隨著科技的進(jìn)步，世界農(nóng)業(yè)不斷向高產(chǎn)、高效、高新技術(shù)的方向發(fā)展，智能溫室是現(xiàn)代農(nóng)業(yè)的代表?，F(xiàn)代農(nóng)業(yè)成為繼互聯(lián)網(wǎng)后的另一個(gè)風(fēng)口行業(yè)，探索當(dāng)下計(jì)算機(jī)視覺(jué)技術(shù)以及大模型等前沿科技在溫室大棚中的應(yīng)用，助力農(nóng)業(yè)生產(chǎn)顯得尤為重要。文章介紹了智慧溫室大棚環(huán)境監(jiān)測(cè)技術(shù)，分析了基于YOLOv8和智譜清言的智能溫室種植平臺(tái)設(shè)計(jì)，以期為YOLOv8和大模型在智能溫室種植平臺(tái)中的應(yīng)用提供參考。

溫室大棚能夠提高農(nóng)業(yè)資源利用率和農(nóng)產(chǎn)品的產(chǎn)量與質(zhì)量，是保證蔬菜、瓜果產(chǎn)量大幅增長(zhǎng)的有效方法，是解決現(xiàn)代農(nóng)業(yè)發(fā)展、資源、環(huán)境問(wèn)題的重要途徑之一。雖然我國(guó)溫室大棚產(chǎn)業(yè)經(jīng)過(guò)多年的發(fā)展，已經(jīng)取得了一定成果。然而，該產(chǎn)業(yè)在許多方面仍有提升空間。例如，設(shè)施的現(xiàn)代化水平、機(jī)械化程度、生產(chǎn)效率、產(chǎn)品質(zhì)量、產(chǎn)量以及病蟲(chóng)害管理等方面。通過(guò)不斷學(xué)習(xí)和引進(jìn)先進(jìn)技術(shù)，加強(qiáng)創(chuàng)新，我國(guó)溫室大棚產(chǎn)業(yè)有望實(shí)現(xiàn)更高質(zhì)量的發(fā)展。

針對(duì)我國(guó)部分落地溫室大棚系統(tǒng)比較簡(jiǎn)陋，溫室大棚環(huán)境仍靠人工管理，環(huán)境要素的自動(dòng)調(diào)理和控制的研究正處于起步階段的現(xiàn)狀，筆者設(shè)計(jì)了一種基于YOLOv8和智譜清言的智能溫室種植平臺(tái)。該平臺(tái)能監(jiān)測(cè)大棚各種環(huán)境因素，根據(jù)環(huán)境因素的歷史數(shù)據(jù)或植物生長(zhǎng)狀態(tài)提供智慧決策，并且利用智譜清言構(gòu)造專家系統(tǒng)，為溫室種植提供建議。

智能溫室大棚環(huán)境監(jiān)測(cè)技術(shù)

目前，智能農(nóng)業(yè)領(lǐng)域廣泛應(yīng)用的溫室大棚自動(dòng)化控制系統(tǒng)主要側(cè)重于監(jiān)控作物生長(zhǎng)的外部條件。這種系統(tǒng)通過(guò)精確測(cè)量環(huán)境參數(shù)，如濕度、溫度和光照等，與預(yù)設(shè)的數(shù)據(jù)庫(kù)標(biāo)準(zhǔn)進(jìn)行對(duì)比，并運(yùn)用算法進(jìn)行自動(dòng)調(diào)節(jié)。然而，現(xiàn)有系統(tǒng)在分析作物生長(zhǎng)狀況方面存在局限，未能充分利用歷史傳感器數(shù)據(jù)，也未能有效監(jiān)測(cè)病蟲(chóng)害和雜草等問(wèn)題，導(dǎo)致系統(tǒng)在提供種植決策支持方面存在不足。因此，盡管采用了智能控制，但目前溫室大棚的產(chǎn)量仍然受限，并且需要較大的人力成本投入。

YOLOv8算法和智譜清言

YOLOv8算法

YOLOv8是YOLO系列實(shí)時(shí)物體檢測(cè)器的最新迭代產(chǎn)品，在精度和速度方面都具有尖端性能。

YOLOv8是一種先進(jìn)的實(shí)時(shí)目標(biāo)識(shí)別算法，它通過(guò)將圖像分割成多個(gè)網(wǎng)絡(luò)單元，并在每個(gè)單元中同時(shí)預(yù)測(cè)對(duì)象的邊界框和類別，實(shí)現(xiàn)了高效率和高準(zhǔn)確性的目標(biāo)識(shí)別。作為YOLO系列的起點(diǎn)，YOLOv1利用全卷積神經(jīng)網(wǎng)絡(luò)，以實(shí)時(shí)處理速度和高效性著稱。YOLOv2在此基礎(chǔ)上增加了多尺度特征圖和錨點(diǎn)框，從而提升了檢測(cè)的精確度和穩(wěn)定性。YOLOv3進(jìn)一步優(yōu)化了網(wǎng)絡(luò)架構(gòu)，采用了更深層的Darknet-53網(wǎng)絡(luò)進(jìn)行特征提取，并引入了多尺度檢測(cè)和跨尺度特征融合技術(shù)，增強(qiáng)了檢測(cè)的精度和可靠性。YOLOv4則在YOLOv3的基礎(chǔ)上，引入了CSPDarknet53和SSP技術(shù)，進(jìn)一步提升了檢測(cè)性能和處理速度。YOLOv5通過(guò)采用輕量化網(wǎng)絡(luò)結(jié)構(gòu)和多尺度訓(xùn)練方法，提升了檢測(cè)的速度和魯棒性。YOLOv7則通過(guò)引入可擴(kuò)展的高效層聚合網(wǎng)絡(luò)E-ELAN、創(chuàng)新的過(guò)渡模塊以及重參數(shù)化技術(shù)，增強(qiáng)了特征提取能力和語(yǔ)義信息的表達(dá)，進(jìn)一步提升了目標(biāo)檢測(cè)的性能。

YOLO系列發(fā)展至今，已優(yōu)化到Y(jié)OLOv8。YOLOv8借鑒了YOLOv5、YOLOv6、YOLOX等模型的設(shè)計(jì)優(yōu)點(diǎn)，各種指標(biāo)全面超越現(xiàn)有對(duì)象檢測(cè)與實(shí)例分割模型。YOLOv8網(wǎng)絡(luò)結(jié)構(gòu)圖如圖1所示，它的具體創(chuàng)新點(diǎn)如下。

提供了一個(gè)全新的STOA模型，并且基于縮放系數(shù)提供了N/S/M/L/X不同尺度的模型，以滿足不同部署平臺(tái)和應(yīng)用場(chǎng)景的需求。

YOLOv8的Backbone部分同樣借鑒了CSP模塊思想，不過(guò)它將YOLOv5中的C3模塊替換成了C2f模塊，實(shí)現(xiàn)了進(jìn)一步輕量化，同時(shí)沿用YOLOv5的SPPF模塊，并對(duì)不同尺度的模型進(jìn)行精心微調(diào)，不再是無(wú)腦式一套參數(shù)用于所有模型，大幅提升了模型性能。

YOLOv8的Neck部分繼續(xù)使用PAN思想，但是通過(guò)對(duì)比YOLOv5與YOLOv8的結(jié)構(gòu)圖可以看出，YOLOv8移除了1*1降采樣層。

YOLOv8在頭部設(shè)計(jì)上進(jìn)行了重要更新，采用了分離式架構(gòu)，將分類與邊界框預(yù)測(cè)獨(dú)立處理，并從基于錨點(diǎn)的檢測(cè)轉(zhuǎn)向了無(wú)錨點(diǎn)方法。

YOLOv8的損失函數(shù)計(jì)算引入了VFL Loss進(jìn)行分類誤差優(yōu)化，并結(jié)合DFL Loss與CIOU Loss以提高邊界框預(yù)測(cè)的精確度。

在標(biāo)簽分配策略上，YOLOv8放棄了傳統(tǒng)的IoU分配方法，轉(zhuǎn)而使用Task-Aligned Assigned來(lái)更有效地分配正負(fù)樣本。

溫室大棚處于室內(nèi)，可以充分利用攝像頭監(jiān)控大棚內(nèi)生長(zhǎng)作物的生長(zhǎng)狀態(tài)，識(shí)別病蟲(chóng)害、雜草和成熟度情況，精確控制作物生長(zhǎng)狀態(tài)，對(duì)作物生長(zhǎng)過(guò)程中的生長(zhǎng)態(tài)勢(shì)和危險(xiǎn)嚴(yán)重程度進(jìn)行全面實(shí)時(shí)評(píng)估預(yù)警。

智譜清言

智譜AI于2019年成立，一直專注于大模型算法研究。作為國(guó)內(nèi)首批通過(guò)備案的大模型產(chǎn)品，AI生成式助手“智譜清言”于2023年8月正式上線。2023年10月，智譜AI發(fā)布全面升級(jí)的ChatGLM3模型及相關(guān)系列產(chǎn)品，參數(shù)范圍從6B、12B、32B、66B到130B不等；2024年1月，發(fā)布了新一代基座大模型GLM-4。

新階段的智譜清言英文測(cè)評(píng)有GPT4九成功力，中文比GPT4高10%，在128K上線問(wèn)文可以做到100%召回率，而GPT4只能做到80%。它的主要功能如下。

通用回答。能夠回答用戶的各類問(wèn)題，涵蓋眾多領(lǐng)域，為用戶提供實(shí)時(shí)、準(zhǔn)確的信息和解決方案。

多輪對(duì)話。具備出色的對(duì)話能力，可以與用戶進(jìn)行自然、流暢的多輪對(duì)話，提供高效的溝通體驗(yàn)。

虛擬對(duì)話。能夠根據(jù)用戶的需求扮演不同的角色，如專業(yè)人士、故事角色等，增強(qiáng)互動(dòng)性和用戶體驗(yàn)。

創(chuàng)意寫作。可以為用戶的各類創(chuàng)作需求提供腦暴靈感、內(nèi)容框架以及高質(zhì)量的文案等，提高寫作效率和質(zhì)量。

代碼生成。能夠使用多種編程語(yǔ)言進(jìn)行開(kāi)發(fā)調(diào)試，可以為用戶解釋代碼、解答編程問(wèn)題以及提供編程建議。

由于大模型非常強(qiáng)大，因此文章引入大模型，通過(guò)大模型的通用回答，為種植者在傳感器參數(shù)推薦和選擇更高產(chǎn)的農(nóng)作物方面提供建議。

基于YOLOv8和智譜清言的智能溫室種植平臺(tái)設(shè)計(jì)

平臺(tái)設(shè)計(jì)

第一，本平臺(tái)通過(guò)CMA攝像頭實(shí)時(shí)監(jiān)控溫室作物狀態(tài)，保證溫室的正常運(yùn)營(yíng)以及突發(fā)情況的處理速度。通過(guò)各類傳感器采集環(huán)境數(shù)據(jù)，設(shè)置閾值自動(dòng)開(kāi)啟或關(guān)閉控制系統(tǒng)，也可通過(guò)人為判斷手動(dòng)開(kāi)啟或關(guān)閉控制系統(tǒng)。

第二，本平臺(tái)可以通過(guò)攝像頭獲取的監(jiān)控，利用YOLOv8識(shí)別作物成熟度，以及是否遭受病蟲(chóng)害、雜草的侵害。一旦識(shí)別出病蟲(chóng)害或雜草，系統(tǒng)會(huì)給用戶推送預(yù)警消息，同時(shí)控制系統(tǒng)會(huì)控制相關(guān)設(shè)備作出反應(yīng)，如噴灑農(nóng)藥，除草劑等。

第三，本平臺(tái)還可以記錄歷史傳感器數(shù)據(jù)，根據(jù)記錄的傳感器數(shù)據(jù)，利用智譜清言推薦給種植者一組適合的閾值設(shè)置值，為溫室大棚的管理提供智慧決策。此外，還可以根據(jù)作物生長(zhǎng)狀態(tài)，利用智譜清言為種植者提供當(dāng)前作物適合的環(huán)境閾值范圍。

第四，本平臺(tái)在前端界面引入了一個(gè)種植問(wèn)答界面，通過(guò)引入智譜清言接口，實(shí)現(xiàn)問(wèn)答式聊天，從而為種植者提供種植建議和決策支持，助力溫室農(nóng)業(yè)的發(fā)展。

平臺(tái)總體架構(gòu)

平臺(tái)的總體架構(gòu)如圖2所示，包括以下子系統(tǒng)。

1.自動(dòng)控制系統(tǒng)

該子系統(tǒng)是根據(jù)種植者在前端設(shè)置的環(huán)境閾值以及當(dāng)前傳感器監(jiān)測(cè)到的環(huán)境參數(shù)數(shù)據(jù)，如空氣溫度數(shù)據(jù)、空氣濕度數(shù)據(jù)和二氧化碳濃度等，自動(dòng)判斷是否需要開(kāi)啟對(duì)應(yīng)設(shè)備對(duì)種植環(huán)境進(jìn)行控制，如當(dāng)二氧化碳濃度超過(guò)了設(shè)置的最高閾值，自動(dòng)控制系統(tǒng)會(huì)開(kāi)啟通風(fēng)機(jī)排放大棚內(nèi)的二氧化碳，當(dāng)二氧化碳濃度降低到適合作物生長(zhǎng)的范圍后，自動(dòng)控制系統(tǒng)會(huì)自動(dòng)關(guān)閉相應(yīng)設(shè)備。該系統(tǒng)還會(huì)根據(jù)YOLOv8識(shí)別結(jié)果對(duì)相應(yīng)設(shè)備進(jìn)行控制，從而使作物更健康高產(chǎn)，如當(dāng)系統(tǒng)識(shí)別到作物周圍的雜草搶奪養(yǎng)分時(shí)，自動(dòng)控制系統(tǒng)會(huì)控制自動(dòng)除草設(shè)備進(jìn)行工作。

2.植物生長(zhǎng)預(yù)警系統(tǒng)

該系統(tǒng)根據(jù)YOLOv8的識(shí)別結(jié)果，當(dāng)存在病蟲(chóng)害、雜草等危害作物生長(zhǎng)的情況時(shí)，會(huì)向前端及QQ郵箱發(fā)送預(yù)警消息。若種植者開(kāi)啟了自動(dòng)控制系統(tǒng)，自動(dòng)控制系統(tǒng)會(huì)自動(dòng)控制相應(yīng)設(shè)備作出反應(yīng)。若沒(méi)有開(kāi)啟自動(dòng)控制系統(tǒng)，則種植者可以根據(jù)預(yù)警消息，及時(shí)查看作物危害情況，通過(guò)人為判斷，手動(dòng)控制對(duì)應(yīng)設(shè)備作出處理。

3.專家系統(tǒng)

該子系統(tǒng)通過(guò)調(diào)用智譜清言接口，傳入作物生長(zhǎng)狀態(tài)、歷史傳感器參數(shù)以及限制返回格式，獲取智譜清言推薦的傳感器閾值設(shè)置結(jié)果，并在后端對(duì)智譜清言返回結(jié)果進(jìn)行處理，通過(guò)發(fā)送消息的方式返回給用戶合理的傳感器閾值設(shè)置值，用戶可以選擇是否一鍵設(shè)置推薦的閾值值。這能為種植者提供作物種植經(jīng)驗(yàn)，從而為溫室種植提供智慧決策。

4.數(shù)據(jù)統(tǒng)計(jì)分析和可視化系統(tǒng)

該子系統(tǒng)將傳感器收集到的數(shù)據(jù)存儲(chǔ)到云端，并從云端獲取數(shù)據(jù)渲染，在前端進(jìn)行可視化展示。具體來(lái)說(shuō)，該系統(tǒng)分為“七天”和“歷史某一天”兩個(gè)部分進(jìn)行數(shù)據(jù)可視化展示，并使用了折線圖和柱形圖兩種可視化展示方式，使種植者能夠在該平臺(tái)獲取更多的信息。

5.明火檢測(cè)系統(tǒng)

該子系統(tǒng)可以通過(guò)煙霧傳感器以及YOLOv8算法識(shí)別出大棚火災(zāi)情況。檢測(cè)到明火時(shí)，平臺(tái)會(huì)及時(shí)發(fā)送預(yù)警消息給用戶，并且自動(dòng)控制系統(tǒng)會(huì)自動(dòng)控制相應(yīng)設(shè)備作出反應(yīng)，通過(guò)及時(shí)反應(yīng)，減少大棚由于明火隱患而造成的損失。

隨著大數(shù)據(jù)和人工智能技術(shù)的快速發(fā)展，計(jì)算機(jī)視覺(jué)技術(shù)和大模型在多個(gè)領(lǐng)域的應(yīng)用日益廣泛。未來(lái)，溫室大棚控制技術(shù)將朝著以人工智能技術(shù)為核心的智能控制系統(tǒng)轉(zhuǎn)型。文章介紹的智能溫室種植平臺(tái)，運(yùn)用YOLOv8算法，用以識(shí)別病蟲(chóng)害、雜草和作物成熟度，自動(dòng)發(fā)送預(yù)警并執(zhí)行控制指令，旨在優(yōu)化溫室大棚的環(huán)境管理，減少人力成本，提高生產(chǎn)效率。該智能溫室種植平臺(tái)還引入國(guó)產(chǎn)大模型——智譜清言，通過(guò)記錄植物生長(zhǎng)情況或歷史傳感器參數(shù)實(shí)現(xiàn)環(huán)境閾值的智能推薦，種植者可以通過(guò)智譜清言獲取種植作物的科學(xué)種植建議，提高種植作物的產(chǎn)量和質(zhì)量，從而助力國(guó)家糧食安全。

隨著智能溫室種植平臺(tái)的發(fā)展，探索計(jì)算機(jī)視覺(jué)、大模型等前沿技術(shù)在溫室大棚的應(yīng)用，為現(xiàn)代農(nóng)業(yè)的發(fā)展提供了前所未有的機(jī)會(huì)。

（作者單位：南華大學(xué)計(jì)算機(jī)學(xué)院）