速途網(wǎng)6月10日消息（報道：李楠）今日，騰訊宣布了兩項AI+農(nóng)業(yè)領(lǐng)域進展。在研究側(cè)，騰訊 AI Lab 與世界著名農(nóng)業(yè)學(xué)府荷蘭瓦赫寧根大學(xué)（下稱WUR）聯(lián)辦的“第二屆國際智慧溫室種植挑戰(zhàn)賽”（下稱比賽）落幕。在全球疫情肆虐之時，復(fù)賽的五支隊伍挑戰(zhàn)用 AI 和 IoT 物聯(lián)網(wǎng)等前沿技術(shù)優(yōu)化種植決策，并遠(yuǎn)程自動控制溫室種植小番茄（第一屆為黃瓜），復(fù)賽隊的五個 AI 收成都超過了有20年經(jīng)驗的農(nóng)業(yè)種植專家組。其中冠軍組Automatoes得到滿分，實現(xiàn)畝產(chǎn)資源消耗減少16%，凈利增加121%*，充分展現(xiàn)了農(nóng)業(yè)智能決策與溫室自動控制的技術(shù)價值，以及為農(nóng)民減負(fù)的未來潛力。

比賽主席、WUR溫室技術(shù)科學(xué)研究團隊負(fù)責(zé)人SilkeHemming博士表示：“比賽目標(biāo)是在6個月內(nèi)競爭選出小番茄的最佳智慧種植方案，并貼近五大目標(biāo)：產(chǎn)量高、品質(zhì)好、能耗少、自動化、技術(shù)可遷移。評審團最終按三個維度打分，一是作物凈利潤（占50%，包括產(chǎn)量、品質(zhì)、價格等指標(biāo)），二是AI應(yīng)用（占30%，包括自動化、創(chuàng)新性、功能性、抗干擾魯棒性、可規(guī)模化、可遷移性等指標(biāo)），三是可持續(xù)性（占20%，包括水、肥、電、熱和二氧化碳等資源的利用效率）。今年參賽的21支隊伍來自26個國家，共200多人（去年15支隊伍），我們也看到更多小型公司、獨立農(nóng)人和學(xué)生加入，呈現(xiàn)背景多元、百花齊放趨勢。”

騰訊首席探索官網(wǎng)大為（David Wallerstein）表示：“通過和WUR等眾多伙伴的多年合作，我們非常興奮地看到，僅在兩年里，所有參賽隊的收成就都超越了人類，這代表AI能做并能做好溫室的‘高級管理員’，監(jiān)測和控制影響黃瓜、番茄等作物生長的重要環(huán)境因素（修剪和采摘現(xiàn)在仍由人類完成）。AI 不僅能提高作物產(chǎn)量，還能節(jié)約資源，增加利潤。我們將不斷致力于推動此類 AI 應(yīng)用落地，幫助人類應(yīng)對‘地球級挑戰(zhàn)’，包括與人類息息相關(guān)的健康、食物、能源和水資源（FEW），及氣候等大問題。”

第二個豐收來自AI+農(nóng)業(yè)應(yīng)用側(cè)，騰訊 AI Lab借助在上一屆比賽中自研的AI算法和技術(shù)經(jīng)驗打造的“騰訊AIoT智慧種植方案iGrow”今年已落地中國，農(nóng)業(yè)大省遼寧的第一期小番茄試點迎來“小豐收”，每畝每季凈利潤增加數(shù)千元，初步驗證iGrow的商業(yè)價值。

試點顧問、有多年種植經(jīng)驗的資深農(nóng)業(yè)技術(shù)員劉建華說，作物在不同的生長周期對溫室環(huán)境有不同要求。以溫室溫度為例，傳統(tǒng)小番茄種植中，農(nóng)民應(yīng)在苗期、花期、果期設(shè)定不同溫度，但很難精準(zhǔn)識別每個時刻下環(huán)境和作物生長狀態(tài)的細(xì)微變化，從而判斷對應(yīng)的理想溫度，所以在一個種植周期內(nèi)，農(nóng)民通常會估算一個固定溫度值來操作，這非常依賴經(jīng)驗，無法實現(xiàn)低成本條件下，精準(zhǔn)、實時、自動的種植決策優(yōu)化和溫室控制。

而iGrow的智慧種植方案，具有自動智能、因時制宜、高效精準(zhǔn)等特點，用IoT傳感器按分鐘或小時的高頻密度，采集空氣/土壤溫濕度、二氧化碳濃度和光合有效值等多種環(huán)境數(shù)據(jù)，優(yōu)化后的iGrow溫室仿真器能快速做大量種植模擬（15秒模擬82個生長周期），再用不斷優(yōu)化的強化學(xué)習(xí)AI算法選擇最佳種植決策，最后自動控制溫室，精準(zhǔn)利用資源，提高作物的品質(zhì)和產(chǎn)量。

農(nóng)業(yè)“新基建” 帶來農(nóng)業(yè)“加速度”

隨著全球范圍的人口老齡化和過渡灌溉和施肥造成的水土流失及土壤污染，農(nóng)業(yè)急需從粗放走向精細(xì)，同時提高產(chǎn)量、資源利用率和利潤，從而緩解全球性饑荒和環(huán)境污染問題。此次疫情帶來的復(fù)產(chǎn)復(fù)工難，進一步凸顯出以自動化生產(chǎn)和智能化決策為核心的智慧種植方案的經(jīng)濟和社會價值。

在這一背景下，發(fā)展數(shù)字農(nóng)業(yè)農(nóng)村成為全球共識，多國政府相繼推出發(fā)展計劃，如歐盟、德國、荷蘭與日本等，包括用現(xiàn)代信息技術(shù)與先進農(nóng)機裝備應(yīng)用推進農(nóng)業(yè)4.0時代，為小農(nóng)戶搭建智慧服務(wù)平臺等。據(jù)國際咨詢機構(gòu)研究與市場預(yù)測，到2025年全球智慧農(nóng)業(yè)市值將達到300億美元。在中國，2020年1月農(nóng)業(yè)農(nóng)村部和中央網(wǎng)信辦印發(fā)《數(shù)字農(nóng)業(yè)農(nóng)村發(fā)展規(guī)劃(2019-2025年)》，描繪了中國數(shù)字農(nóng)業(yè)發(fā)展新藍圖，對推進農(nóng)業(yè)生產(chǎn)經(jīng)營和管理等領(lǐng)域數(shù)字化改造、推動智慧農(nóng)業(yè)向深度發(fā)展有重要意義。

而隨著AI技術(shù)在中國不斷發(fā)展，其應(yīng)用已逐漸滲入農(nóng)業(yè)生產(chǎn)全過程。機器學(xué)習(xí)、計算機視覺、大數(shù)據(jù)分析和云計算等是其中應(yīng)用最廣泛的技術(shù)。農(nóng)業(yè)場景由于迭代周期較長，通常依賴農(nóng)業(yè)專家數(shù)十年的經(jīng)驗積累；也因其包含大量復(fù)雜的物理、生物化學(xué)過程，信息量巨大，人類難以做到精準(zhǔn)決策，而是依賴感性判斷。AI技術(shù)的引入，可以高效利用傳感器監(jiān)測數(shù)據(jù)提取特征規(guī)律，同時借助集成了大量人類專家經(jīng)驗的仿真器進行模擬、探索和優(yōu)化，形成一套實時、精準(zhǔn)、可遷移的決策技術(shù)方案。騰訊也不斷在農(nóng)業(yè)領(lǐng)域持續(xù)合作與加大投入，累計研發(fā)優(yōu)勢和技術(shù)經(jīng)驗，不僅在2018年起攜手WUR連續(xù)兩年舉辦大賽，還與中國農(nóng)科院、遼寧省政府、中糧集團、廣東粵旺農(nóng)業(yè)集團、深圳壹家倉和仲愷農(nóng)業(yè)工程學(xué)院等企業(yè)和機構(gòu)簽訂戰(zhàn)略協(xié)議，布局智慧農(nóng)業(yè)，通過深度合作讓技術(shù)研究與落地商業(yè)化并駕齊驅(qū)。

今年大賽選取小番茄作為種植對象，因為黃瓜和番茄是主要的溫室作物，需要監(jiān)測和控制的種植和環(huán)境變量較多，能體現(xiàn)出不同種植策略的技術(shù)優(yōu)勢。在賽制上對AI與IoT技術(shù)方案提出了更高要求，并優(yōu)化迭代了溫室仿真器。大賽評委之一、騰訊AI Lab “AI+農(nóng)業(yè)”業(yè)務(wù)負(fù)責(zé)人羅迪君博士介紹：“ 仿真器能讓參賽隊能更方便、快速地獲得溫室仿真結(jié)果，讓 AI 算法有充足數(shù)據(jù)樣本改進算法和策略。雖然溫室無病蟲害會讓仿真值有一定誤差，但其對產(chǎn)量預(yù)測、氣候變化影響種植對策等相關(guān)研究具有很高價值。”

此外，本屆比賽的番茄種植仿真器中還新增了肥料控制，能夠精準(zhǔn)地施放作物所需肥料，減少資源消耗。在作物管理模塊，模擬器還可以設(shè)定一個簇中的最大果實數(shù)，并支持留葉策略和留果策略。此外，新增了3種遮光選項，包括透光型、透氣型和遮光型，來更好地適應(yīng)實際種植環(huán)境。

WUR為每個參賽組配備了96平方米的自動化溫室，設(shè)備包括包括通風(fēng)系統(tǒng)、遮光系統(tǒng)、加熱系統(tǒng)、氣肥機、混LED補光燈、基質(zhì)栽培系統(tǒng)及標(biāo)準(zhǔn)傳感器（用于溫度、濕度和二氧化碳測量）

去年首屆比賽課題為黃瓜種植，吸引了微軟、英特爾、騰訊與中國農(nóng)科院等頂級企業(yè)與機構(gòu)參賽，騰訊 AILab 自研的iGrow方案在比賽中獲得AI策略第一名，攻克了機器智能嵌入農(nóng)業(yè)專家知識的難題，4個月內(nèi)大幅提高資源利用率，實現(xiàn)17％的凈利潤增長，產(chǎn)量媲美20年經(jīng)驗的農(nóng)業(yè)專家組。

比賽當(dāng)中，各參賽隊不斷深入挖掘AI算法潛力。技術(shù)頗具亮點的包括：冠軍隊Automatoes利用最先進的數(shù)據(jù)驅(qū)動算法DeePC，相比經(jīng)典控制算法MPC，安全性更高，對于復(fù)雜非線性隨機系統(tǒng)可以達到更精準(zhǔn)的控制效果。韓國的Digilog隊提出利用強化學(xué)習(xí)算法，通過有效結(jié)合歷史數(shù)據(jù)、實時數(shù)據(jù)及仿真器反饋進行訓(xùn)練，從而輸出連續(xù)的控制策略。此類進展都再次證明了AI+農(nóng)業(yè)仍有廣闊的探索空間。

在AI展現(xiàn)技術(shù)價值的同時，要看到農(nóng)業(yè)場景中種植周期長、數(shù)據(jù)不規(guī)范、采集成本高等因素帶來的數(shù)據(jù)短缺問題，及溫室仿真器的精度誤差，會限制AI的進一步推廣使用，因此需要在數(shù)據(jù)規(guī)范采集、仿真器迭代、算法優(yōu)化到行業(yè)推廣方面不斷努力。

下一步，針對現(xiàn)階段挑戰(zhàn)，WUR和騰訊將繼續(xù)在作物模型研發(fā)和全周期管理等領(lǐng)域深入研究，探索更多AI+農(nóng)業(yè)的可能性。

加快科技成果轉(zhuǎn)化 遼寧試點小豐收

不僅通過競賽研究，騰訊AI Lab還重點推進了本地化應(yīng)用，與農(nóng)業(yè)大省遼寧達成合作，展開兩期種植試點。一期使用當(dāng)?shù)厝齻€日光溫室種植小番茄，其中兩個部署了iGrow方案的實驗組。5月結(jié)束試點后，實驗組和未改造的對照組相比，每畝每季提升數(shù)千元凈利潤。

遼寧的iGrow方案包含傳感器、控制器、邊緣網(wǎng)關(guān)等工具，在騰訊云上搭建配套PaaS平臺，種植決策和溫室控制均可自動執(zhí)行，農(nóng)民只需要在種植、采摘、設(shè)備日常維護之外做少量基礎(chǔ)農(nóng)活，節(jié)約了人力。

試點期間迎來了突發(fā)的2月倒春寒，溫度驟降。對照組中，農(nóng)民參考往年經(jīng)驗設(shè)定了固定溫度，周期內(nèi)調(diào)整了3次溫度，但因無法實時調(diào)整，溫度驟降時溫室保溫性變差，氣溫波動大；在iGrow實驗組里，則體現(xiàn)了AI算法的穩(wěn)定性與強容災(zāi)能力，配合卷簾、放風(fēng)機等底層自動化控制技術(shù)，實現(xiàn)了小時級的溫度調(diào)整，因時制宜。

遼寧1期試點取得的成果，初步驗證了智慧種植方案在國內(nèi)落地的可行性。期待不久的將來，騰訊能夠真正打造出有“中國特色”的AI+農(nóng)業(yè)解決方案，從產(chǎn)學(xué)研用一體化生態(tài)建設(shè)中，共同探索智慧農(nóng)業(yè)的未來。

* 荷蘭多采取12個月種植模式，因賽制需要6個月提前收成，此期間實驗組相比對照組凈利潤增加121%。