数字温室时代的“绿手指”

随着新一代信息技术的飞速发展，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，常被作为产业链平台中的子系统规划到智慧农业甚至智慧城市的项目中。实际上，作为生产端的设施园艺数字化技术远比大众认为的基于传感器的IO管控系统要高级复杂的多，完全可以作为独立的系统与产业链的各个环节交互融合，根据外部需求调整内部的过程管控。文章着重于新一代信息技术在设施园艺技术中的发展与应用，阐述了数字园艺的发展阶段，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。

数据利用的发展阶段

园艺技能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贸易天分，将荷兰的设施园艺技术开发到极致并积极推广到全世界，是各国多年来一直学习和模仿的“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觉。所谓的直觉和感觉，就是国内种植者要学习和消化的核心技能。而数据则是破译秘籍的钥匙。

生活在被数据包围的时代，大众对数据的力量深信不疑，也在以前所未有的速度创造和收集数据，世界上90%的数据都是在过去两年时间里收集的。先进的温室每天创造数据大约7500条/hm2，随着传感器技术以及智能设备的发展，这个数值还在持续不断地上升。面对庞大的数据，如何提取有价值的信息是值得大家关注的。有明确目标和宗旨的数据分析是为种植者提供有决策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发掘利用的4个阶段：描述性分析、诊断性分析、预测性分析以及规范性分析。他们分别对应的问题和目标是“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复杂，所具有的商业价值也就越高。

关于数字农业分类的观点很多，一些观点甚至带着信息技术尝试+农业的盲目乐观。不可否认的是，整个设施园艺行业正在跨步向数据分析4.0阶段积极探索，但国内大部分的项目应用还停留在1.0，甚至缺少有效数据分析的阶段。尽管深知数据的重要性，也从不同途径收集大量的数据，但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。比如，种植者从传感器中收集环境数据，将环境信息记录在环控计算机中（图2）;人工测量记录植物生长参数，记录在笔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，也都有不同的储存位置和格式，使用不同的时间格式或者分隔符。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工作;另一方面，不同来源的数据常常会导致分析不够准确甚至出现问题。

荷兰种植者通常采用专业的数据平台进行数据的收集整理，并根据平台内置的算法和模型对数据进行解析，为种植赋能。有了专业的数据平台，就为进一步利用数据奠定了良好的基础。种植者可以根据自身的情况，从所关注的角度对相关数据进行对比分析，从而找到存在问题的答案或者制定新的策略。比如，根据产品销售情况优化能源投入，计算当前项目光能转化（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管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，中控系统代替人类种植者，按照优化作物生长的方式进行决策，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”是用数学符号表示输入量和输出量之间关系（如定律或定理）的式子，用来表示行为相当稳定且输入量有限的物理和化学过程。当描述的过程包括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理解的过程。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，甚至可能变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过程行为。此时就需要AI技术登场。

温室内作物的生长过程可以看作一个极好的复杂动态系统，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进行描述，我们就需要借助AI技术的动态算法和模型的帮助，利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，这一过程叫做“深度学习”，属于“机器学习”的1个子集。在训练过程中，神经网络逐渐学习真正的植物的行为。当被给予新的輸入数据时，神经网络能够预测出植物相应的反应，它就成为了1个真正的作物模型。

用众多的模型来描述植物的生长和发展过程，比如预测产量和品质，计算能源与水肥投入以及预测病虫害的发生与防治等，就能形成一个决策支持系统，自动决策种植者在温室运营中需要考虑的问题。例如“基于目前的天气预报，接下来的一周最有可能发生什么情况？维持现有的控制策略，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？”

以目前比较热门的产量预测为例。最早的产量预测模型大约出现在20年前，原理是大家熟知的积温和果实成熟度之间的关系，根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进行预估。尽管这个模型被使用了几十年，预测的结果相对可供参考，但是预测的准确度还是有待提高。

依托机器学习研发的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，平均精确性为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集合，包括气象状况、作物生理数据以及品质与产量相关的数据，作为机器学习的理想起点，在特定的栽培策略和植物类型下，找到环境、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进行训练的原因，只有如此才能形成专属的预测模型，进而对未来1～4周的产量进行精准预测（图3）。

此外，人工智能技术也将成为农业机器人发展的重要推动者。在机器人的整个生命周期中，都是面对一个开放的世界，这就需要机器人在以往的经验中强化学习不同场景的应对方法。以采摘机器人为例，它需要不断学习选择性采摘的特定条件，不仅包括果实成熟度分级的性状，也包括不同等级和位置的果实在采收过程中的方法和技巧。当然，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。它在每天温室作业结束后，按照设定路线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，为生产经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，在研究过程中，从各种环境与条件下产生和采集必要的数据。随着温室项目的增多，很多数据可以轻易地从商业温室中获取，这样的优势是不同来源的数据可以建立起更加普适通用的模型，但这也存在着巨大的隐患，即作为信息载体的数据可能会因缺乏必要的矫正和规范而质量低下，导致推导的结果中存在“噪音”，影响模型的正确性。

人工智能（AI）和机器学习在相关准确性、解决复杂逻辑和减少开发所需的时间方面提供了很好的结果。但是它对数据的质量同样有很高的要求。无论多么先进和复杂的模型，都遵循这样一条定理：“垃圾进=垃圾出”，即模型的结果永远不会比输入的数据好。只有将严谨的数据清洗，专业的数据管理和强大的计算能力相结合，才有可能建立复杂准确的模型（图5、图6）。

人工智能建立的模型还有一个很重要的特点，就是它的“黑匣子”属性。传统的模型是将各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。但是AI建立的模型中很多過程都是不得而知的，因此，使用人工智能模型总是需要对应用程序本身有极好的领域专业知识。模型的结果也必须由人类专家进行评估和检查，以检测和过滤出不现实的结果。只有将这些现代的技术与植物生理学和物理学知识相结合，才能取得优异的结果。

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，严谨地在历史和经验中找寻自然的规律，尊重专业人士的努力，遵循自然的法则，才能预见不远的将来，以及维系人类社会的可持续发展。

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办。所有的环境调控策略均由AI技术进行决策。最终AI技术以产量优势战胜人类种植者。目前以樱桃番茄为种植作物的第二届无人运营温室竞赛正在激烈的进行中，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结果。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，农业机器人以及VR、AR、MR（虚拟现实、增强现实、混合现实）技术也是无人运营温室不可或缺的技术力量。此外，所有植物相关的模型都需要作物参数的输入，而目前大部分的作物生理数据还依赖于人工采集，随着相关生理传感器的发展，数据采集的频度和质量都会得到提升。所以，设施园艺种植者走向未来的速度，一定程度上也受传感器技术发展速度的制约。

总结

对种植者而言，认为数字园艺技术遥不可及，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，数据都是从经验中学习和进步的钥匙。有了数字信息技术的帮助，普通种植者成为行业专家的路径被大大缩短。但是种植者们也必须正视专业知识与背景在对数据解析过程中不可替代的作用。数字温室时代的“绿手指”，很大概率还是产生于那群对园艺有热情、尊重植物、遵循自然规律的种植者中。

作者简介：赵雪，女，豪根道（北京）农业技术有限公司客户关系总监、顾问，LetsGrow中国区指定联系人。主要从事植物与环境关系、园艺信息化与智能化相关工作。

[引用信息]赵雪.数字温室时代的“绿手指”——浅谈大数据、AI等技术在设施园艺产业的最新应用与发展[J].农业工程技术，2020，40（07）：14-17.