腾讯初探AI+农业,获国际AI温室种植大赛亚军

本篇文章介绍了iGrow团队在AI+农业领域国际人工智能温室种植大赛上的获奖情况。

今天,荷兰瓦赫宁根大学(WUR)主办的国际人工智能温室种植大赛(Autonomous Greenhouse Challenge)结果揭晓,AI温室种黄瓜很有潜力!腾讯AI Lab与农业专家组成的iGrow队脱颖而出,获“AI策略”单项第一名、总分第二名的优异成绩。在比赛中,腾讯实现了AI+农业领域的技术探索,其首创的农业人工智能系统攻克了机器智能嵌入农业专家知识的难题。种植结果显示,该人工智能系统提高了农产品的产量和自然资源利用率,还大幅降低了传感器成本,体现了“AI+农业”的应用潜力。

iGrow团队部分代表领奖

本次大赛由荷兰瓦赫宁根大学于今年3月发起,旨在通过人工智能与农业等多学科团队协作,展示人工智能驱动温室的能力,在提升农业生产力的同时,减少资源消耗,满足日益增长的人口需求,帮助人类过上更健康的生活。比赛的挑战目标,是在4个月内生产出高产量、高资源利用率的黄瓜作物。参赛团队利用传感器和摄像头,获取温室气候、作物发育情况等数据,加入自己的模型或机器学习算法,远程控制作物生长。

比赛的温室

大赛吸引了包括腾讯(iGrow队)、微软(Sonoma队)、英特尔(Deep_greens队)等在内的来自15个国家的14支团队参与。其中,iGrow队由来自腾讯AI Lab的AI专家,以及来自中国农业科学院、北京农业信息技术研究中心、黑龙江植物学会、Syngenta种子公司、荷兰瓦赫宁根大学的农业专家和学生组成。在长达半年多的比赛中,iGrow队历经编程马拉松、黄瓜种植挑战和总决赛,一路披荆斩棘,最终取得“AI 策略”单项第一名、总分第二名的优秀成绩。

AI策略排名

团队

分数(满分5)

1

iGrow

5

2

The Croperators

4

3

Sonoma

3

4

AiCU

2

5

Deep_greens

1

AI 策略第一名

总排名

团队

总分(满分50)

1

Sonoma

44

2

iGrow

43

3

The Croperators

31

4

AiCU

22

5

Deep_greens

10

总分与第一名的微软团队Sonoma仅一分之差

首创农业人工智能系统

有效融合机器智能与人类知识

目前在AI+农业领域,一大技术难点在于,计算机模拟受农业生产的特点影响,与真实的农业种植之间存在巨大的鸿沟。在农业生产中,影响作物生长的因素极为复杂,种植很难标准化,环境变化也难以预测,这些因素会严重阻碍人工智能的效能发挥。尽管本次比赛为环境相对可控、较易标准化的温室黄瓜生产,但计算机模拟如何有效迁移到真实的农业种植中,依然是一大技术挑战。

iGrow团队人工智能系统

比赛中,腾讯AI Lab的AI专家根据植物学、生物学和物理学等相关学科知识进行建模,建立起模拟气候环境和作物生长的仿真器。随后,团队开创性地搭建出一个农业人工智能系统,通过创新的强化学习方法,将iGrow农业专家的知识和经验自然地嵌入仿真器中,使人类专家能够在种植密度、灌溉施肥、打顶剪枝等方面,实现对AI的有效干预,提高AI学习效率,最终在资源最优化的同时,最大程度地提升了作物产量。

温室的日与夜——远程操控温室

降低传感器成本,可终身学习

与人类知识融合之后的AI系统,无需专家再次干预,即能自动适应新的环境和条件变化,因此可以快速复制到同类温室种植中,为扩大生产规模、实现标准化生产提供条件。在生产自动化方面,该系统可自主运行,从而大幅降低人工管理难度,节约大量人力。

在本次大赛中,iGrow队因减少传感器使用成本而备受好评。与其他AI种植团队额外添加了诸多传感器不同,iGrow 队仅利用主办方配置的有限的传感器,便取得了十分优秀的成绩。系统通过高效的数据模拟和运算,减少了不必要的传感器的使用,大大降低了智慧农业的生产成本,在市场应用和推广上颇具潜力。

温室高压钠灯补光

“该系统还是具备终身学习能力的超级智能体。”腾讯AI Lab专家进一步表示,“随着技术发展,它能利用更先进的仿真器,以及更大规模的种植实践获得的数据,灵活地整合人类知识和经验,持续迭代升级。”

全局优化,快速提升经济效益


大赛结果显示,iGrow队在黄瓜产量、质量、资源利用率上,均表现十分出色。在整个过程中,采用了生物防治系统,符合人们对健康生活品质的要求。

iGrow团队种出的“标致“黄瓜

与传统的人工种植相比,人工智能的优势在于,它能对种植过程进行全局优化。从一开始的种植密度、留茎比例,到后来的留叶、留果策略,以及在温室中对光照、通风、温度、湿度、CO2浓度、水分等的控制,它都能在仿真器中通过强化学习自动寻找最优解。人工智能可为作物的各个生长周期寻找和提供最适宜的环境状态,同时进行资源最优配比,以最大化地节省资源。“人工智能另一个巨大的优势是,它可以在短时间内进行大量模拟实验,相比在真实环境中缓慢地进行人工种植摸索,它能以很低的成本快速提升智能管理水平和经济效益。”腾讯AI Lab团队介绍道。

AI的优势

AI覆盖农业生产全过程

应对全球人口和资源挑战

本次比赛充分展现了人工智能驱动温室的能力,但人工智能的应用并不仅限于室内农业。腾讯希望借此机会,探索室内和室外农业的机会,以了解人工智能如何在全球范围内提高粮食生产力水平,应对人口增长和可持续性发展的挑战。

根据联合国9月发布的《2018年世界粮食安全和营养状况》报告,全球现有8.21亿人口处于饥饿状态(每9人中就有1人在挨饿),已重回10年前的水平,这种倒退趋势向我们发出严重警告。造成饥饿的主要原因之一,是由于气候变化、干旱和洪水等极端天气对传统农业生产的破坏。

除了现有的饥荒和气候问题,人类还面临未来人口增长和资源紧缺的挑战。联合国预计,到 2030年,地球人口将增至85亿,与之相反,伴随着全球的城市化进程,耕地面积和务农人口却在持续减少。如何在气候变化、资源有限的情况下增加农业产出,同时保持可持续发展,是全人类所面临的重大难题。

“食物、能源和水对我们的未来至关重要。我们必须拓展现有的体系和架构,以适应新的全球挑战。人工智能是其中的一种解决方案,目标是以最少的投入获取最多的产出。”腾讯首席探索官网大为在11月的腾讯WE大会上谈到,“尽管目前AI+农业的应用尚属早期,但已经取得了令人兴奋的成果。如果进一步实现自动化,其释放的生产力将是惊人的。我们应该充分认识到人工智能可以发挥的作用,并且积极投入资源去进行技术研发。提高粮食生产力是全球的优先事项,而不仅仅是潜在的商业机会。我们需要鼓励更大胆的设想,激发出更多的解决方案。”


腾讯首席探索官网大为在腾讯WE大会上谈AI+农业


产前:育种选种、土壤分析

近年来,随着人工智能技术不断发展,其应用已逐渐渗入农业生产全过程。例如,在产前阶段,深度人工神经网络(DNN)可利用物联网获取的数据,对灌溉用水进行分析和指导,并通过对土壤成分的检测分析,选择适宜种植的作物品种,合理施肥。通过对农作物市场周期需求的大数据分析和预测,也可指导作物种植品种选择,避免产销脱节引发价格剧烈波动,造成经济损失和农产品浪费。另外,云计算大数据分析和机器学习等技术,还可以帮助筛选和改良农作物基因,达到提升口味、增强抗虫性、增加产量的目的。


产中:病虫害管理、自动采收

在产中阶段,人工智能技术可用于监测环境数据和农作物生长情况。通过建立病虫草害特征分类数据库,并利用计算机视觉技术识别作物品种、病害程度和杂草生长情况,可实现智能预防和管理病虫草害,减少经济损失。不仅如此,这在一定程度上还可减少除草剂和杀虫剂的使用,提升农产品安全性,减轻环境影响。

针对传统农业“看天吃饭”的缺陷,利用机器学习技术处理卫星图像数据,可预测天气等环境变化对作物的影响,提前应对。在采收环节,计算机视觉技术与机械臂或机器人结合,可实现24小时自动化采收,节省人力,降低成本。此外,大数据处理和语音识别等技术可运用于农业智能专家系统中,为农业从业者提供专业咨询服务和指导,帮助解决生产中各种技术问题。

产后:品质检测、优化物流

在产后阶段,具有计算机视觉的机械臂可进行农产品售前品质检测、分类和包装等工作;用大数据分析市场行情,可帮助农产品电商运营,引导企业制定更灵活准确的销售策略;通过人工智能遗传算法和多目标路径优化数学模型,可对物流配送路径进行智能优化,完善生鲜农产品供应链等。



人工智能技术在现代农业生产全阶段的渗入,对推进农业的自动化、信息化和智能化,提升农业生产的质量与效率具有重要意义,但技术发展和应用并非一蹴而成。腾讯AI Lab团队表示:“当年轻的人工智能与古老的农业相碰撞时,会遇到诸多挑战,如何预见和解决这些难题,需要耐心、创新,甚至是一些灵感。但其中蕴含的机遇也是巨大的,我们希望能有更多跨学科专家、企业家和投资者一起携手,共同发掘AI+农业的各种可能性。”

腾讯AI实验室
腾讯AI实验室

产业农业腾讯机器学习
相关数据
英特尔机构

英特尔是计算创新领域的全球领先厂商,致力于拓展科技疆界,让最精彩体验成为可能。英特尔创始于1968年,已拥有近半个世纪产品创新和引领市场的经验。英特尔1971年推出了世界上第一个微处理器,后来又促进了计算机和互联网的革命,改变了整个世界的进程。如今,英特尔正转型成为一家数据公司,制定了清晰的数据战略,凭借云和数据中心、物联网、存储、FPGA以及5G构成的增长良性循环,提供独到价值,驱动日益发展的智能互联世界。英特尔专注于技术创新,同时也积极支持中国的自主创新,与产业伙伴携手推动智能互联的发展。基于明确的数据战略和智能互联全栈实力,英特尔瞄准人工智能、无人驾驶、5G、精准医疗、体育等关键领域,与中国深度合作。面向未来,英特尔致力于做中国高价值合作伙伴,在新科技、新经济、新消费三个方面,着力驱动产业协同创新,为实体经济增值,促进消费升级。

https://www.intel.com/content/www/us/en/company-overview/company-overview.html
相关技术
微软机构

微软是美国一家跨国计算机科技公司,以研发、制造、授权和提供广泛的计算机软件服务为主。总部位于美国华盛顿州的雷德蒙德,最为著名和畅销的产品为Microsoft Windows操作系统和Microsoft Office办公室软件,以及Xbox的游戏业务。微软是美国《财富》杂志2015年评选的世界500强企业排行榜中的第95名。

https://www.microsoft.com/en-us/about
专家系统技术

专家系统(ES)是人工智能最活跃和最广泛的领域之一。专家系统定义为:使用人类专家推理的计算机模型来处理现实世界中需要专家作出解释的复杂问题,并得出与专家相同的结论。简言之,如图1所示,专家系统可视作“知识库(knowledge base)”和“推理机(inference machine)” 的结合。

机器学习技术

机器学习是人工智能的一个分支,是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。因为学习算法中涉及了大量的统计学理论,机器学习与推断统计学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。

人工智能技术

在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)

剪枝技术

剪枝顾名思义,就是删去一些不重要的节点,来减小计算或搜索的复杂度。剪枝在很多算法中都有很好的应用,如:决策树,神经网络,搜索算法,数据库的设计等。在决策树和神经网络中,剪枝可以有效缓解过拟合问题并减小计算复杂度;在搜索算法中,可以减小搜索范围,提高搜索效率。

计算机视觉技术

计算机视觉(CV)是指机器感知环境的能力。这一技术类别中的经典任务有图像形成、图像处理、图像提取和图像的三维推理。目标识别和面部识别也是很重要的研究领域。

数据库技术

数据库,简而言之可视为电子化的文件柜——存储电子文件的处所,用户可以对文件中的数据运行新增、截取、更新、删除等操作。 所谓“数据库”系以一定方式储存在一起、能予多个用户共享、具有尽可能小的冗余度、与应用程序彼此独立的数据集合。

云计算技术

云计算(英语:cloud computing),是一种基于互联网的计算方式,通过这种方式,共享的软硬件资源和信息可以按需求提供给计算机各种终端和其他设备。

大数据技术技术

大数据,又称为巨量资料,指的是传统数据处理应用软件不足以处理它们的大或复杂的数据集的术语。

语音识别技术

自动语音识别是一种将口头语音转换为实时可读文本的技术。自动语音识别也称为语音识别(Speech Recognition)或计算机语音识别(Computer Speech Recognition)。自动语音识别是一个多学科交叉的领域,它与声学、语音学、语言学、数字信号处理理论、信息论、计算机科学等众多学科紧密相连。由于语音信号的多样性和复杂性,目前的语音识别系统只能在一定的限制条件下获得满意的性能,或者说只能应用于某些特定的场合。自动语音识别在人工智能领域占据着极其重要的位置。

遗传算法技术

遗传算法是计算数学中用于解决最优化的搜索算法,是进化算法的一种。进化算法最初是借鉴了进化生物学中的一些现象而发展起来的,这些现象包括遗传、突变、自然选择以及杂交等。 遗传算法通常实现方式为一种计算机模拟。对于一个最优化问题,一定数量的候选解可抽象表示为染色体,使种群向更好的解进化。

强化学习技术

强化学习是一种试错方法,其目标是让软件智能体在特定环境中能够采取回报最大化的行为。强化学习在马尔可夫决策过程环境中主要使用的技术是动态规划(Dynamic Programming)。流行的强化学习方法包括自适应动态规划(ADP)、时间差分(TD)学习、状态-动作-回报-状态-动作(SARSA)算法、Q 学习、深度强化学习(DQN);其应用包括下棋类游戏、机器人控制和工作调度等。

推荐文章
暂无评论
暂无评论~