的關鍵是如何建立用戶聯盟。已經實現去中心化、數據關聯、分布儲存和體系開放的庫存識別代碼，仍是一個突破糧食信息互聯互通障礙的簡單易行手段。期待基于庫存識別代碼的糧食大數據挖掘，為糧食流通的庫存管理、物流、市場、質量追溯等提供實質的應用。