隨著新一代信息技術(shù)的飛速發(fā)展，越來(lái)越多的新名詞被跨界疊加到古老而又充滿活力的農(nóng)業(yè)中。在大數(shù)據(jù)、物聯(lián)網(wǎng)、人工智能、5G以及區(qū)塊鏈等技術(shù)的加持下，特別是一批信息技術(shù)巨頭公司的介入，以解決供銷關(guān)系（含溯源）、土壤墑情（無(wú)人機(jī)、遙感等）、大田作物管控（無(wú)人機(jī)、視覺(jué)識(shí)別、AI作物模型等）為主的智慧農(nóng)業(yè)技術(shù)與平臺(tái)，如雨后春筍般遍布中華大地。設(shè)施園藝技術(shù)，常被作為產(chǎn)業(yè)鏈平臺(tái)中的子系統(tǒng)規(guī)劃到智慧農(nóng)業(yè)甚至智慧城市的項(xiàng)目中。實(shí)際上，作為生產(chǎn)端的設(shè)施園藝數(shù)字化技術(shù)遠(yuǎn)比大眾認(rèn)為的基于傳感器的IO管控系統(tǒng)要高級(jí)復(fù)雜的多，完全可以作為獨(dú)立的系統(tǒng)與產(chǎn)業(yè)鏈的各個(gè)環(huán)節(jié)交互融合，根據(jù)外部需求調(diào)整內(nèi)部的過(guò)程管控。文章著重于新一代信息技術(shù)在設(shè)施園藝技術(shù)中的發(fā)展與應(yīng)用，闡述了數(shù)字園藝的發(fā)展階段，大數(shù)據(jù)與人工智能等信息技術(shù)的應(yīng)用（產(chǎn)量預(yù)測(cè)模型），并提出了有關(guān)人工智能以及模型與未來(lái)無(wú)人運(yùn)營(yíng)溫室（Autonomous Greenhouse）的思考。

數(shù)據(jù)利用的發(fā)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(shí)和貿(mào)易天分，將荷蘭的設(shè)施園藝技術(shù)開(kāi)發(fā)到極致并積極推廣到全世界，是各國(guó)多年來(lái)一直學(xué)習(xí)和模仿的“綠手指”。荷蘭種植者感知植物狀態(tài)的能力，像極了中國(guó)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(jué)。所謂的直覺(jué)和感覺(jué)，就是國(guó)內(nèi)種植者要學(xué)習(xí)和消化的核心技能。而數(shù)據(jù)則是破譯秘籍的鑰匙。

生活在被數(shù)據(jù)包圍的時(shí)代，大眾對(duì)數(shù)據(jù)的力量深信不疑，也在以前所未有的速度創(chuàng)造和收集數(shù)據(jù)，世界上90%的數(shù)據(jù)都是在過(guò)去兩年時(shí)間里收集的。先進(jìn)的溫室每天創(chuàng)造數(shù)據(jù)大約7500條/hm2，隨著傳感器技術(shù)以及智能設(shè)備的發(fā)展，這個(gè)數(shù)值還在持續(xù)不斷地上升。面對(duì)龐大的數(shù)據(jù)，如何提取有價(jià)值的信息是值得大家關(guān)注的。有明確目標(biāo)和宗旨的數(shù)據(jù)分析是為種植者提供有決策支持信息的重要手段。數(shù)據(jù)分析有4種類型，也代表人類對(duì)數(shù)據(jù)價(jià)值發(fā)掘利用的4個(gè)階段：描述性分析、診斷性分析、預(yù)測(cè)性分析以及規(guī)范性分析。他們分別對(duì)應(yīng)的問(wèn)題和目標(biāo)是“發(fā)生了什么？” “為什么發(fā)生這種情況？”“什么將要發(fā)生？”以及“什么是最有可能發(fā)生的？”（圖1）。越高級(jí)的階段，所需要涵蓋的算法和模型就越復(fù)雜，所具有的商業(yè)價(jià)值也就越高。

關(guān)于數(shù)字農(nóng)業(yè)分類的觀點(diǎn)很多，一些觀點(diǎn)甚至帶著信息技術(shù)嘗試+農(nóng)業(yè)的盲目樂(lè)觀。不可否認(rèn)的是，整個(gè)設(shè)施園藝行業(yè)正在跨步向數(shù)據(jù)分析4.0階段積極探索，但國(guó)內(nèi)大部分的項(xiàng)目應(yīng)用還停留在1.0，甚至缺少有效數(shù)據(jù)分析的階段。盡管深知數(shù)據(jù)的重要性，也從不同途徑收集大量的數(shù)據(jù)，但是缺乏統(tǒng)一的儲(chǔ)存介質(zhì)，種植者很難將相關(guān)的數(shù)據(jù)放在一起分析。比如，種植者從傳感器中收集環(huán)境數(shù)據(jù)，將環(huán)境信息記錄在環(huán)控計(jì)算機(jī)中（圖2）;人工測(cè)量記錄植物生長(zhǎng)參數(shù)，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(jiān)測(cè)數(shù)據(jù)、水肥消耗信息等，也都有不同的儲(chǔ)存位置和格式，使用不同的時(shí)間格式或者分隔符。由于這種不兼容性，一方面為數(shù)據(jù)分析帶來(lái)了大量的整理統(tǒng)計(jì)工作;另一方面，不同來(lái)源的數(shù)據(jù)常常會(huì)導(dǎo)致分析不夠準(zhǔn)確甚至出現(xiàn)問(wèn)題。

荷蘭種植者通常采用專業(yè)的數(shù)據(jù)平臺(tái)進(jìn)行數(shù)據(jù)的收集整理，并根據(jù)平臺(tái)內(nèi)置的算法和模型對(duì)數(shù)據(jù)進(jìn)行解析，為種植賦能。有了專業(yè)的數(shù)據(jù)平臺(tái)，就為進(jìn)一步利用數(shù)據(jù)奠定了良好的基礎(chǔ)。種植者可以根據(jù)自身的情況，從所關(guān)注的角度對(duì)相關(guān)數(shù)據(jù)進(jìn)行對(duì)比分析，從而找到存在問(wèn)題的答案或者制定新的策略。比如，根據(jù)產(chǎn)品銷售情況優(yōu)化能源投入，計(jì)算當(dāng)前項(xiàng)目光能轉(zhuǎn)化（果實(shí)產(chǎn)量）效率等。

AI技術(shù)的應(yīng)用

對(duì)于種植者來(lái)說(shuō)，與數(shù)據(jù)平臺(tái)能夠?qū)崟r(shí)交互的種植管理系統(tǒng)才是理想的智慧園藝項(xiàng)目運(yùn)行情景。作物監(jiān)測(cè)系統(tǒng)向中央數(shù)據(jù)平臺(tái)發(fā)送關(guān)于植物水分、能源和同化作用平衡相關(guān)的傳感器數(shù)據(jù)?；跀?shù)據(jù)的信息，中控系統(tǒng)代替人類種植者，按照優(yōu)化作物生長(zhǎng)的方式進(jìn)行決策，控制溫室的運(yùn)行。這一場(chǎng)景的實(shí)現(xiàn)，則得益于人工智能技術(shù)。那么什么是人工智能呢？

“公式”是用數(shù)學(xué)符號(hào)表示輸入量和輸出量之間關(guān)系（如定律或定理）的式子，用來(lái)表示行為相當(dāng)穩(wěn)定且輸入量有限的物理和化學(xué)過(guò)程。當(dāng)描述的過(guò)程包括眾多的公式時(shí)我們稱之為模型。在這個(gè)意義上，這個(gè)模型仍然模擬一個(gè)靜態(tài)的、完全可預(yù)測(cè)的和易于理解的過(guò)程。當(dāng)變量輸入量的數(shù)量增加，輸入量與輸出量之間的關(guān)系變得不那么靜態(tài)，甚至可能變成時(shí)間相關(guān)和非線性，而且系統(tǒng)的特性也隨著時(shí)間變化，公式和靜態(tài)模型將不再適用于模擬系統(tǒng)的過(guò)程行為。此時(shí)就需要AI技術(shù)登場(chǎng)。

溫室內(nèi)作物的生長(zhǎng)過(guò)程可以看作一個(gè)極好的復(fù)雜動(dòng)態(tài)系統(tǒng)，作物的生長(zhǎng)不僅僅受到實(shí)際狀態(tài)的影響，也取決于作物的歷史。為了對(duì)整個(gè)動(dòng)態(tài)系統(tǒng)進(jìn)行描述，我們就需要借助AI技術(shù)的動(dòng)態(tài)算法和模型的幫助，利用神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)作物的歷史數(shù)據(jù)，并通過(guò)大量的蘊(yùn)含作物輸入輸出變量關(guān)系的數(shù)據(jù)集訓(xùn)練神經(jīng)網(wǎng)絡(luò)，這一過(guò)程叫做“深度學(xué)習(xí)”，屬于“機(jī)器學(xué)習(xí)”的1個(gè)子集。在訓(xùn)練過(guò)程中，神經(jīng)網(wǎng)絡(luò)逐漸學(xué)習(xí)真正的植物的行為。當(dāng)被給予新的輸入數(shù)據(jù)時(shí)，神經(jīng)網(wǎng)絡(luò)能夠預(yù)測(cè)出植物相應(yīng)的反應(yīng)，它就成為了1個(gè)真正的作物模型。

用眾多的模型來(lái)描述植物的生長(zhǎng)和發(fā)展過(guò)程，比如預(yù)測(cè)產(chǎn)量和品質(zhì)，計(jì)算能源與水肥投入以及預(yù)測(cè)病蟲(chóng)害的發(fā)生與防治等，就能形成一個(gè)決策支持系統(tǒng)，自動(dòng)決策種植者在溫室運(yùn)營(yíng)中需要考慮的問(wèn)題。例如“基于目前的天氣預(yù)報(bào)，接下來(lái)的一周最有可能發(fā)生什么情況？維持現(xiàn)有的控制策略，產(chǎn)量是否可以滿足市場(chǎng)的訂單？調(diào)整某個(gè)參數(shù)將會(huì)使果實(shí)的品相發(fā)生何種改變？”

以目前比較熱門(mén)的產(chǎn)量預(yù)測(cè)為例。最早的產(chǎn)量預(yù)測(cè)模型大約出現(xiàn)在20年前，原理是大家熟知的積溫和果實(shí)成熟度之間的關(guān)系，根據(jù)種植者填寫(xiě)的作物生理指標(biāo)與可預(yù)期的溫室溫度對(duì)未來(lái)幾周的產(chǎn)量進(jìn)行預(yù)估。盡管這個(gè)模型被使用了幾十年，預(yù)測(cè)的結(jié)果相對(duì)可供參考，但是預(yù)測(cè)的準(zhǔn)確度還是有待提高。

依托機(jī)器學(xué)習(xí)研發(fā)的AI產(chǎn)量預(yù)測(cè)模型則具有更高的準(zhǔn)確性。以LetsGrow.com開(kāi)發(fā)的產(chǎn)量預(yù)測(cè)模型為例，平均精確性為90%以上。且隨著訓(xùn)練年限的增加，準(zhǔn)確性會(huì)越來(lái)越高。AI預(yù)測(cè)模型把多年來(lái)積累的大量的數(shù)據(jù)集合，包括氣象狀況、作物生理數(shù)據(jù)以及品質(zhì)與產(chǎn)量相關(guān)的數(shù)據(jù)，作為機(jī)器學(xué)習(xí)的理想起點(diǎn)，在特定的栽培策略和植物類型下，找到環(huán)境、作物與生產(chǎn)之間的正確關(guān)系。這也是模型需要使用種植者自身的數(shù)據(jù)進(jìn)行訓(xùn)練的原因，只有如此才能形成專屬的預(yù)測(cè)模型，進(jìn)而對(duì)未來(lái)1～4周的產(chǎn)量進(jìn)行精準(zhǔn)預(yù)測(cè)（圖3）。

此外，人工智能技術(shù)也將成為農(nóng)業(yè)機(jī)器人發(fā)展的重要推動(dòng)者。在機(jī)器人的整個(gè)生命周期中，都是面對(duì)一個(gè)開(kāi)放的世界，這就需要機(jī)器人在以往的經(jīng)驗(yàn)中強(qiáng)化學(xué)習(xí)不同場(chǎng)景的應(yīng)對(duì)方法。以采摘機(jī)器人為例，它需要不斷學(xué)習(xí)選擇性采摘的特定條件，不僅包括果實(shí)成熟度分級(jí)的性狀，也包括不同等級(jí)和位置的果實(shí)在采收過(guò)程中的方法和技巧。當(dāng)然，也離不開(kāi)視覺(jué)識(shí)別系統(tǒng)提供采收與設(shè)備運(yùn)行的依據(jù)，以及物聯(lián)網(wǎng)技術(shù)對(duì)信息的實(shí)時(shí)交互。圖4為Plantalyzer番茄色度識(shí)別儀。它在每天溫室作業(yè)結(jié)束后，按照設(shè)定路線自動(dòng)巡檢整個(gè)溫室番茄成熟狀況并進(jìn)行產(chǎn)量統(tǒng)計(jì)，然后將數(shù)據(jù)實(shí)時(shí)上傳到LetsGrow平臺(tái)，形成熱圖，為生產(chǎn)經(jīng)理調(diào)配人工提供依據(jù)，也為銷售系統(tǒng)提供供應(yīng)參考信息。

關(guān)于人工智能以及模型的思考

第一代模型主要基于小規(guī)模的實(shí)驗(yàn)研究，在研究過(guò)程中，從各種環(huán)境與條件下產(chǎn)生和采集必要的數(shù)據(jù)。隨著溫室項(xiàng)目的增多，很多數(shù)據(jù)可以輕易地從商業(yè)溫室中獲取，這樣的優(yōu)勢(shì)是不同來(lái)源的數(shù)據(jù)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(shù)據(jù)可能會(huì)因缺乏必要的矯正和規(guī)范而質(zhì)量低下，導(dǎo)致推導(dǎo)的結(jié)果中存在“噪音”，影響模型的正確性。

人工智能（AI）和機(jī)器學(xué)習(xí)在相關(guān)準(zhǔn)確性、解決復(fù)雜邏輯和減少開(kāi)發(fā)所需的時(shí)間方面提供了很好的結(jié)果。但是它對(duì)數(shù)據(jù)的質(zhì)量同樣有很高的要求。無(wú)論多么先進(jìn)和復(fù)雜的模型，都遵循這樣一條定理：“垃圾進(jìn)=垃圾出”，即模型的結(jié)果永遠(yuǎn)不會(huì)比輸入的數(shù)據(jù)好。只有將嚴(yán)謹(jǐn)?shù)臄?shù)據(jù)清洗，專業(yè)的數(shù)據(jù)管理和強(qiáng)大的計(jì)算能力相結(jié)合，才有可能建立復(fù)雜準(zhǔn)確的模型（圖5、圖6）。

人工智能建立的模型還有一個(gè)很重要的特點(diǎn)，就是它的“黑匣子”屬性。傳統(tǒng)的模型是將各種相關(guān)的因素整合在一起，人們可以沿著數(shù)字的足跡找到所有結(jié)論的源頭。但是AI建立的模型中很多過(guò)程都是不得而知的，因此，使用人工智能模型總是需要對(duì)應(yīng)用程序本身有極好的領(lǐng)域?qū)I(yè)知識(shí)。模型的結(jié)果也必須由人類專家進(jìn)行評(píng)估和檢查，以檢測(cè)和過(guò)濾出不現(xiàn)實(shí)的結(jié)果。只有將這些現(xiàn)代的技術(shù)與植物生理學(xué)和物理學(xué)知識(shí)相結(jié)合，才能取得優(yōu)異的結(jié)果。

與此同時(shí)，我們更應(yīng)該意識(shí)到，隨著人類手中的科技工具越發(fā)先進(jìn)，我們更不應(yīng)該盲目冒進(jìn)，嚴(yán)謹(jǐn)?shù)卦跉v史和經(jīng)驗(yàn)中找尋自然的規(guī)律，尊重專業(yè)人士的努力，遵循自然的法則，才能預(yù)見(jiàn)不遠(yuǎn)的將來(lái)，以及維系人類社會(huì)的可持續(xù)發(fā)展。

無(wú)人運(yùn)營(yíng)溫室競(jìng)賽（AI自主溫室）

（Autonomous Greenhouse）

2018年，首屆無(wú)人運(yùn)營(yíng)溫室競(jìng)賽（Autonomous Greenhouse Challenge）在瓦赫寧根大學(xué)研究中心科研中心科研溫室舉辦。所有的環(huán)境調(diào)控策略均由AI技術(shù)進(jìn)行決策。最終AI技術(shù)以產(chǎn)量?jī)?yōu)勢(shì)戰(zhàn)勝人類種植者。目前以櫻桃番茄為種植作物的第二屆無(wú)人運(yùn)營(yíng)溫室競(jìng)賽正在激烈的進(jìn)行中，5支進(jìn)入決賽的隊(duì)伍將在原定2020年6月的GreenTech展會(huì)上向全世界宣布最后結(jié)果。完全獨(dú)立于人類種植者的生產(chǎn)方式正逐漸跳躍出科幻小說(shuō)，向現(xiàn)實(shí)生活邁進(jìn)。

除了AI技術(shù)之外，農(nóng)業(yè)機(jī)器人以及VR、AR、MR（虛擬現(xiàn)實(shí)、增強(qiáng)現(xiàn)實(shí)、混合現(xiàn)實(shí)）技術(shù)也是無(wú)人運(yùn)營(yíng)溫室不可或缺的技術(shù)力量。此外，所有植物相關(guān)的模型都需要作物參數(shù)的輸入，而目前大部分的作物生理數(shù)據(jù)還依賴于人工采集，隨著相關(guān)生理傳感器的發(fā)展，數(shù)據(jù)采集的頻度和質(zhì)量都會(huì)得到提升。所以，設(shè)施園藝種植者走向未來(lái)的速度，一定程度上也受傳感器技術(shù)發(fā)展速度的制約。

總結(jié)

對(duì)種植者而言，認(rèn)為數(shù)字園藝技術(shù)遙不可及，或輕視數(shù)字園藝技術(shù)對(duì)項(xiàng)目的賦能作用的想法都不夠客觀合理。無(wú)論何種規(guī)模的項(xiàng)目，數(shù)據(jù)都是從經(jīng)驗(yàn)中學(xué)習(xí)和進(jìn)步的鑰匙。有了數(shù)字信息技術(shù)的幫助，普通種植者成為行業(yè)專家的路徑被大大縮短。但是種植者們也必須正視專業(yè)知識(shí)與背景在對(duì)數(shù)據(jù)解析過(guò)程中不可替代的作用。數(shù)字溫室時(shí)代的“綠手指”，很大概率還是產(chǎn)生于那群對(duì)園藝有熱情、尊重植物、遵循自然規(guī)律的種植者中。

作者簡(jiǎn)介：趙雪，女，豪根道（北京）農(nóng)業(yè)技術(shù)有限公司客戶關(guān)系總監(jiān)、顧問(wèn)，LetsGrow中國(guó)區(qū)指定聯(lián)系人。主要從事植物與環(huán)境關(guān)系、園藝信息化與智能化相關(guān)工作。

[引用信息]趙雪.數(shù)字溫室時(shí)代的“綠手指”——淺談大數(shù)據(jù)、AI等技術(shù)在設(shè)施園藝產(chǎn)業(yè)的最新應(yīng)用與發(fā)展[J].農(nóng)業(yè)工程技術(shù)，2020，40（07）：14-17.