2018年,五個團隊在突破性的自主溫室挑戰賽中種植了黃瓜 國際競爭。 轉折點:只有一支團隊由經驗豐富的人類種植者組成,他們手動操作溫室。 其餘四個團隊由園藝和人工智能(AI)領域的國際專家組成。 他們致力於開發AI解決方案,以遠程和自主地管理他們的農作物。 競賽的目標是世界上第一個自治溫室挑戰,以推動可持續食品生產方面的突破。
經過四個多月的艱苦努力,人工種植者排在第二位。 由本文作者之一領導的第一名團隊贏得了自主增長的解決方案,該解決方案不僅使收益率提高了6%,淨利潤提高了17%,而且所用的二氧化碳減少了2,供暖和水輸入。
要了解有關競爭的更多信息並了解AI解決方案如何與熟練的人類種植者團隊競爭甚至超越他們,我們來仔細研究一下AI及其與溫室自動化的關係。
溫室自動化並不是什麼新鮮事
幾十年來,種植者一直使用過程計算機,傳感器和執行器來管理溫室氣候和灌溉。 在這種情況下,過程計算機的工作很簡單,依賴於簡單的邏輯規則。 如果空氣溫度高於75°F,則打開例如通風孔。 讀取溫度以及打開和關閉電燈和加熱器的繁瑣工作被委派給機器。
當然,基於規則的自動化無法應對不可預見的情況。 更關鍵的是,技術人員需要做出所有作物管理決策,直到環境參數的確切設定值。 為了可靠地獲得高產量,需要大量的知識和技能,即使這樣,也很容易出錯。 此外,隨著農場的擴大,對農作物進行持續監控的工作變得更加艱鉅。
不幸的是,種植者非常了解勞動力是生產中最大的問題來源。 年復一年,在 溫室種植者 在“前100位種植者”調查中,種植者報告稱挑戰不僅涉及勞動力成本,還涉及技術工人的可用性。 毫不奇怪,種植者越來越多地尋求應對這些挑戰的方法,包括可以使溫室管理更加自主的新技術。
AI超越了基於規則的自動化
思考人工智能的一種好方法是,它超越了基於簡單規則的自動化的一步。 現代AI就是利用數學來查找數據模式,包括在溫室環境和生物系統中發現的模式。 例如:
- 有了足夠的氣候數據,種植者就可以使用AI來確定最佳設定點並進行氣候預測。
- 有了足夠的農作物產量數據,種植者就可以使用AI生成產量預測。
- 有了足夠的圖像數據,種植者就可以使用AI來檢測病蟲害。
某些類型的AI甚至可以從新數據中學習,從而隨著時間的推移逐漸提供更好的結果。
通過能夠在日常溫室作業中提供更深入的見解,人工智能可用於支持專家決策並以有意義的方式增強種植者的能力。 畢竟,最好的結果來自於人類智能與人工智能的精心組合。
AI的基於數據的方法也可以與基於規則的經典方法相結合,從而實現前所未有的溫室自動化程度。 簡而言之,種植者可以使用AI來自動化許多死記硬背的操作任務,從而幫助緩解挑戰該行業的長期勞工問題。
數據是人工智能的動力
AI不僅涉及數學算法,也涉及數據。 與流行的看法相反,人工智能中使用的一些最常見算法已經存在了數十年。 它們甚至沒有非常複雜。 但是在最長的時間內,數據的可用性以及處理數據所需的負擔得起的計算能力一直是限制因素。
計算機硬件的最新發展是為了釋放AI的潛力。 蘋果在2007年引發了智能手機革命,在全球範圍內創建了全新的製造生態系統和供應鏈。 這似乎在一夜之間改變了計算機硬件的基本經濟學。 關鍵的硬件組件(例如微處理器,無線電和傳感器)變得越來越便宜,體積更小,功能更強大。 原始數據的細流變成了洪水。 新的數據和計算能力的豐富幫助將AI從很少有商業應用的研究好奇心轉變為技術上的巨變。
物聯網帶來大量數據
在1980年代初期,匹茲堡卡內基梅隆大學的研究生由於厭倦了徒步前往可口可樂自動售貨機而發現它是空的。 他們對其進行了修改,以便可以通過Internet報告其庫存。 為此,他們發明了世界上第一台連接互聯網的設備。
如今,從消費類電子產品到工業機器的數十億種大小不一的設備都已加入了第一台蘇打水設備,並與Internet相連,形成了所謂的物聯網(IoT)。 重要的是,與早期的硬件(包括許多常見的溫室自動化解決方案)不同,IoT設備使用與Internet上其他地方使用的相同的數據格式和通信協議。 通過依賴全球互聯網標準,可以更輕鬆地與IoT設備交換數據,而無需額外的硬件來將一種類型的系統橋接到另一種類型的系統。
人工智能和物聯網共同構成了互補技術。 物聯網硬件可幫助種植者更輕鬆地從溫室中收集原始數據。 人工智能軟件可以幫助種植者理解這些數據並據此採取行動,以提高農作物的產量。
案例研究:肯尼斯·特蘭(Kenneth Tran)在自主溫室挑戰賽中的成功
Tran博士:2018年,我在西雅圖附近的Microsoft Research擔任AI研究人員,致力於一種稱為強化學習的新型AI。 在那裡,我開始了一項新的嘗試,將我們的研究應用於可控環境農業領域。 通過所謂的Sonoma項目,我們與加拿大安大略省哈羅研究中心的植物科學家合作,最終參加了由荷蘭瓦赫寧根大學和研究機構組織的首屆國際自主溫室挑戰賽。
在這一挑戰中,每個團隊都在一個315平方英尺的溫室中種植黃瓜,持續了大約四個月的時間。 這些隔間配有標準過程計算機,氣候傳感器和執行器。 使用IoT數字接口(REST API),我們的AI程序可以在整個Internet上連續從傳感器讀取數據,確定最佳設定點,並將設定點發送回過程計算機(請參見下圖)。 有關挑戰及其結果的更多詳細信息,請參見作者: Hemming等。 (2019).
儘管我們缺乏黃瓜種植的經驗和非常早期的原型,但我們的自主種植解決方案還是能夠贏得競爭。 我們甚至比第二名的團隊(由專業的荷蘭種植者組成的參考團隊)表現更好,產量提高了6%。 收益率相當於營業利潤增長17%。
參考團隊表現不佳嗎? 一點也不。 據許多專家稱,它們的表現非常出色。 他們的產量接近50公斤/米2 在四個月的時間裡,大約相當於150公斤/米2 每年。 對於地球上任何地方的溫室來說,這都被認為是高產。
作為自主溫室挑戰的結果,我於2020年成立了Koidra,以直接基於我們的學習,並進一步推動農業和其他工業控制應用的AI和IoT的最新發展。
提出有關AI和IoT的正確問題
如今,越來越多的溫室種植者願意並準備採用AI和IoT。 主要的挑戰是要了解市場上的產品,並能夠在所有的市場宣傳中脫穎而出。 許多公司熱切地聲稱他們擁有可用於溫室的AI算法或IoT設備。
在評估AI軟件和IoT硬件時,請牢記以下一些主要注意事項:
- 性能: 種植者應該能夠看到具體的,實際的收益。 問:AI是否已在商業生產中得到驗證,以提高產量和資源效率? 在什麼條件下? 公司在開發AI和IoT軟件方面的往績如何?
- AI設計: 最有效的AI解決方案將最佳的人工智能與最佳的人工智能相結合來做出決策。 問:AI模型如何利用現有知識體系? 如何確保隨著時間的推移,隨著更多數據的出現,性能將會提高?
- 軟件設計: 種植者應保持對溫室作業的控制。 問:使用什麼軟件設計原則來確保作物安全? 我是否可以隨時輕鬆地在手動,推薦和自動駕駛模式之間切換?
- 資料擁有權: 種植者應擁有自己的數據,並避免“供應商鎖定”。 問:我可以輕鬆地從其他系統導入數據嗎? 我可以備份和導出自己的數據嗎? 是否有允許實時數據訪問和自定義集成的API? 我現在和將來都可以使用來自不同供應商的軟件和硬件嗎?
人工智能和物聯網可以助力種植者
在當今世界,水資源和能源以及時間,金錢和熟練勞動力的稀缺資源日益稀缺的情況下,探索新技術來減輕這種負擔是很有意義的。 正如我們從“自主溫室挑戰”中學到的,通過使用AI軟件和IoT硬件,種植者確實可以實現更高的產量和更高的資源利用效率。 更重要的是,這些技術正在繼續快速發展和進步。
最終,人工智能和物聯網可以真正增強溫室種植者的能力-做出更好的決定,以更少的錢做更多的事-更可持續地種植世界糧食。