數字溫室時代的“綠手指”

隨著新一代信息技術的飛速發展，越來越多的新名詞被跨界疊加到古老而又充滿活力的農業中。在大數據、物聯網、人工智能、5G以及區塊鏈等技術的加持下，特別是一批信息技術巨頭公司的介入，以解決供銷關系（含溯源）、土壤墑情（無人機、遙感等）、大田作物管控（無人機、視覺識別、AI作物模型等）為主的智慧農業技術與平臺，如雨后春筍般遍布中華大地。設施園藝技術，常被作為產業鏈平臺中的子系統規劃到智慧農業甚至智慧城市的項目中。實際上，作為生產端的設施園藝數字化技術遠比大眾認為的基于傳感器的IO管控系統要高級復雜的多，完全可以作為獨立的系統與產業鏈的各個環節交互融合，根據外部需求調整內部的過程管控。文章著重于新一代信息技術在設施園藝技術中的發展與應用，闡述了數字園藝的發展階段，大數據與人工智能等信息技術的應用（產量預測模型），并提出了有關人工智能以及模型與未來無人運營溫室（Autonomous Greenhouse）的思考。

數據利用的發展階段

園藝技能精湛的人通常被稱為“綠手指”。荷蘭人憑借其天生的憂患意識和貿易天分，將荷蘭的設施園藝技術開發到極致并積極推廣到全世界，是各國多年來一直學習和模仿的“綠手指”。荷蘭種植者感知植物狀態的能力，像極了中國大廚行云流水般顛勺翻炒，總是帶著“加鹽少許”般難以量化的神秘感覺。所謂的直覺和感覺，就是國內種植者要學習和消化的核心技能。而數據則是破譯秘籍的鑰匙。

生活在被數據包圍的時代，大眾對數據的力量深信不疑，也在以前所未有的速度創造和收集數據，世界上90%的數據都是在過去兩年時間里收集的。先進的溫室每天創造數據大約7500條/hm2，隨著傳感器技術以及智能設備的發展，這個數值還在持續不斷地上升。面對龐大的數據，如何提取有價值的信息是值得大家關注的。有明確目標和宗旨的數據分析是為種植者提供有決策支持信息的重要手段。數據分析有4種類型，也代表人類對數據價值發掘利用的4個階段：描述性分析、診斷性分析、預測性分析以及規范性分析。他們分別對應的問題和目標是“發生了什么？” “為什么發生這種情況？”“什么將要發生？”以及“什么是最有可能發生的？”（圖1）。越高級的階段，所需要涵蓋的算法和模型就越復雜，所具有的商業價值也就越高。

關于數字農業分類的觀點很多，一些觀點甚至帶著信息技術嘗試+農業的盲目樂觀。不可否認的是，整個設施園藝行業正在跨步向數據分析4.0階段積極探索，但國內大部分的項目應用還停留在1.0，甚至缺少有效數據分析的階段。盡管深知數據的重要性，也從不同途徑收集大量的數據，但是缺乏統一的儲存介質，種植者很難將相關的數據放在一起分析。比如，種植者從傳感器中收集環境數據，將環境信息記錄在環控計算機中（圖2）;人工測量記錄植物生長參數，記錄在筆記本或者電子表格中;甚至一些第三方提供的能源監測數據、水肥消耗信息等，也都有不同的儲存位置和格式，使用不同的時間格式或者分隔符。由于這種不兼容性，一方面為數據分析帶來了大量的整理統計工作;另一方面，不同來源的數據常常會導致分析不夠準確甚至出現問題。

荷蘭種植者通常采用專業的數據平臺進行數據的收集整理，并根據平臺內置的算法和模型對數據進行解析，為種植賦能。有了專業的數據平臺，就為進一步利用數據奠定了良好的基礎。種植者可以根據自身的情況，從所關注的角度對相關數據進行對比分析，從而找到存在問題的答案或者制定新的策略。比如，根據產品銷售情況優化能源投入，計算當前項目光能轉化（果實產量）效率等。

AI技術的應用

對于種植者來說，與數據平臺能夠實時交互的種植管理系統才是理想的智慧園藝項目運行情景。作物監測系統向中央數據平臺發送關于植物水分、能源和同化作用平衡相關的傳感器數據。基于數據的信息，中控系統代替人類種植者，按照優化作物生長的方式進行決策，控制溫室的運行。這一場景的實現，則得益于人工智能技術。那么什么是人工智能呢？

“公式”是用數學符號表示輸入量和輸出量之間關系（如定律或定理）的式子，用來表示行為相當穩定且輸入量有限的物理和化學過程。當描述的過程包括眾多的公式時我們稱之為模型。在這個意義上，這個模型仍然模擬一個靜態的、完全可預測的和易于理解的過程。當變量輸入量的數量增加，輸入量與輸出量之間的關系變得不那么靜態，甚至可能變成時間相關和非線性，而且系統的特性也隨著時間變化，公式和靜態模型將不再適用于模擬系統的過程行為。此時就需要AI技術登場。

溫室內作物的生長過程可以看作一個極好的復雜動態系統，作物的生長不僅僅受到實際狀態的影響，也取決于作物的歷史。為了對整個動態系統進行描述，我們就需要借助AI技術的動態算法和模型的幫助，利用神經網絡學習作物的歷史數據，并通過大量的蘊含作物輸入輸出變量關系的數據集訓練神經網絡，這一過程叫做“深度學習”，屬于“機器學習”的1個子集。在訓練過程中，神經網絡逐漸學習真正的植物的行為。當被給予新的輸入數據時，神經網絡能夠預測出植物相應的反應，它就成為了1個真正的作物模型。

用眾多的模型來描述植物的生長和發展過程，比如預測產量和品質，計算能源與水肥投入以及預測病蟲害的發生與防治等，就能形成一個決策支持系統，自動決策種植者在溫室運營中需要考慮的問題。例如“基于目前的天氣預報，接下來的一周最有可能發生什么情況？維持現有的控制策略，產量是否可以滿足市場的訂單？調整某個參數將會使果實的品相發生何種改變？”

以目前比較熱門的產量預測為例。最早的產量預測模型大約出現在20年前，原理是大家熟知的積溫和果實成熟度之間的關系，根據種植者填寫的作物生理指標與可預期的溫室溫度對未來幾周的產量進行預估。盡管這個模型被使用了幾十年，預測的結果相對可供參考，但是預測的準確度還是有待提高。

依托機器學習研發的AI產量預測模型則具有更高的準確性。以LetsGrow.com開發的產量預測模型為例，平均精確性為90%以上。且隨著訓練年限的增加，準確性會越來越高。AI預測模型把多年來積累的大量的數據集合，包括氣象狀況、作物生理數據以及品質與產量相關的數據，作為機器學習的理想起點，在特定的栽培策略和植物類型下，找到環境、作物與生產之間的正確關系。這也是模型需要使用種植者自身的數據進行訓練的原因，只有如此才能形成專屬的預測模型，進而對未來1～4周的產量進行精準預測（圖3）。

此外，人工智能技術也將成為農業機器人發展的重要推動者。在機器人的整個生命周期中，都是面對一個開放的世界，這就需要機器人在以往的經驗中強化學習不同場景的應對方法。以采摘機器人為例，它需要不斷學習選擇性采摘的特定條件，不僅包括果實成熟度分級的性狀，也包括不同等級和位置的果實在采收過程中的方法和技巧。當然，也離不開視覺識別系統提供采收與設備運行的依據，以及物聯網技術對信息的實時交互。圖4為Plantalyzer番茄色度識別儀。它在每天溫室作業結束后，按照設定路線自動巡檢整個溫室番茄成熟狀況并進行產量統計，然后將數據實時上傳到LetsGrow平臺，形成熱圖，為生產經理調配人工提供依據，也為銷售系統提供供應參考信息。

關于人工智能以及模型的思考

第一代模型主要基于小規模的實驗研究，在研究過程中，從各種環境與條件下產生和采集必要的數據。隨著溫室項目的增多，很多數據可以輕易地從商業溫室中獲取，這樣的優勢是不同來源的數據可以建立起更加普適通用的模型，但這也存在著巨大的隱患，即作為信息載體的數據可能會因缺乏必要的矯正和規范而質量低下，導致推導的結果中存在“噪音”，影響模型的正確性。

人工智能（AI）和機器學習在相關準確性、解決復雜邏輯和減少開發所需的時間方面提供了很好的結果。但是它對數據的質量同樣有很高的要求。無論多么先進和復雜的模型，都遵循這樣一條定理：“垃圾進=垃圾出”，即模型的結果永遠不會比輸入的數據好。只有將嚴謹的數據清洗，專業的數據管理和強大的計算能力相結合，才有可能建立復雜準確的模型（圖5、圖6）。

人工智能建立的模型還有一個很重要的特點，就是它的“黑匣子”屬性。傳統的模型是將各種相關的因素整合在一起，人們可以沿著數字的足跡找到所有結論的源頭。但是AI建立的模型中很多過程都是不得而知的，因此，使用人工智能模型總是需要對應用程序本身有極好的領域專業知識。模型的結果也必須由人類專家進行評估和檢查，以檢測和過濾出不現實的結果。只有將這些現代的技術與植物生理學和物理學知識相結合，才能取得優異的結果。

與此同時，我們更應該意識到，隨著人類手中的科技工具越發先進，我們更不應該盲目冒進，嚴謹地在歷史和經驗中找尋自然的規律，尊重專業人士的努力，遵循自然的法則，才能預見不遠的將來，以及維系人類社會的可持續發展。

無人運營溫室競賽（AI自主溫室）

（Autonomous Greenhouse）

2018年，首屆無人運營溫室競賽（Autonomous Greenhouse Challenge）在瓦赫寧根大學研究中心科研中心科研溫室舉辦。所有的環境調控策略均由AI技術進行決策。最終AI技術以產量優勢戰勝人類種植者。目前以櫻桃番茄為種植作物的第二屆無人運營溫室競賽正在激烈的進行中，5支進入決賽的隊伍將在原定2020年6月的GreenTech展會上向全世界宣布最后結果。完全獨立于人類種植者的生產方式正逐漸跳躍出科幻小說，向現實生活邁進。

除了AI技術之外，農業機器人以及VR、AR、MR（虛擬現實、增強現實、混合現實）技術也是無人運營溫室不可或缺的技術力量。此外，所有植物相關的模型都需要作物參數的輸入，而目前大部分的作物生理數據還依賴于人工采集，隨著相關生理傳感器的發展，數據采集的頻度和質量都會得到提升。所以，設施園藝種植者走向未來的速度，一定程度上也受傳感器技術發展速度的制約。

總結

對種植者而言，認為數字園藝技術遙不可及，或輕視數字園藝技術對項目的賦能作用的想法都不夠客觀合理。無論何種規模的項目，數據都是從經驗中學習和進步的鑰匙。有了數字信息技術的幫助，普通種植者成為行業專家的路徑被大大縮短。但是種植者們也必須正視專業知識與背景在對數據解析過程中不可替代的作用。數字溫室時代的“綠手指”，很大概率還是產生于那群對園藝有熱情、尊重植物、遵循自然規律的種植者中。

作者簡介：趙雪，女，豪根道（北京）農業技術有限公司客戶關系總監、顧問，LetsGrow中國區指定聯系人。主要從事植物與環境關系、園藝信息化與智能化相關工作。

[引用信息]趙雪.數字溫室時代的“綠手指”——淺談大數據、AI等技術在設施園藝產業的最新應用與發展[J].農業工程技術，2020，40（07）：14-17.