当TOP3高校工科博导开始种菜,会有什么不一样?
(相关资料图)
一出手,就搭了个数据量超13万组的可视化信息分析平台,三个月从入门到产量暴增135%。
还是在纯封闭环境——集装箱那种。
要知道,集装箱种菜这件事儿,就连马斯克的“农民”弟弟金巴尔·马斯克(Kimbal Musk)都还没搞明白。
其创办的垂直农业公司Square Roots,最后一次融资是在六年前,此后再未掀起更多水花。
即便这个领域软银、亚马逊等科技巨头押注,但现实是大部分公司仍处在规模化落地探索阶段。
没关系,中国技术团队会出手。
上海崇明的四个集装箱内,来自上海交通大学、中国农业大学、上海农科院和极星农业的研究人员们,悄然开展了一场技术探索。
挑战马斯克兄弟的商业化难题
金巴尔·马斯克涉足的垂直农业领域,指利用建筑物室内的垂直空间进行种植。
在室内,光照、水和温湿度等一切条件变得可控。换言之,作物不再靠天生长,全程由人类来把控。
相较传统农场,它存在大量商业化优势——
节省近90%用水量、减少农药使用、降低运输成本……
然而,所有这些优势的实现,都有一个“砍不掉”的前提条件,那就是巨大的成本投入。具体又分为能源和技术成本。
能源上,用灯光替代阳光,不到950㎡的室内,光是灯电费每年就可能达到10~20万美元,更别提还有控温用的空调、除湿风扇等。
技术成本方面,植物品种繁杂、可控数据类型多等因素,目前尚未诞生一个通用作物模型,同时还得应对各种复杂环境,导致研发需要持续投入。
于是乎,来自四个不同单位的中国产学研团队,正式就这一系列行业瓶颈发起挑战。
一方面设立了产量、品质和能耗三个指标,尽可能在降低能源成本情况下提升收益;另一方面则要求体现算法的突破性、创新性,在技术研发上寻找突破口。除此之外,商业创新也被列为需要考虑的因素。
首先就是来自上海交通大学博士生导师鲍华带领的“纯工科”团队。
团队一上来就发现,原始集装箱的数据无法直接建模进行数据分析。
其一,采集量太少,只提供24h历史数据;其二,数据分散在不同控制系统中,包括光照、温湿度和其他单元等;其三,查看方式不方便,需要用特定APP手动导出。
于是乎,他们干脆将数据采集和分析这两个步骤全自动化——自研数据平台,将所有的异构数据(如同一时间点记录的植物生长照片、温度湿度数据、二氧化碳浓度、光照条件等)融合其中。
平台前后一共采集了接近13万组数据,并将这些原本在“不同组别”的数据进行了融合。
理论上不同类型数据联动得越好,“模拟”植物后续生长流程就会越顺利,从而迅速总结出考虑更全面、迭代更先进的环境控制算法,进一步降低人工分析的复杂度。
基于队内植物专家提供的目标理想参数,团队将场景温度-系统能耗-空调控制综合考虑进去,同时基于热特性分析、风速和温度场模拟等工程算法,迭代了几次。
最终在能源成本降低上,他们空调和光照的能耗相比最初节省了29%。即使在温度升高9℃的情况下,基于环境控制算法,团队也能用同样的能耗量将温湿度及二氧化碳浓度调控在目标水平。
在商业化推广思路上,团队将数据用前端进行可视化,更方便从其中快速总结教训和经验,进一步降低用户的操作门槛。
同样从工科角度出发,但又具备农业知识的中国农业大学团队,则将团队创新思路放在了产量预测算法上。
具体而言,一个是基于二氧化碳质量平衡的植物净同化量动态监测技术,预测植物地上部分鲜重的积累。
另一个则是建立植物冠层的面积识别模型,基于相机采集并设计图像分割算法,不断调参优化性能,可以实现基于机器视觉识别的植物生物量监测,同时也能调控生长速度,避免出现烧心现象降低产量。
最终他们实际的产量与预测单株的产量仅相差1g。
而对于四个团队中唯一的企业极星农业而言,他们关注三点核心:产量预测、无人化和易用性。
产量预测上,团队基于动态密度变更策略,开发了一套植物种植密度预测系统,基于这套系统变更的栽培方式,理论上节约了10%用电量;再结合产量预测算法,基于光照、温度、生产周期以根据市场需求调整生产速率,甚至做到从生长到产出直接定量供应。
同时,与其他团队不同,在整个比赛的这三个多月,极星农业没有人在现场,实现了调控的完全无人化。
为此,极星农业研发了一个自动报警系统,增强设备可靠性,这样就能在温度等条件出现偏差时及时处理。
最后就是易用性了。团队认为,相比调控大量设备,更重要的是系统能自动控制核心变量,如水、温度等环境条件,从而将参数控制在目标值内,无需手动调控。
不过要论真正的“专业对口”,其实还是上海市农业科学院团队。
相比算法,团队更侧重于植物品种特性的挖掘,在真正规模化种植之前,先来了一波“控制变量法”,将不同环境下植物生长的情况全部测试了一番。
基于此,团队最终开发了一套智慧种植决策管理系统,融合植株的生长模型、光截获模型、蒸腾模型等算法,实时收集多传感器数据,以检测植物生长情况。
也正是基于这种思路,上海农科院整出了其他三个团队都没想到的“新活儿”,即集装箱中不设置昼夜温差,最大程度上提升植物产量。
最终他们的植物生产效率达到0.18kg/㎡/天,产量是几个团队中之最,他们还计划将核心技术申请专利。
在几支团队的合力之下,“集装箱种菜”全流程能耗降低了30%,产能也比预估提高了30%~50%的效果。
这不仅简化了农业生产的的过程,也增强了技术落地的可能性。而且,这些团队研发的系统经过完善后,甚至具备可推广性。
典型例证就是,有一些从事植物工厂建设或制造的企业,已经主动找到部分团队对接了。
这一次的种植成果,也被有的团队挖掘出了新的科研方向。
已有实际成果转化
熟悉智慧农业的朋友,或许对这场练兵并不陌生。
事实上,这是由拼多多牵头,同光明母港携手举办的第三届多多农研科技大赛——
参赛团队需在90天内实现三茬“翠恬”生菜的种植,过程中需要兼顾产量、品质和可持续性。
换言之,依靠前沿技术实现对现实农业的赋能。在此之前,草莓、樱桃番茄的比拼中已经有了成果转化。
比如首届团队“智多莓”,正是看到技术产品化的应用前景,比赛完就成立公司。
如今该公司已形成智能灌溉系统、智能温室环境控制系统等硬件、软件、算法产品。截至今年一季度,总共向全国输出40套系统,覆盖辽宁、云南、安徽、上海、北京、内蒙等地,并从草莓、蓝莓逐步扩展到咖啡、花卉、小番茄和柑橘种植市场。
另外,在云南省怒江州老窝村,他们在当地搭建起了数字化草莓生产体系,直接将产业常用工成本下降30%以上,包括肥料支出减少2500元/亩、植保支出减少1000元/亩,而草莓产量增加30%。
还有第二届冠军团队番茄快长团队,设计的产量预测模型——从基因层面了解到的品种生理需求,与现场图像结合进行融合修正,也已经在自己企业玻璃温室中应用,更好地方便产销对接。
不过,跟以往不同的是,此次不在玻璃温室里,而是在一个特殊的环境——没有土壤没有阳光的封闭集装箱,最大程度阻隔外界环境的影响,回归植物本身的需求。
某种程度上讲,这种场景也最考验技术,因此在成果转化上也最具有研究价值。
如果说第一届属于是人机大战,首次验证了AI种的作物,在产量上远超人类;
第二次则是更多年轻高技术人才加入,他们利用前沿作物模型、精准农业、营养科学等技术实现远程种植。
那么这一次则是集前两次之大成,有AI有人才,更关键的是,工程技术与农学在这里进行了更深入的融合。
最直观感受就是,更多工程学科背景的人参与到其中,给农业一点小小的“工科震撼”。
光明母港农业事业部总监王金华就坦言:没想到能有这么多跨学科人员进入到农业领域。
植物工厂的比赛是要打破边界的探索,这是我们比较兴奋的一点。
比如就像此次鲍华教授团队,依托于上海交通大学溥渊未来技术学院。
他本人研究领域包括微纳米尺度的热量输送和能量转换,以及对热量输送的物理过程的多尺度仿真等,在热电转换和微电子器件散热等领域有着重要的应用价值。
在此次比赛前,他们团队各位成员互不相识。他坦言,这次大赛是工科团队知识在农业场景应用的首次尝试,一次较为成功的学科交叉。
事实上,由于没有一点种植经验,他们第一茬生菜种植表现并不理想。但因为数据平台能够感知实时变化,方便更新迭代和优化决策。
两轮作物迭代后,第三轮的产量较第二茬增长86%,较第一茬增长135%。
甚至有专家惊叹,如果时间再延长一点,产量冠军或许就是这支“全工科团队”了。
团队接下来还计划引入生成式AI更好地总结其中的规律,进一步加速工业化生产落地。
这种农业与工程技术、前沿技术的更紧密融合,是整个农业发展的一隅。
农学与工学手拉手
以往的传统农业,与工学之间的联系可能感知很少。但现在“工农融合”已经注入到实实在在的作物种植当中去。
比如去年就有团队用YOLO V3网络识别番茄不同生长状态。
用极星农业团队的话来说,未来农业工业这两个学科就必须手拉手。
这个比赛之前,各种数字技术其实已经亮相在田间地头。
比如无人机已经肩负起播撒、施肥、遥感等工作。
地面也有无人拖拉机进行作业,农户只需通过连接智能手机或平板电脑进行航线规划。
清华教授张宏宇曾表示,农业现代化的推进过程,本质上讲,其实恰是更多工业元素的渗透、融合和替代的过程。
往更早前回溯,以化肥、农药和农机为代表的工业元素融合,这是农业工业化的上半场。那么随着科学技术的进步,5G、物联网、AI、云计算、大数据的发展,这种渗透、融合和替代的趋势加快,以数字技术为表征的工业元素进入到农业领域,也就来到了农业工业化的下半程。
这种推进,需要各方、尤其是农业产业链上的企业伙伴来承担。
作为国内最大的农产品上行平台,拼多多在产业链上承担着重要角色——
一头连着各地的农户,一头直接连着市场。在帮助农户建立连接、打开销路的同时,拼多多也建立起一条覆盖全国的农产品流通-消费体系。
解放流通体系,用数字化技术,推动农业效率的提升。但这也只是大家感知最多的、拼多多推动农业数字化的其中一步。
自成立以来,他们就已从底层生产出发,推动前沿科技创新。
比如持续三年举办的多多农研科技大赛,还有“拼多多杯”科技小院大赛、全球农创客大赛等比赛。
就在上个月,拼多多还向中国农业大学捐赠1亿元,设立了“拼多多-中国农业大学研究基金”,支持中国农业大学在基础研究和农业核心技术攻关方面进行探索。
只有更多的企业、技术人才的助力,看似与科幻隔绝的农业,也将带来更多想象。
正如当前大模型风头正盛,已经有企业在进行相关探索。
比如商汤推出的AI遥感大模型,借助通用视觉大模型10亿级模型参数,涵盖了46类语义分割、5类目标监测、4类变化检测、2类超分辨率算法。
还有一亩田集团推出基于大模型的农业AI对话机器人“小田”。针对不同用户群体,涉及从生产、流通、采购等全链条多个场景,帮助农民解决种什么、怎么种、如何卖、高效买的问题。
好了最后还想请大家集思广益一下,大模型在农业上,还能有哪些用途和前景?
以及是不是科技农业规模化应用了,是不是能田园牧歌式写代码了?
标签:
Copyright © 2015-2022 时代经营网版权所有 备案号: 联系邮箱: 514 676 113@qq.com