隨著新一代信息技術(shù)的飛速發(fā)展，越來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（無人機、遙感等）、大田作物管控（無人機、視覺識別、AI作物模型等）為主的智慧農(nóng)業(yè)技術(shù)與平臺，如雨后春筍般遍布中華大地。設施園藝技術(shù)，常被作為產(chǎn)業(yè)鏈平臺中的子系統(tǒng)規(guī)劃到智慧農(nóng)業(yè)甚至智慧城市的項目中。實際上，作為生產(chǎn)端的設施園藝數(shù)字化技術(shù)遠比大眾認為的基于傳感器的IO管控系統(tǒng)要高級復雜的多，完全可以作為獨立的系統(tǒng)與產(chǎn)業(yè)鏈的各個環(huán)節(jié)交互融合，根據(jù)外部需求調(diào)整內(nèi)部的過程管控。文章著重于新一代信息技術(shù)在設施園藝技術(shù)中的發(fā)展與應用，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)的應用（產(chǎn)量預測模型），并提出了有關(guān)人工智能以及模型與未來無人運營溫室（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和貿(mào)易天分，將荷蘭的設施園藝技術(shù)開發(fā)到極致并積極推廣到全世界，是各國多年來一直學習和模仿的“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。所謂的直覺和感覺，就是國內(nèi)種植者要學習和消化的核心技能。而數(shù)據(jù)則是破譯秘籍的鑰匙。

生活在被數(shù)據(jù)包圍的時代，大眾對數(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)都是在過去兩年時間里收集的。先進的溫室每天創(chuàng)造數(shù)據(jù)大約7500條/hm2，隨著傳感器技術(shù)以及智能設備的發(fā)展，這個數(shù)值還在持續(xù)不斷地上升。面對龐大的數(shù)據(jù)，如何提取有價值的信息是值得大家關(guān)注的。有明確目標和宗旨的數(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，也代表人類對數(shù)據(jù)價值發(fā)掘利用的4個階段：描述性分析、診斷性分析、預測性分析以及規(guī)范性分析。他們分別對應的問題和目標是“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）。越高級的階段，所需要涵蓋的算法和模型就越復雜，所具有的商業(yè)價值也就越高。

關(guān)于數(shù)字農(nóng)業(yè)分類的觀點很多，一些觀點甚至帶著信息技術(shù)嘗試+農(nóng)業(yè)的盲目樂觀。不可否認的是，整個設施園藝行業(yè)正在跨步向數(shù)據(jù)分析4.0階段積極探索，但國內(nèi)大部分的項目應用還停留在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)控計算機中（圖2）;人工測量記錄植物生長參數(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)測數(shù)據(jù)、水肥消耗信息等，也都有不同的儲存位置和格式，使用不同的時間格式或者分隔符。由于這種不兼容性，一方面為數(shù)據(jù)分析帶來了大量的整理統(tǒng)計工作;另一方面，不同來源的數(shù)據(jù)常常會導致分析不夠準確甚至出現(xiàn)問題。

荷蘭種植者通常采用專業(yè)的數(shù)據(jù)平臺進行數(shù)據(jù)的收集整理，并根據(jù)平臺內(nèi)置的算法和模型對數(shù)據(jù)進行解析，為種植賦能。有了專業(yè)的數(shù)據(jù)平臺，就為進一步利用數(shù)據(jù)奠定了良好的基礎。種植者可以根據(jù)自身的情況，從所關(guān)注的角度對相關(guān)數(shù)據(jù)進行對比分析，從而找到存在問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，計算當前項目光能轉(zhuǎn)化（果實產(chǎn)量）效率等。

AI技術(shù)的應用

對于種植者來說，與數(shù)據(jù)平臺能夠?qū)崟r交互的種植管理系統(tǒng)才是理想的智慧園藝項目運行情景。作物監(jiān)測系統(tǒng)向中央數(shù)據(jù)平臺發(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)。基于數(shù)據(jù)的信息，中控系統(tǒng)代替人類種植者，按照優(yōu)化作物生長的方式進行決策，控制溫室的運行。這一場景的實現(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)學符號表示輸入量和輸出量之間關(guān)系（如定律或定理）的式子，用來表示行為相當穩(wěn)定且輸入量有限的物理和化學過程。當描述的過程包括眾多的公式時我們稱之為模型。在這個意義上，這個模型仍然模擬一個靜態(tài)的、完全可預測的和易于理解的過程。當變量輸入量的數(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)，甚至可能變成時間相關(guān)和非線性，而且系統(tǒng)的特性也隨著時間變化，公式和靜態(tài)模型將不再適用于模擬系統(tǒng)的過程行為。此時就需要AI技術(shù)登場。

溫室內(nèi)作物的生長過程可以看作一個極好的復雜動態(tài)系統(tǒng)，作物的生長不僅僅受到實際狀態(tài)的影響，也取決于作物的歷史。為了對整個動態(tài)系統(tǒng)進行描述，我們就需要借助AI技術(shù)的動態(tài)算法和模型的幫助，利用神經(jīng)網(wǎng)絡學習作物的歷史數(shù)據(jù)，并通過大量的蘊含作物輸入輸出變量關(guān)系的數(shù)據(jù)集訓練神經(jīng)網(wǎng)絡，這一過程叫做“深度學習”，屬于“機器學習”的1個子集。在訓練過程中，神經(jīng)網(wǎng)絡逐漸學習真正的植物的行為。當被給予新的輸入數(shù)據(jù)時，神經(jīng)網(wǎng)絡能夠預測出植物相應的反應，它就成為了1個真正的作物模型。

用眾多的模型來描述植物的生長和發(fā)展過程，比如預測產(chǎn)量和品質(zhì)，計算能源與水肥投入以及預測病蟲害的發(fā)生與防治等，就能形成一個決策支持系統(tǒng)，自動決策種植者在溫室運營中需要考慮的問題。例如“基于目前的天氣預報，接下來的一周最有可能發(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的訂單？調(diào)整某個參數(shù)將會使果實的品相發(fā)生何種改變？”

以目前比較熱門的產(chǎn)量預測為例。最早的產(chǎn)量預測模型大約出現(xiàn)在20年前，原理是大家熟知的積溫和果實成熟度之間的關(guān)系，根據(jù)種植者填寫的作物生理指標與可預期的溫室溫度對未來幾周的產(chǎn)量進行預估。盡管這個模型被使用了幾十年，預測的結(jié)果相對可供參考，但是預測的準確度還是有待提高。

依托機器學習研發(fā)的AI產(chǎn)量預測模型則具有更高的準確性。以LetsGrow.com開發(fā)的產(chǎn)量預測模型為例，平均精確性為90%以上。且隨著訓練年限的增加，準確性會越來越高。AI預測模型把多年來積累的大量的數(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)，作為機器學習的理想起點，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)進行訓練的原因，只有如此才能形成專屬的預測模型，進而對未來1～4周的產(chǎn)量進行精準預測（圖3）。

此外，人工智能技術(shù)也將成為農(nóng)業(yè)機器人發(fā)展的重要推動者。在機器人的整個生命周期中，都是面對一個開放的世界，這就需要機器人在以往的經(jīng)驗中強化學習不同場景的應對方法。以采摘機器人為例，它需要不斷學習選擇性采摘的特定條件，不僅包括果實成熟度分級的性狀，也包括不同等級和位置的果實在采收過程中的方法和技巧。當然，也離不開視覺識別系統(tǒng)提供采收與設備運行的依據(jù)，以及物聯(lián)網(wǎng)技術(shù)對信息的實時交互。圖4為Plantalyzer番茄色度識別儀。它在每天溫室作業(yè)結(jié)束后，按照設定路線自動巡檢整個溫室番茄成熟狀況并進行產(chǎn)量統(tǒng)計，然后將數(shù)據(jù)實時上傳到LetsGrow平臺，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)模的實驗研究，在研究過程中，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)勢是不同來源的數(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)可能會因缺乏必要的矯正和規(guī)范而質(zhì)量低下，導致推導的結(jié)果中存在“噪音”，影響模型的正確性。

人工智能（AI）和機器學習在相關(guān)準確性、解決復雜邏輯和減少開發(fā)所需的時間方面提供了很好的結(jié)果。但是它對數(shù)據(jù)的質(zhì)量同樣有很高的要求。無論多么先進和復雜的模型，都遵循這樣一條定理：“垃圾進=垃圾出”，即模型的結(jié)果永遠不會比輸入的數(shù)據(jù)好。只有將嚴謹?shù)臄?shù)據(jù)清洗，專業(yè)的數(shù)據(jù)管理和強大的計算能力相結(jié)合，才有可能建立復雜準確的模型（圖5、圖6）。

人工智能建立的模型還有一個很重要的特點，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程都是不得而知的，因此，使用人工智能模型總是需要對應用程序本身有極好的領域?qū)I(yè)知識。模型的結(jié)果也必須由人類專家進行評估和檢查，以檢測和過濾出不現(xiàn)實的結(jié)果。只有將這些現(xiàn)代的技術(shù)與植物生理學和物理學知識相結(jié)合，才能取得優(yōu)異的結(jié)果。

與此同時，我們更應該意識到，隨著人類手中的科技工具越發(fā)先進，我們更不應該盲目冒進，嚴謹?shù)卦跉v史和經(jīng)驗中找尋自然的規(guī)律，尊重專業(yè)人士的努力，遵循自然的法則，才能預見不遠的將來，以及維系人類社會的可持續(xù)發(fā)展。

無人運營溫室競賽（AI自主溫室）

（Autonomous Greenhouse）

2018年，首屆無人運營溫室競賽（Autonomous Greenhouse Challenge）在瓦赫寧根大學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)進行決策。最終AI技術(shù)以產(chǎn)量優(yōu)勢戰(zhàn)勝人類種植者。目前以櫻桃番茄為種植作物的第二屆無人運營溫室競賽正在激烈的進行中，5支進入決賽的隊伍將在原定2020年6月的GreenTech展會上向全世界宣布最后結(jié)果。完全獨立于人類種植者的生產(chǎn)方式正逐漸跳躍出科幻小說，向現(xiàn)實生活邁進。

除了AI技術(shù)之外，農(nóng)業(yè)機器人以及VR、AR、MR（虛擬現(xiàn)實、增強現(xiàn)實、混合現(xiàn)實）技術(shù)也是無人運營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)量都會得到提升。所以，設施園藝種植者走向未來的速度，一定程度上也受傳感器技術(shù)發(fā)展速度的制約。

總結(jié)

對種植者而言，認為數(shù)字園藝技術(shù)遙不可及，或輕視數(shù)字園藝技術(shù)對項目的賦能作用的想法都不夠客觀合理。無論何種規(guī)模的項目，數(shù)據(jù)都是從經(jīng)驗中學習和進步的鑰匙。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)知識與背景在對數(shù)據(jù)解析過程中不可替代的作用。數(shù)字溫室時代的“綠手指”，很大概率還是產(chǎn)生于那群對園藝有熱情、尊重植物、遵循自然規(guī)律的種植者中。

作者簡介：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，LetsGrow中國區(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)字溫室時代的“綠手指”——淺談大數(shù)據(jù)、AI等技術(shù)在設施園藝產(chǎn)業(yè)的最新應用與發(fā)展[J].農(nóng)業(yè)工程技術(shù)，2020，40（07）：14-17.