繼AI種黃瓜後,騰訊AI種番茄收成超20年經驗農業專家,每畝淨利可增千元

隨着全球範圍的人口老齡化和過渡灌溉和施肥造成的水土流失及土壤污染,農業急需從粗放走向精細,同時提高產量、資源利用率和利潤,從而緩解全球性饑荒和環境污染問題。此次疫情帶來的復產復工難,進一步凸顯出以自動化生產和智能化決策爲核心的智慧種植方案的經濟和社會價值。

在這一背景下,發展數字農業農村成爲全球共識,歐盟、德國等多國政府相繼推出發展計劃。據國際諮詢機構研究與市場預測,到2025年全球智慧農業市值將達到300億美元。在中國,2020年1月農業農村部和中央網信辦印發《數字農業農村發展規劃(2019-2025年)》,數字農業、智慧農業發展迎來政策利好。

而隨着AI技術在中國不斷髮展,其應用已逐漸滲入農業生產全過程。機器學習、計算機視覺、大數據分析和雲計算等是其中應用最廣泛的技術。農業場景由於迭代週期較長,通常依賴農業專家數十年的經驗積累;也因其包含大量複雜的物理、生物化學過程,信息量巨大,人類難以做到精準決策,而是依賴感性判斷。AI技術的引入,可以高效利用傳感器監測數據提取特徵規律,同時藉助集成了大量人類專家經驗的仿真器進行模擬、探索和優化,形成一套實時、精準、可遷移的決策技術方案。

最近幾年,智慧農業成爲國內互聯網巨頭們競相佈局的重要戰略領域,例如騰訊AI種植黃瓜、阿里養豬,京東養雞等。農業是門慢生意,大廠們擁有的AI技術優勢是促使它們在農業領域快速落地的“利器”。近日,騰訊宣佈了兩項在AI+農業領域的最新進展。

騰訊宣佈兩項AI+農業領域進展

6月10日,騰訊宣佈了兩項AI+農業領域進展。在研究側,騰訊 AI Lab 與世界知名農業學府荷蘭瓦赫寧根大學(下稱WUR)聯辦的“第二屆國際智慧溫室種植挑戰賽”(下稱比賽)落幕。

複賽的五支隊伍挑戰用 AI 和 IoT 物聯網等前沿技術優化種植決策,並遠程自動控制溫室種植小番茄(第一屆爲黃瓜),複賽隊的五個 AI 收成都超過了有20年經驗的農業種植專家組。其中冠軍組Automatoes得到滿分,實現畝產資源消耗減少16%,淨利增加121%,展現了農業智能決策與溫室自動控制的技術價值,以及爲農民減負的未來潛力。

所有AI組淨利潤均超越了專家參照組(303號爲專家組)

比賽主席、WUR溫室技術科學研究團隊負責人Silke Hemming博士表示:“比賽目標是在6個月內競爭選出小番茄的最佳智慧種植方案,並貼近五大目標:產量高、品質好、能耗少、自動化、技術可遷移。

評審團最終按三個維度打分,一是作物淨利潤(佔50%,包括產量、品質、價格等指標),二是AI應用(佔30%,包括自動化、創新性、功能性、抗干擾魯棒性、可規模化、可遷移性等指標),三是可持續性(佔20%,包括水、肥、電、熱和二氧化碳等資源的利用效率)。今年參賽的21支隊伍來自26個國家,共200多人(去年15支隊伍),我們也看到更多小型公司、獨立農人和學生加入,呈現背景多元、百花齊放趨勢。”

騰訊首席探索官網大爲(David Wallerstein)表示:“通過和WUR等衆多夥伴的多年合作,我們非常興奮地看到,僅在兩年裏,所有參賽隊的收成就都超越了人類,這代表AI能做並能做好溫室的‘高級管理員’,監測和控制影響黃瓜、番茄等作物生長的重要環境因素(修剪和採摘現在仍由人類完成)。AI 不僅能提高作物產量,還能節約資源,增加利潤。我們將不斷致力於推動此類 AI 應用落地,幫助人類應對‘地球級挑戰’,包括與人類息息相關的健康、食物、能源和水資源(FEW),及氣候等大問題。”

AI種植出的番茄,官網:http://www.autonomousgreenhouses.com/

第二個豐收來自AI+農業應用側。騰訊 AI Lab 藉助在上一屆比賽中自研的AI算法和技術經驗打造的“騰訊AIoT智慧種植方案iGrow”今年已落地中國,遼寧的第一期小番茄試點迎來“小豐收”,每畝每季淨利潤增加數千元,初步驗證iGrow的商業價值。

試點顧問、有多年種植經驗的資深農業技術員劉建華說,作物在不同的生長週期對溫室環境有不同要求。以溫室溫度爲例,傳統小番茄種植中,農民應在苗期、花期、果期設定不同溫度,但很難精準識別每個時刻下環境和作物生長狀態的細微變化,從而判斷對應的理想溫度,所以在一個種植週期內,農民通常會估算一個固定溫度值來操作,這非常依賴經驗,無法實現低成本條件下,精準、實時、自動的種植決策優化和溫室控制。

而iGrow的智慧種植方案,具有自動智能、因時制宜、高效精準等特點,用IoT傳感器按分鐘或小時的高頻密度,採集空氣/土壤溫溼度、二氧化碳濃度和光合有效值等多種環境數據,優化後的iGrow溫室仿真器能快速做大量種植模擬(15秒模擬82個生長週期),再用不斷優化的強化學習AI算法選擇最佳種植決策,最後自動控制溫室,精準利用資源,提高作物的品質和產量。

AI是如何種出小番茄的?

今年大賽選取小番茄作爲種植對象,因爲黃瓜和番茄是主要的溫室作物,需要監測和控制的種植和環境變量較多,能體現出不同種植策略的技術優勢。在賽制上對AI與IoT技術方案提出了更高要求,並優化迭代了溫室仿真器。

大賽評委之一、騰訊AI Lab “AI+農業”業務負責人羅迪君博士介紹:“ 仿真器能讓參賽隊能更方便、快速地獲得溫室仿真結果,讓 AI 算法有充足數據樣本改進算法和策略。雖然溫室無病蟲害會讓仿真值有一定誤差,但其對產量預測、氣候變化影響種植對策等相關研究具有很高價值。”

此外,本屆比賽的番茄種植仿真器中還新增了肥料控制,能夠精準地施放作物所需肥料,減少資源消耗。在作物管理模塊,模擬器還可以設定一個簇中的最大果實數,並支持留葉策略和留果策略。此外,新增了3種遮光選項,包括透光型、透氣型和遮光型,來更好地適應實際種植環境。

WUR爲每個參賽組配備了96平方米的自動化溫室,設備包括包括通風系統、遮光系統、加熱系統、氣肥機、混LED補光燈、基質栽培系統及標準傳感器(用於溫度、溼度和二氧化碳測量)

去年首屆比賽課題爲黃瓜種植,吸引了微軟、英特爾、騰訊與中國農科院等企業與機構參賽,騰訊 AI Lab 自研的iGrow方案在比賽中獲得AI策略第一名,攻克了機器智能嵌入農業專家知識的難題,4個月內大幅提高資源利用率,實現17%的淨利潤增長,產量媲美20年經驗的農業專家組。

比賽當中,各參賽隊不斷深入挖掘AI算法潛力。技術頗具亮點的包括:冠軍隊Automatoes利用最先進的數據驅動算法DeePC,相比經典控制算法MPC,安全性更高,對於複雜非線性隨機系統可以達到更精準的控制效果。韓國的Digilog隊提出利用強化學習算法,通過有效結合歷史數據、實時數據及仿真器反饋進行訓練,從而輸出連續的控制策略。此類進展再次證明了AI+農業仍有廣闊的探索空間。

在AI展現技術價值的同時,要看到農業場景中種植週期長、數據不規範、採集成本高等因素帶來的數據短缺問題,及溫室仿真器的精度誤差,會限制AI的進一步推廣使用,因此需要在數據規範採集、仿真器迭代、算法優化到行業推廣方面不斷努力。

下一步,針對現階段挑戰,WUR和騰訊將繼續在作物模型研發和全週期管理等領域深入研究。

遼寧試點獲得小豐收

不僅通過競賽研究,騰訊AI Lab還重點推進了本地化應用,與農業大省遼寧達成合作,展開兩期種植試點。一期使用當地三個日光溫室種植小番茄,其中兩個部署了iGrow方案的實驗組。5月結束試點後,實驗組和未改造的對照組相比,每畝每季提升數千元淨利潤。

iGrow方案在遼寧溫室試點

遼寧的iGrow方案包含傳感器、控制器、邊緣網關等工具,在騰訊雲上搭建配套PaaS平臺,種植決策和溫室控制均可自動執行,農民只需要在種植、採摘、設備日常維護之外做少量基礎農活,節約了人力。

試點期間迎來了突發的2月倒春寒,溫度驟降。對照組中,農民參考往年經驗設定了固定溫度,週期內調整了3次溫度,但因無法實時調整,溫度驟降時溫室保溫性變差,氣溫波動大;在iGrow實驗組裏,則體現了AI算法的穩定性與強容災能力,配合捲簾、放風機等底層自動化控制技術,實現了小時級的溫度調整,因時制宜。

遼寧1期試點取得的成果,初步驗證了智慧種植方案在國內落地的可行性。

備註:荷蘭多采取12個月種植模式,因賽制需要6個月提前收成,此期間實驗組相比對照組淨利潤增加121%。

發表評論
所有評論
還沒有人評論,想成為第一個評論的人麼? 請在上方評論欄輸入並且點擊發布.
相關文章