恒达招商_腾讯智慧农业:联办国际温室种植大赛、与农科院成立联合实验室

关于恒达平台 www.shmcws.com 2个月前 (03-31) 33次浏览

在刚刚结束的首届腾讯全球数字生态大会上,腾讯宣布在智慧农业领域的最新进展:国际上与欧洲顶级农业大学WUR联办第二届“国际智慧温室种植大赛”,国内与中国农科院信息所成立智慧农业联合实验室。

  腾讯副总裁姚星在揭牌式上表示,“自去年底腾讯AI Lab 牵头研发的iGrow算法在首届温室种植大赛上收获丰盛,我们一直在大力推进前沿科技与农业的跨界研究。腾讯集团也已相继与中粮集团、广东粤旺农业集团、深圳壹家仓、仲恺农业工程学院等签订战略合作协议,开展智慧农业深度合作。今天我们又有了一位新伙伴,腾讯将携手中国农科院农业信息研究所,借助信息所在农业领域深厚的积累整合腾讯在AI等前沿科技的实力,成立智慧农业联合实验室,继续探索前沿科技和农业的跨领域研究,共同助力产业升级!”

  中国农业科学院农业信息研究所所长孙坦表示,未来,智慧农业联合实验室将着力探索以下两个方面:

  一、结合现有积累及国情,在可控环境下,开发通用人工智能种植解决方案,推动产业升级与中国智慧方案自主研发;

  二、以算法为基础,整合双方在技术和农业知识上的优势,联动IoT、机器人、计算机视觉等能力,寻找前沿科技与现代农业的结合点,协同开展原始创新。

  AI分论坛上,腾讯AI Lab“AI+农业”业务负责人罗迪君介绍了团队在首届智慧温室种植大赛中的经验以及在农业AI领域的技术探索。以下是演讲内容分享:

  从硅到碳:AI如何助力智慧农业

  ——腾讯AI Lab“AI+农业”业务负责人罗迪君

  首先介绍一下这个题目,碳基文明和硅基文明是科幻小说中的概念。这里想借用这个概念,硅是半导体最重要的组成元素,也是运行人工智能算法的计算机中最重要的组成部分。在这项探索当中,腾讯AI Lab创新性地把依赖硅而存在的人工智能迁移作用到以碳为主要元素的农作物上,让农作物更智能地生长,消耗尽量少的资源,获得更多的食物,试图解决一些人类将来可能面临的全球性挑战问题。

  在由荷兰瓦赫宁根大学(WUR)举办的首届温室种植大赛中,我们获取了AI策略第一名,总分第二名的成绩,平均产量是24公斤每平方米每季度,超出国内水平6倍,媲美拥有20年黄瓜种植经验的顶级专家。

  农业AI系统的构建和训练方法

  基于同样的理由,为了突破农业技术的局限性,我们希望构建出一种用于开发农业技术的创新工具。首先,我们构造了一个和真实温室尽量接近的仿真系统,通过仿真的传感器和控制器训练AI,通过大量的训练得到一个控制策略,当控制策略收敛后,再把AI放回一个真实的温室当中,通过同样的传感器和控制器进行全自动闭环控制。

  具体学习框架是:首先,AI根据当前状态作出一个决策,环境就会根据不同的决策演变到下一个状态,同时给AI一个奖励,AI根据新的状态做出决策,以获得尽量多的奖励。如此类推,AI通过不停地和环境交互来进行学习。这个环境可以是一个真实的物理环境,也可以是一个计算机仿真的环境。因为计算机的成本越来越低,计算能力越来越高,在仿真环境下进行AI的训练变得高效而低成本。

  这个算法的核心是通过极低的传感器成本训练出一个优秀的AI控制器。首先,我们减少气候传感器的数目,但同时增加了农业专家知识作为强化学习的奖励回报的一个因素。具体公式如下图,小写r代表净利润。在优化过程中,有三类初始状态,包括茎密度、留果策略和留叶策略都设置为静态参数进行优化。

  AI从仿真系统迁移到真实温室的过程和挑战

  如何把AI从仿真系统迁移到真实温室呢?在首届国际人工智能温室种植大赛中,我们种植的作物是黄瓜。在仿真器中,我们每次都仿真黄瓜约6个月的生长过程,记录AI每次的动作,各种资源的消耗,包括水、电、二氧化碳等,以及黄瓜的收成情况,这样AI就知道怎样的决策会获得怎样的奖励。通过不停地探索和学习,AI也在不断优化自己的决策网络和各种静态参数。在探索学习中,我们会引进很多随机决策,所以AI能寻找出一些超越人类知识的决策。当探索和学习逐渐收敛后,我们就把同样的决策网络和静态参数直接部署到真实的自动温室中进行种植。

  从仿真到真实温室种植是非常有挑战的。首先,仿真器会尽量接近真实温室的物理模型,但模型总是有精度误差,导致了仿真温室中的最优种植策略,很有可能不是真实温室中的最优策略。

  第二,由于是比赛环境,只能控制黄瓜从出生到死亡的一次生长过程。仿真环境下,我们可以不停地尝试种植策略,出了问题就再做一次,但真实的温室中,出了问题就无法回头了。还有,温室的控制策略和黄瓜的收成之间有延迟效应,也就是说,如果温室的控制策略出了问题,会延迟一段时间才能被感知到,这可能导致AI感知到问题的时候,才发现之前的控制错误是灾难性的。最后,真实温室的传感器、控制器总是存在噪声的,这些真实的噪声是很难通过仿真器模拟出来,仿真器和真实温室之间的差异,会导致决策网络的误差。

  上图是在真实温室中我们主要的传感器和控制器。在真正种植前,我们进行了超过三万次的实验,超过一万五千年的种植经验。

  左图是我们的成本和收入随时间变化的曲线,右边是静利润曲线。最初两周左右的净利润是负的,因为这时我们一直在消耗资源,温室也在折旧,却没有黄瓜收成。大概从第三周开始有黄瓜收成,于是亏损逐渐缩小。从大概40天左右开始转亏为盈,最后的净利润是大概每平方米20欧元左右。我们最后的净利润和荷兰最优秀的人类种植专家几乎一样,但获得了更好的二氧化碳效率,我们也获得了这次比赛的AI策略冠军。

  AI的优势和未来发展

  我们的AI在设计阶段就具有终身学习能力。这里展示的是我们的AI如何通过和仿真器以及真实温室的交互过程进行终身学习。首先,我们进行决策网络的初始化,然后在某一个版本的仿真器中进行学习,学习收敛后放入真实温室进行继续学习。如果后续再建立一些更好版本的仿真器,那么这个决策网络可以继续进行学习和迭代,迭代的结果也可以放入多个真实温室中继续学习。每次的学习都会让决策网络的性能进一步提高。

  在这次的实际操作中,我们努力减少了传感器成本,产生了可观的净利润,但总成本还有进一步降低的空间。如黄瓜苗的移植、剪叶、摘瓜等人工成本还不够标准化,对于批量化温室生产来说还有一些困难,我们正在想办法将这些成本降低。另外,进一步提高仿真器的精度也是我们下一步的目标之一。最后,我们正在开发更有弹性的算法,使得在种植过程中,能以很低的学习成本从一种作物迁移到其他作物。

  谢谢大家!

来源:腾讯科技

喜欢 (0)