圖片來源@Unsplash
當網友們沉迷在動森遊戲裏種田，一些互聯網公司也開始探索AI優化農業種植的可能性。
近日，騰訊AI Lab宣佈了一項AI+農業側應用的新進展。依靠自研AI算法和技術，“騰訊AIoT智慧種植方案iGrow”已於今年在中國落地。該智慧農業解決方案在農業大省遼寧的第一批番茄試點當前已經迎來了“小豐收”。
騰訊AI Lab對鈦媒體表示，將AI算法研發和基於騰訊雲的PaaS平台費用成本排除在外的話，該番茄試點每畝每季淨利潤增加了數千元。本次試點所用的智慧種植方案所產生的費用均由騰訊支付，在試點過程中，將免費提供給農民使用。
事實上，用技術手段改造農業已經成為全球共識，機器學習、計算機視覺、大數據分析和雲計算是應用最廣泛的技術。包括歐盟、德國、荷蘭與日本在內都已經推出了“數字農業”發展計劃。
那麼，AI技術如何幫助改造傳統農業，又能帶來怎樣的變化？
農業場景由於迭代週期較長，通常依賴農業專家數十年的經驗積累。因為過程中也包含了物理、生物化學過程，信息量巨大，使得人類更多依賴感性判斷，難以做到精確決策。
隨着AI技術被引入“數字農業”，研究者可以用傳感器監測數據以提取特徵規律，用集成專家經驗的仿真器進行模擬、探索和優化，從而形成一套實時、精準的決策方案。
在本次智慧農業解決方案的落地過程中，AI的作用主要體現在讓種植決策與温室控制更精準。
據資深農業技術員劉建華介紹，作物在不同的生長週期對温室環境有不同要求。以温室温度為例，傳統番茄種植中，農民應在苗期、花期、果期設定不同温度，但很難精準識別每個時刻下環境和作物生長狀態的細微變化，從而判斷對應的理想温度，所以在一個種植週期內，農民通常會估算一個固定温度值來操作。
上述操作非常依賴經驗，無法實現在低成本條件下，進行精準、實時、自動的種植決策優化和温室控制。而引入AI後的智慧農業解決方案，在因時制宜上會更有優勢。
在具體操作上，該方案用IoT傳感器按分鐘或小時的高頻密度，採集空氣、土壤的温濕度、二氧化碳濃度和光合有效值等多種環境數據。
優化後的iGrow温室仿真器能夠對種植過程進行大量的模擬，在15秒內模擬出82個生長週期，再不斷強化學習AI算法選擇最佳的種植決策。最後達到自動控制温室，提高作物的品質和產量的目的。
圖為AI種出來的番茄
據騰訊介紹，遼寧的番茄試點中，iGrow方案包含傳感器、控制器、邊緣網關等工具，在騰訊雲上搭建配套PaaS平台，種植決策和温室控制均可自動執行。農民只需要在種植、採摘、設備日常維護之外做少量基礎農活，節約了人力。
在第一期試點中，騰訊AI Lab使用了當地三個日光温室種植番茄，其中兩個設置成了iGrow方案的實驗組。5月結束試點後，實驗組和未改造的對照組相比，每畝每季提升數千元淨利潤。
在試驗期間，由於2月份突發倒春寒使得温度驟降，在對照組中農民參考往年經驗設定了固定温度，並在週期內調整了3次温度。但因無法實時調整，在温度驟降時温室的保温性較弱，氣温波動也會更大。
在設置了iGrow方案的實驗組裏，配合捲簾、防風機等底層自動化控制技術，AI改造後的温室大棚實現了小時級的温度調整。因此應對寒潮等天氣的抗風險能力也會更高。
iGrow方案在遼寧温室試點
當前，種植決策和温室控制能由AI來完成，但修剪與採摘工作仍要由人工來完成。除此以外，由於農業場景種植週期長、數據不規範、採集成本高，會出現數據短缺的問題，另外温室仿真器也會存在一定的精度誤差，這些因素都會限制AI在農業側的進一步推廣。
對此，騰訊方面表示，未來將會在數據規範採集、仿真器迭代、算法優化方面努力，加快AI在農業側的落地。
（本文首發鈦媒體，作者/蘆依，編輯/宇航）