搜索
当前所在位置: 主页 > 数码科技 >

数字温室时代的“绿手指”:ror体育官网

发布时间:2021-08-28 00:45 作者:ror体育 点击: 【 字体:

本文摘要:随着新一代信息技术的飞速生长,越来越多 的新名词被跨界叠加到古老而又充满活力 的农业中。在大数据、物联网、人工智能、5G 以及区块链等技术的加持下,特别是一批信息 技术巨头公司的介入,以解决供销关系(含溯 源)、土壤墒情(无人机、遥感等)、大田作 物管控(无人机、视觉识别、AI 作物模型等) 为主的智慧农业技术与平台,如雨后春笋般遍 布中华大地。设施园艺技术,常被作为工业链 平台中的子系统计划到智慧农业甚至智慧都会 的项目中。

ror体育官网

随着新一代信息技术的飞速生长,越来越多 的新名词被跨界叠加到古老而又充满活力 的农业中。在大数据、物联网、人工智能、5G 以及区块链等技术的加持下,特别是一批信息 技术巨头公司的介入,以解决供销关系(含溯 源)、土壤墒情(无人机、遥感等)、大田作 物管控(无人机、视觉识别、AI 作物模型等) 为主的智慧农业技术与平台,如雨后春笋般遍 布中华大地。设施园艺技术,常被作为工业链 平台中的子系统计划到智慧农业甚至智慧都会 的项目中。

实际上,作为生产端的设施园艺数 字化技术远比公共认为的基于传感器的 IO 管 控系统要高级庞大的多,完全可以作为独立的 系统与工业链的各个环节交互融合,凭据外部 需求调整内部的历程管控。文章着重于新一代 信息技术在设施园艺技术中的生长与应用,阐 述了数字园艺的生长阶段,大数据与人工智能 等信息技术的应用(产量预测模型),并提出了有关人工智能以及模型与未来无人运营温室 (Autonomous Greenhouse)的思考。数据使用的生长阶段园艺技术精湛的人通常被称为“绿手指”。

荷兰人凭借其天生的忧患意识和商业天分,将荷兰的设施园艺技术开发到极致并努力推广到全世界,是各国多年来一直学习和模拟的“绿手指”。荷兰种植者感知植物状态的能力,像极了中国大厨行云流水般颠勺翻炒,总是带着 “加盐少许”般难以量化的神秘感受。所谓的直觉和感受,就是海内种植者要学习和消化的心技术。

而数据则是破译秘笈的钥匙。生活在被数据困绕的时代,公共对数据的气力深信不疑,也在以前所未有的速度缔造和 收集数据,世界上 90% 的数据都是在已往两年 时间里收集的。先进的温室天天缔造数据约莫 7500 条 /hm2 ,随着传感器技术以及智能设备的 生长,这个数值还在连续不停地上升。面临庞大 的数据,如何提取有价值的信息是值得大家关注 的。

有明确目的和宗旨的数据分析是为种植者提 供有决议支持信息的重要手段。数据分析有 4 种类型,也代表人类对数据价值掘客使用的 4 个阶 段:形貌性分析、诊断性分析、预测性分析以及 规范性分析。他们划分对应的问题和目的是“发 生了什么?” “为什么发生这种情况?”“什 么将要发生?”以及“什么是最有可能发生的?” (图 1)。越高级的阶段,所需要涵盖的算法和 模型就越庞大,所具有的商业价值也就越高。

关于数字农业分类的看法许多,一些看法甚至带着信息技术实验 + 农业的盲目乐观。不行否认的是,整个设施园艺行业正在跨步向数据分析 4.0 阶段努力探索,但海内大部门的项目 应用还停留在 1.0,甚至缺少有效数据分析的阶 段。

只管深知数据的重要性,也从差别途径收集大量的数据,可是缺乏统一的储存介质,种植者很难将相关的 数据放在一起分析。好比,种植者从传感器中收集情况数据,将 情况信息记载在环控盘算机中(图 2);人工丈量记载植物生长参数,记载在条记本或者电子表格中;甚至一些第三方提供的能 源监测数据、水肥消耗信息等,也都有差别的储存位置和花样, 使用差别的时间花样或者分开符。由于这种不兼容性,一方面为 数据分析带来了大量的整理统计事情;另一方面,差别泉源的数 据经常会导致分析不够准确甚至泛起问题。

荷兰种植者通常接纳专业的数据平台举行数据的收集整理, 并凭据平台内置的算法和模型对数据举行剖析,为种植赋能。有 了专业的数据平台,就为进一步使用数据奠基了良好的基础。种植者可以凭据自身的情况,从所关注的角度对相关数据举行对比 分析,从而找到存在问题的谜底或者制定新的计谋。

好比,凭据 产物销售情况优化能源投入,盘算当前项眼光能转化(果实产量) 效率等。AI 技术的应用对于种植者来说,与数据平台能够实时交互的种植治理系统 才是理想的智慧园艺项目运行情景。作物监测系统向中央数据平 台发送关于植物水分、能源和同化作用平衡相关的传感器数据。基于数据的信息,中控系统取代人类种植者,根据优化作物生长 的方式举行决议,控制温室的运行。

这一场景的实现,则得益于 人工智能技术。那么什么是人工智能呢?“公式”是用数学符号表现输入量和输出量之间关系(如定 律或定理)的式子,用来表现行为相当稳定且输入量有限的物理 和化学历程。

当形貌的历程包罗众多的公式时我们称之为模型。在这个意义上,这个模型仍然模拟一个静态的、完全可预测的和易于明白的历程。当变量输入 量的数量增加,输入量与输出 量之间的关系变得不那么静 态,甚至可能酿成时间相关和 非线性,而且系统的特性也随 着时间变化,公式和静态模型 将不再适用于模拟系统的历程 行为。

此时就需要 AI 技术登场。温室内作物的生长历程 可以看作一个极好的庞大动态 系统,作物的生长不仅仅受到 实际状态的影响,也取决于作 物的历史。

为了对整个动态系 统举行形貌,我们就需要借助 AI 技术的动态算法和模型的 资助,使用神经网络学习作物 的历史数据,并通过大量的蕴含作物输入输出变量关系的数 据集训练神经网络,这一历程 叫做“深度学习”,属于“机 器学习”的 1 个子集。在训练 历程中,神经网络逐渐学习真 正的植物的行为。当被给予新的输入数据时,神经网络能够 预测出植物相应的反映,它就 成为了 1 个真正的作物模型。

用众多的模型来形貌植物 的生长和生长历程,好比预测 产量和品质,盘算能源与水肥 投入以及预测病虫害的发生与 防治等,就能形成一个决议支 持系统,自动决议种植者在温 室运营中需要思量的问题。例 如“基于现在的天气预报,接 下来的一周最有可能发生什么 情况?维持现有的控制计谋, 产量是否可以满足市场的订 单?调整某个参数将会使果实 的品相发生何种改变?”以现在比力热门的产量预测为例。最早的产量预测模型约莫泛起在 20 年 前,原理是大家熟知的积温和果实成熟度之间 的关系,凭据种植者填写的作物生理指标与可 预期的温室温度对未来几周的产量举行预估。只管这个模型被使用了几十年,预测的效果相 对可供参考,可是预测的准确度还是有待提高。

依托机械学习研发的 AI 产量预测模型则具 有更高的准确性。以 LetsGrow.com 开发的产量 预测模型为例,平均准确性为 90% 以上。

且随 着训练年限的增加,准确性会越来越高。AI 预 测模型把多年来积累的大量的数据荟萃,包罗 气象状况、作物生理数据以及品质与产量相关 的数据,作为机械学习的理想起点,在特定的 栽培计谋和植物类型下,找到情况、作物与生 产之间的正确关系。这也是模型需要使用种植 者自身的数据举行训练的原因,只有如此才气 形成专属的预测模型,进而对未来 1~4 周的产 量举行精准预测(图 3)。

此外,人工智能技术也将成为农业机械人 生长的重要推动者。在机械人的整个生命周期 中,都是面临一个开放的世界,这就需要机械人 在以往的履历中强化学习差别场景的应对方法。以采摘机械人为例,它需要不停学习选择性采 摘的特定条件,不仅包罗果实成熟度分级的性 状,也包罗差别品级和位置的果实在采收历程中的方法和技巧。

固然,也离不开视觉识别系 统提供采收与设备运行的依据,以及物联网技 术对信息的实时交互。图 4 为 Plantalyzer 番茄 色度识别仪。它在天天温室作业竣事后,根据 设定门路自动巡检整个温室番茄成熟状况并进 行产量统计,然后将数据实时上传到 LetsGrow 平台,形成热图,为生产司理调配人工提供依据, 也为销售系统提供供应参考信息。

关于人工智能以及模型的思考第一代模型主要基于小规模的实验研究, 在研究历程中,从种种情况与条件下发生和采 集须要的数据。随着温室项目的增多,许多数 据可以轻易地从商业温室中获取,这样的优势 是差别泉源的数据可以建设起越发普适通用的模型,但这也存在着庞大的隐患,即作为 信息载体的数据可能会因缺乏须要的矫正 和规范而质量低下,导致推导的效果中存 在“噪音”,影响模型的正确性。人工智能(AI)和机械学习在相关准 确性、解决庞大逻辑和淘汰开发所需的时间 方面提供了很好的效果。

可是它对数据的质 量同样有很高的要求。无论何等先进和庞大 的模型,都遵循这样一条定理:“垃圾进 = 垃圾出”,即模型的效果永远不会比输入的 数据好。只有将严谨的数据清洗,专业的数 据治理和强大的盘算能力相联合,才有可能 建设庞大准确的模型(图 5、图 6)。

ror体育

ror体育

人工智能建设的模型另有一个很重要 的特点,就是它的“黑匣子”属性。传统的 模型是将种种相关的因素整合在一起,人们 可以沿着数字的足迹找到所有结论的源头。可是 AI 建设的模型中许多历程都是不得而 知的,因此,使用人工智能模型总是需要对 应用法式自己有极好的领域专业知识。模型 的效果也必须由人类专家举行评估和检查, 以检测和过滤出不现实的效果。

只有将这些 现代的技术与植物生理学和物理学知识相 联合,才气取得优异的效果。与此同时,我们更应该意识到,随着 人类手中的科技工具越发先进,我们更不 应该盲目冒进,严谨地在历史和履历中找寻自然的纪律,尊重专业人士的努力,遵 循自然的规则,才气预见不远的未来,以 及维系人类社会的可连续生长。

无人运营温室竞赛(AI自主温室) (Autonomous Greenhouse)2018 年, 首届无人运营温室竞赛 (Autonomous Greenhouse Challenge) 在瓦赫宁根大学研究中心科研中心科研温 室举行。所有的情况调控计谋均由 AI 技术 举行决议。最终 AI 技术以产量优势战胜 人类种植者。现在以樱桃番茄为种植作物 的第二届无人运营温室竞赛正在猛烈的举行中,5 支进入决赛的队伍将在原定 2020 年 6 月的 GreenTech 展会上向全世界宣布最后效果。

完全独立 于人类种植者的生产方式正逐渐跳跃出科幻小说,向 现实生活迈进。除了 AI 技术之外,农业机械人以及 VR、AR、 MR(虚拟现实、增强现实、混淆现实)技术也是无 人运营温室不行或缺的技术气力。

此外,所有植物相 关的模型都需要作物参数的输入,而现在大部门的作 物生理数据还依赖于人工收罗,随着相关生理传感器的生长,数据收罗的频度和质量都市获得提升。所以,设施园艺种植者走向未来的速度,一定 水平上也受传感器技术生长速度的制约。设施温室能源成本治理中国现代温室生长较快, 温室规模越来越大,配套设备 也越来越先进,实时监测温室 能耗,准确统计温室用水、用 电、用气量也显得尤为重要。数字化赋能设施农业可凭据时 间和地块筛选能源种类,分析 差别地块特定时段内的用水 量、用电量、CO2 用量的图表 信息,便于设施农业治理人员 举行成本核算,高效使用能源。

大数据指导农事操作数字化赋能设施农业终端 收罗的数据包罗光照数据、土壤温湿度、情况温湿度等。这 些基础数据都通过传感器储存 到云端数据库,通过云端的数 据分析和治理系统,最终形成 可视化的数据展示界面,从而 对作物的生长情况做出判断和 预测,凭据农作物的差别生长 时期,实时提供移栽定植、水肥治理、病害防治、采收包装等的相应的农事指导。普及了农事操作知识,提升了种植者 的技术水平。

应用前景设施农业种植的内外界气 候情况庞大多变,设施种植是 常年性集约化的种植模式,数 字化赋能设施农业在优化情况 因素的同时,淘汰了人为因素 对农作物的影响,让种植技术 获得更准确的应用。数字化赋 能设施农业的前提是配备了一 批“高峻上”的物联网设备, 对种植情况数据举行收罗和分 析,准确相识作物的生长状况, 并实时接纳相应的措施。

如通过对情况湿度与温度数据的综 合分析,可以较好地举行病虫 害预警;凭据土壤温度和情况 温度的温差变化时间分析,可以判断出土壤的透气性,从而 知道是否需要举行松土等农事 操作;通过对土壤湿度的综合 分析,可对果蔬农产物举行防 裂果预警;通过对棚室负载的智能化和自动化控制,可以实 现农业生产的智能化和自动 化,进而提高农业生产的效率 和农产物的质量。数字化赋能设施农业的特 点主要是节约人力,提升事情效 率以及农产物质量宁静性。

数字 化赋能设施农业的最大优势就 是实现了农作物的尺度化种植, 这种模式是可复制、可推广的。因此,随着土地流转的趋势, 土地托管、半托管的模式会越 来越普遍,将智能化与自动化 技术联合,打造数字化农场, 实现尺度化生产,让宽大设施 农业从业者受益,是未来设施 农业生长的一定趋势。对种植者而言,认为数字园艺技术遥不行 及,或轻视数字园艺技术对项目的赋能作用的 想法都不够客观合理。

无论何种规模的项目, 数据都是从履历中学习和进步的钥匙。有了数 字信息技术的资助,普通种植者成为行业专家 的路径被大大缩短。可是种植者们也必须正视专业知识与配景在对数据剖析历程中不行替代 的作用。

数字温室时代的“绿手指”,很或许 率还是发生于那群对园艺有热情、尊重植物、 遵循自然纪律的种植者中。作者:赵 雪泉源:温室园艺接待大家在评论区交流分享更多精彩资讯,请连续关注数字农业分会官方账号!。


本文关键词:ror体育,数字,温室,时代,的,“,绿手指,”,ror,体育

本文来源:ror体育-www.sunhomecoating.com

阅读全文
返回顶部