6月9日,，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)合舉辦的“第二屆國際智慧溫室種植挑戰(zhàn)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,。

AI種植出的番茄?

大賽主席,、WUR溫室技術(shù)科學(xué)研究團隊負(fù)責(zé)人Silke Hemming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?！?五支隊伍的AI 收成均超過有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,。

所有AI組凈利潤均超越了專家參照組（303號為專家組）

由于番茄是一種主要的溫室作物,，需要監(jiān)測和控制的種植和環(huán)境變量較多。今年在賽制上對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(jìn)算法和策略?！?此外,，本屆比賽的番茄種植仿真器中還新增了肥料控制，作物管理（包括留葉策略和留果策略）和溫室屋頂?shù)恼诠膺x項,。

比賽當(dāng)中,，各參賽隊不斷深入挖掘AI算法潛力。冠軍隊Automatoes利用最先進(jìn)的數(shù)據(jù)驅(qū)動算法DeePC,，相比經(jīng)典控制算法,，安全性更高,，對于復(fù)雜非線性隨機系統(tǒng)可以達(dá)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(jìn)行訓(xùn)練，從而輸出連續(xù)的控制策略,。

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,，我們證明了AI能勝任溫室的‘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,。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)對種種全球性的挑戰(zhàn),?！?/p>

然而，在AI展現(xiàn)技術(shù)價值的同時,，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,，以及溫室仿真器的精度誤差,，會限制AI的進(jìn)一步推廣使用。因此需要在數(shù)據(jù)規(guī)范采集,、仿真器迭代和算法優(yōu)化方面不斷努力,。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

除研究側(cè)外,，在應(yīng)用側(cè),，騰訊 AI Lab 攜手騰訊TEG架構(gòu)平臺部借助在上一屆比賽中自研的AI算法和經(jīng)驗以及云原生技術(shù)打造的“騰訊AIoT智慧種植方案iGrow”今年也落地中國，在農(nóng)業(yè)大省遼寧開展的第一期小番茄種植試點迎來“小豐收”,，實現(xiàn)每畝每季度凈利潤增加上千元,。

?iGrow方案在遼寧溫室試點

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(jìn)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。歐洲和日本等多國政府相繼推出發(fā)展計劃,，包括用現(xiàn)代信息技術(shù)與先進(jìn)農(nóng)機裝備應(yīng)用推進(jìn)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(dá)到300億美元。

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(jìn)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,，累積研發(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,、中糧集團,、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),。期待不久的將來，騰訊能夠通過產(chǎn)學(xué)研用一體化生態(tài)建設(shè), 打造出理想的AI+農(nóng)業(yè)解決方案,。