你在游戲里種田時,科技公司已經用AI種起了番茄

圖片來源@Unsplash
當網友們沉迷在動森游戲里種田,一些互聯網公司也開始探索AI優化農業種植的可能性。

近日,騰訊AI Lab宣布了一項AI+農業側應用的新進展。依靠自研AI算法和技術,“騰訊AIoT智慧種植方案iGrow”已于今年在中國落地。該智慧農業解決方案在農業大省遼寧的第一批番茄試點當前已經迎來了“小豐收”。
騰訊AI Lab對鈦媒體表示,將AI算法研發和基于騰訊云的PaaS平臺費用成本排除在外的話,該番茄試點每畝每季凈利潤增加了數千元。本次試點所用的智慧種植方案所產生的費用均由騰訊支付,在試點過程中,將免費提供給農民使用。
事實上,用技術手段改造農業已經成為全球共識,機器學習、計算機視覺、大數據分析和云計算是應用最廣泛的技術。包括歐盟、德國、荷蘭與日本在內都已經推出了“數字農業”發展計劃。
那么,AI技術如何幫助改造傳統農業,又能帶來怎樣的變化?
AI如何優化“種田”效果?
農業場景由于迭代周期較長,通常依賴農業專家數十年的經驗積累。因為過程中也包含了物理、生物化學過程,信息量巨大,使得人類更多依賴感性判斷,難以做到精確決策。
隨著AI技術被引入“數字農業”,研究者可以用傳感器監測數據以提取特征規律,用集成專家經驗的仿真器進行模擬、探索和優化,從而形成一套實時、精準的決策方案。
在本次智慧農業解決方案的落地過程中,AI的作用主要體現在讓種植決策與溫室控制更精準。
據資深農業技術員劉建華介紹,作物在不同的生長周期對溫室環境有不同要求。以溫室溫度為例,傳統番茄種植中,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,所以在一個種植周期內,農民通常會估算一個固定溫度值來操作。
上述操作非常依賴經驗,無法實現在低成本條件下,進行精準、實時、自動的種植決策優化和溫室控制。而引入AI后的智慧農業解決方案,在因時制宜上會更有優勢。
在具體操作上,該方案用IoT傳感器按分鐘或小時的高頻密度,采集空氣、土壤的溫濕度、二氧化碳濃度和光合有效值等多種環境數據。
優化后的iGrow溫室仿真器能夠對種植過程進行大量的模擬,在15秒內模擬出82個生長周期,再不斷強化學習AI算法選擇最佳的種植決策。最后達到自動控制溫室,提高作物的品質和產量的目的。

圖為AI種出來的番茄
AI改造溫室,抗風險力提升
據騰訊介紹,遼寧的番茄試點中,iGrow方案包含傳感器、控制器、邊緣網關等工具,在騰訊云上搭建配套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、采摘、設備日常維護之外做少量基礎農活,節約了人力。
在第一期試點中,騰訊AI Lab使用了當地三個日光溫室種植番茄,其中兩個設置成了iGrow方案的實驗組。5月結束試點后,實驗組和未改造的對照組相比,每畝每季提升數千元凈利潤。
在試驗期間,由于2月份突發倒春寒使得溫度驟降,在對照組中農民參考往年經驗設定了固定溫度,并在周期內調整了3次溫度。但因無法實時調整,在溫度驟降時溫室的保溫性較弱,氣溫波動也會更大。
在設置了iGrow方案的實驗組里,配合卷簾、防風機等底層自動化控制技術,AI改造后的溫室大棚實現了小時級的溫度調整。因此應對寒潮等天氣的抗風險能力也會更高。

iGrow方案在遼寧溫室試點
當前,種植決策和溫室控制能由AI來完成,但修剪與采摘工作仍要由人工來完成。除此以外,由于農業場景種植周期長、數據不規范、采集成本高,會出現數據短缺的問題,另外溫室仿真器也會存在一定的精度誤差,這些因素都會限制AI在農業側的進一步推廣。
對此,騰訊方面表示,未來將會在數據規范采集、仿真器迭代、算法優化方面努力,加快AI在農業側的落地。
(本文首發鈦媒體,作者/蘆依,編輯/宇航)
更多精彩內容,關注鈦媒體微信號(ID:taimeiti),或者下載鈦媒體App
核心關鍵字: 人工智能| 留言與評論(共有 0 條評論) |



