您现在的位置是：首页 > 科技 > 正文

腾讯AILab使用了当地三个日光温室种植番茄

发布时间：2022-06-05 15:50:01编辑：来源：

当网友们沉迷在动森游戏里种田，一些互联网公司也开始探索AI优化农业种植的可能性。近日，腾讯AILab宣布了一项AI+农业侧应用的新进展。依靠自研AI算法和技术，“腾讯AIoT智慧种植方案iGrow”已于今年在中国落地。该智慧农业解决方案在农业大省辽宁的第一批番茄试点当前已经迎来了“小丰收”。

腾讯AILab对钛媒体表示，将AI算法研发和基于腾讯云的PaaS平台费用成本排除在外的话，该番茄试点每亩每季净利润增加了数千元。本次试点所用的智慧种植方案所产生的费用均由腾讯支付，在试点过程中，将免费提供给农民使用。

事实上，用技术手段改造农业已经成为全球共识，机器学习、计算机视觉、大数据分析和云计算是应用最广泛的技术。包括欧盟、德国、荷兰与日本在内都已经推出了“数字农业”发展计划。

那么，AI技术如何帮助改造传统农业，又能带来怎样的变化?

AI如何优化“种田”效果?

农业场景由于迭代周期较长，通常依赖农业专家数十年的经验积累。因为过程中也包含了物理、生物化学过程，信息量巨大，使得人类更多依赖感性判断，难以做到精确决策。

随着AI技术被引入“数字农业”，研究者可以用传感器监测数据以提取特征规律，用集成专家经验的仿真器进行模拟、探索和优化，从而形成一套实时、精准的决策方案。

在本次智慧农业解决方案的落地过程中，AI的作用主要体现在让种植决策与温室控制更精准。

据资深农业技术员刘建华介绍，作物在不同的生长周期对温室环境有不同要求。以温室温度为例，传统番茄种植中，农民应在苗期、花期、果期设定不同温度，但很难精准识别每个时刻下环境和作物生长状态的细微变化，从而判断对应的理想温度，所以在一个种植周期内，农民通常会估算一个固定温度值来操作。

上述操作非常依赖经验，无法实现在低成本条件下，进行精准、实时、自动的种植决策优化和温室控制。而引入AI后的智慧农业解决方案，在因时制宜上会更有优势。

在具体操作上，该方案用IoT传感器按分钟或小时的高频密度，采集空气、土壤的温湿度、二氧化碳浓度和光合有效值等多种环境数据。

优化后的iGrow温室仿真器能够对种植过程进行大量的模拟，在15秒内模拟出82个生长周期，再不断强化学习AI算法选择最佳的种植决策。最后达到自动控制温室，提高作物的品质和产量的目的。

AI改造温室，抗风险力提升

据腾讯介绍，辽宁的番茄试点中，iGrow方案包含传感器、控制器、边缘网关等工具，在腾讯云上搭建配套PaaS平台，种植决策和温室控制均可自动执行。农民只需要在种植、采摘、设备日常维护之外做少量基础农活，节约了人力。

在第一期试点中，腾讯AILab使用了当地三个日光温室种植番茄，其中两个设置成了iGrow方案的实验组。5月结束试点后，实验组和未改造的对照组相比，每亩每季提升数千元净利润。

在试验期间，由于2月份突发倒春寒使得温度骤降，在对照组中农民参考往年经验设定了固定温度，并在周期内调整了3次温度。但因无法实时调整，在温度骤降时温室的保温性较弱，气温波动也会更大。

在设置了iGrow方案的实验组里，配合卷帘、防风机等底层自动化控制技术，AI改造后的温室大棚实现了小时级的温度调整。因此应对寒潮等天气的抗风险能力也会更高。

当前，种植决策和温室控制能由AI来完成，但修剪与采摘工作仍要由人工来完成。除此以外，由于农业场景种植周期长、数据不规范、采集成本高，会出现数据短缺的问题，另外温室仿真器也会存在一定的精度误差，这些因素都会限制AI在农业侧的进一步推广。

对此，腾讯方面表示，未来将会在数据规范采集、仿真器迭代、算法优化方面努力，加快AI在农业侧的落地。

标签：