2018年,五个团队在突破性的自主温室挑战赛中种植了黄瓜 国际竞争。 转折点:只有一支团队由经验丰富的人类种植者组成,他们手动操作温室。 其余四个团队由园艺和人工智能(AI)领域的国际专家组成。 他们致力于开发AI解决方案,以远程和自治地管理他们的农作物。 竞赛的目标是世界上第一个自治温室挑战,以推动可持续食品生产方面的突破。
经过四个多月的艰苦努力,人工种植者排在第二位。 由本文作者之一领导的第一名团队赢得了自主增长的解决方案,该解决方案不仅使收益率提高了6%,净利润提高了17%,而且所用的二氧化碳减少了2,供暖和水输入。
要了解有关竞争的更多信息并了解AI解决方案如何与熟练的人类种植者团队竞争甚至超越他们,我们来仔细研究一下AI及其与温室自动化的关系。
温室自动化并不是什么新鲜事
几十年来,种植者一直使用过程计算机,传感器和执行器来管理温室气候和灌溉。 在这种情况下,过程计算机的工作很简单,依赖简单的逻辑规则。 如果空气温度高于75°F,则打开例如通风孔。 读取温度以及打开和关闭电灯和加热器的繁琐工作被委派给机器。
当然,基于规则的自动化无法应对不可预见的情况。 更关键的是,技术人员需要做出所有作物管理决策,直到环境参数的确切设定值。 为了可靠地获得高产量,需要大量的知识和技能,即使这样,也很容易出错。 此外,随着农场的扩大,对农作物进行持续监控的工作变得更加艰巨。
不幸的是,种植者非常了解劳动力是生产中最大的问题来源。 年复一年,在 温室种植者 在“前100名种植者”调查中,种植者报告称挑战不仅涉及劳动力成本,而且还涉及熟练劳动力的可用性。 毫不奇怪,种植者越来越多地寻求应对这些挑战的方法,包括可以使温室管理更加自主的新技术。
AI超越了基于规则的自动化
思考人工智能的一种好方法是,这是超越基于简单规则的自动化的一步。 现代AI就是利用数学来查找数据模式,包括在温室环境和生物系统中发现的模式。 例如:
- 有了足够的气候数据,种植者就可以使用AI来确定最佳设定点并做出气候预测。
- 有了足够的农作物产量数据,种植者就可以使用AI生成产量预测。
- 有了足够的图像数据,种植者就可以使用AI来检测病虫害。
某些类型的AI甚至可以从新数据中学习,从而随着时间的推移逐渐提供更好的结果。
通过能够在日常温室作业中提供更深入的见解,人工智能可用于支持专家决策并以有意义的方式增强种植者的能力。 毕竟,最好的结果来自于人类智能与人工智能的精心组合。
AI的基于数据的方法也可以与基于规则的经典方法相结合,从而实现前所未有的温室自动化程度。 简而言之,种植者可以使用AI来自动化许多死记硬背的操作任务,从而帮助缓解挑战该行业的长期劳工问题。
数据是人工智能的动力
AI不仅与数学算法有关,还与数据有关。 与流行的看法相反,人工智能中使用的一些最常见算法已经存在了数十年。 它们甚至没有非常复杂。 但是在最长的时间内,数据的可用性以及处理数据所需的负担得起的计算能力一直是限制因素。
计算机硬件的最新发展是为了释放AI的潜力。 苹果在2007年引发了智能手机革命,在全球范围内创建了全新的制造生态系统和供应链。 这似乎在一夜之间改变了计算机硬件的基本经济学。 关键的硬件组件(例如微处理器,无线电和传感器)变得更便宜,更小且功能更强大。 原始数据的细流变成了洪水。 新的数据和计算能力的丰富帮助将AI从很少有商业应用的研究好奇心转变为技术上的巨变。
物联网带来大量数据
在1980年代初期,匹兹堡卡内基梅隆大学的研究生由于厌倦了徒步旅行到可口可乐自动售货机而发现它是空的。 他们对其进行了修改,以便可以通过Internet报告其库存。 为此,他们发明了世界上第一台连接互联网的设备。
如今,从消费类电子产品到工业机器的数十亿种大小不一的设备都已加入了第一台苏打水设备,并与Internet相连,形成了所谓的物联网(IoT)。 重要的是,与早期的硬件(包括许多常见的温室自动化解决方案)不同,IoT设备使用与Internet上其他位置使用的相同的数据格式和通信协议。 通过依赖全球互联网标准,可以更轻松地与IoT设备交换数据,而无需额外的硬件来将一种类型的系统桥接到另一种类型的系统。
人工智能和物联网共同构成了互补技术。 物联网硬件可帮助种植者更轻松地从温室中收集原始数据。 人工智能软件可以帮助种植者理解这些数据并据此采取行动,以提高农作物的产量。
案例研究:肯尼斯·特兰(Kenneth Tran)在自主温室挑战赛中的成功
Tran博士:2018年,我是西雅图附近Microsoft Research的AI研究人员,致力于一种称为强化学习的新型AI。 在那里,我开始了一项新的尝试,将我们的研究应用于可控环境农业领域。 通过所谓的Sonoma项目,我们与加拿大安大略省哈罗研究中心的植物科学家合作,最终参加了由荷兰瓦赫宁根大学和研究机构组织的首届国际自主温室挑战赛。
在这个挑战中,每个团队都在一个315平方英尺的温室中种植黄瓜,持续了大约四个月的时间。 这些隔间配有标准过程计算机,气候传感器和执行器。 使用IoT数字接口(REST API),我们的AI程序可以连续地从传感器读取数据,确定最佳设定点,并将设定点发送到整个Internet上的过程计算机(请参见下图)。 有关挑战及其结果的更多详细信息,请参见作者: Hemming等。 (2019).
尽管我们缺乏黄瓜种植的经验和非常早期的原型,但我们的自主种植解决方案还是能够赢得竞争。 我们甚至比第二名的团队(由专业的荷兰种植者组成的参考团队)表现更好,产量提高了6%。 收益率相当于营业利润增长17%。
参考团队表现不佳吗? 一点也不。 据许多专家称,它们的表现非常出色。 他们的产量接近50公斤/米2 在四个月的时间里,大约相当于150公斤/米2 每年。 对于地球上任何地方的温室来说,这都被认为是高产。
作为自主温室挑战的结果,我于2020年成立了Koidra,以直接基于我们的学习,并进一步推动农业和其他工业控制应用的AI和IoT的最新发展。
提出有关AI和IoT的正确问题
如今,越来越多的温室种植者愿意并准备采用AI和IoT。 主要的挑战是要了解市场上的产品,并能够在所有的市场宣传中脱颖而出。 许多公司热切地声称他们拥有可用于温室的AI算法或IoT设备。
在评估AI软件和IoT硬件时,请牢记以下一些主要注意事项:
- 性能: 种植者应该能够看到具体的,实际的收益。 问:AI是否已在商业生产中得到验证,以提高产量和资源效率? 在什么条件下? 公司在开发AI和IoT软件方面的往绩如何?
- AI设计: 最有效的AI解决方案将最佳的人工智能与最佳的人工智能相结合来做出决策。 问:AI模型如何利用现有知识体系? 如何确保随着更多数据性能会随着时间的推移而提高?
- 软件设计: 种植者应保持对温室作业的控制。 问:使用什么软件设计原则来确保作物安全? 我是否可以随时轻松地在手动,推荐和自动驾驶模式之间切换?
- 资料拥有权: 种植者应拥有自己的数据,并避免“供应商锁定”。 问:我可以轻松地从其他系统导入数据吗? 我可以备份和导出自己的数据吗? 是否有允许实时数据访问和自定义集成的API? 我现在和将来都可以使用来自不同供应商的软件和硬件吗?
人工智能和物联网可以助力种植者
在当今世界,水资源和能源以及时间,金钱和熟练劳动力的稀缺资源日益稀缺的情况下,探索新技术来减轻这种负担是很有意义的。 正如我们从“自主温室挑战”中学到的,通过使用AI软件和IoT硬件,种植者确实可以实现更高的产量和更高的资源利用效率。 更重要的是,这些技术正在继续快速发展和进步。
最终,人工智能和物联网可以真正增强温室种植者的能力-做出更好的决定,以更少的钱做更多的事-更加可持续地种植世界粮食。