人工智能果蔬精准化种植技术的研究

韩兵 许张衡

摘  要： 当前智慧温室大棚系统过程数据利用率低，种植经验与果蔬生长过程数据无法关联，导致无法更好的控制果蔬生长过程。文章通过向量机等人工智能算法，对果蔬生长过程环境参数进行跟踪和分析，动态选取策略子项进行组合，运用各种环境数据训练多类别、分类回归器和相邻模型的一致性的方法，实现温室大棚果蔬的种植环境的优化。实验证明，该方法能够有效地提升果蔬的成熟质量和有效控制生长周期，对果蔬的种植方法有较好的改进。

关键词： 人工智能; 向量机; 策略模型; 分类回归

中图分类号：TP391.8          文献标识码：A     文章编号：1006-8228（2021）02-01-03

Abstract： In view of the low utilization rate of the process data of the current intelligent greenhouse system， the planting experience cannot be linked with the growth process data of fruits and vegetables， results in the growth process of fruits and vegetables cannot be better controlled. In this paper， through the vector machine and other artificial intelligence algorithms， the environmental parameters during the growth process of fruits and vegetables is tracked and analyzed， strategy sub items are dynamically selected and combined. The optimization of greenhouse fruit and vegetable planting environment is realized by using various environmental data to train the consistency of multi category， classification regression and adjacent models. Experiments show that this method can effectively improve the quality of fruits and vegetables and effectively control the growth cycle. It has a good improvement on the planting method of fruits and vegetables.

Key words： artificial intelligence; vector machine; strategy model; classification regression

0 引言

隨着农业技术的进一步发展，大棚的应用越来越广泛，且管理水平越来越高，由于大棚有极好的保温效果，能使蔬菜提前上市或反季节上市，为种植企业带来可观的收益。然而，当前的控制方式尚未根据具体农作物的生长过程进行分析、调整光照、通风和灌溉策略，导致大棚种植的产量偏低。因此，当前的大棚种植急需利用互联网+人工智能技术将农业大棚的科技水平进一步提升，为农户的种植保驾护航，并为数字农业经济发展提供新动能[1]。

现代农业以现代科学技术、生产数据和经营管理方法为基础。人工智能技术率先应用于经济效益较高的农业生产领域，以此实现高技术规范和高效益集约化规模经营[2]。依托部署在农业生产现场的各种传感节点（环境温湿度、土壤水分、二氧化碳、图像等）和无线通信网络实现农业生产环境的智能感知、智能预警、智能决策、智能分析、专家在线指导，定时定量精准生产[3]，为农业生产提供精准化种植、可视化管理、智能化决策，提高农业水利化、机械化和信息化水平，提升农业竞争力[4]。

1 果蔬生长环境参数的分析

通过对市场有关大棚物联技术的考察和分析，针对果蔬生长环境的具体要求，利用自动化控制技术和信息化管理策略为手段[5]，实现对农作物生长环境的空气温度、土壤湿度、光照情况、CO2浓度等农作物生长状况等参数的实时监测、管理和控制[6]。在此基础上建立果蔬种植模型库并不断优化，以此来提高种植产量和缩短种植周期，从过去的粗放式经营转向精细化管理，解放生产力，实现提高整体收益和提升市场竞争性的目标。本文以对生长环境参数要求较高的大白菜、番茄、黄瓜为例来进行分析。

1.1 果蔬种植要求

以大白菜为例，主要是在秋季种植，根据品种不同播种时间可分为：早熟品种在8月上、中旬播种，中晚熟品种在8月下旬至9月初播种，生长周期大约55～60天左右。

大白菜在不同生长时期对温度有着明显不同的要求。在萌发时，需要的温度是20℃～25℃，空气湿度保持在50～60%，即保持土壤湿润，三天后，幼苗就能出齐;莲座期的适宜温度是17℃～22℃，空气湿度保持在50～70%较为适宜;结球期对温度的要求是12℃～18℃，空气湿度需保持在50～60%，此时，需要日照充足，加强光合作用，有利于养分的制造。

同样，对番茄和黄瓜的种植环境和生长周期进行跟踪和考察，发现在各个生长阶段对环境的要求各不相同，因此，针对不同的果蔬种植环境，需要在生长过程中不断进行调整，以提高挂果率和成熟率。

1.2 比较与分析

通过对当前农业大棚最常种植的大白菜、番茄和黄瓜的不同阶段对生长环境的温度和湿度过程数据可以看出，每一种的果蔬的生长周期和阶段时间都不一样，而且每一种果蔬在不同的生长阶段对不同环境参数要求也不尽相同，如表1所示。

因此，对于大棚种植的各种果蔬来说，为了更好的种植果蔬和提高果蔬的质量，按照要求缩短或延长果蔬的成熟周期，需要不同的生长过程库才能满足要求，而生长过程库必须在常规种植经验基础上，通过不同的学习、优化、调整和验证才能最终确定。

2 果蔬种植模型优化的研究

2.1 人工建立模型库

由于果蔬种植具有一年多季的特点，因此，要求信息化系统按照作物生长建立模型，利用数据库技术建立模型库，针对农作物的生长特点，按照所需环境的各类参数，建立生长过程库和培育方法库。这个步骤主要依赖当前积累的种植经验完成。对农业生产中的栽培方案、肥水运筹、病虫草害防治、产量，以及生产力、经济效益、环境质量等，进行系统地和动态地管理，再结合管理经验做优化及综合管理，为下一步策略库的建立积累数据。

2.2 策略库智能调优

初步采集相关环境参数信息后，按照作物生长模型的预测功能，利用后期生长过程库的专家决策能力及培育方法库的系统调控能力，对农业生产中的相关数据进行分析和调整，通过调整温度、湿度、光照等环境参数进行逐步寻优，更进一步的完善种植环境参数的控制系统[7]。这样有助于确立农业生产综合管理，发展精确管理大棚，提高公司的综合管理水平和生产能力，从而达到合理科学地利用资源，减少环境污染，提高农业生产力和生产效益，实现农业生产系统的可持续发展。该系统主要利用人工智能算法中的分类回归器进行优化和升级种植模型库。

⑴ 分类方法 在种植过程中，温度、湿度、光照、CO2浓度、土壤的pH值和土壤微量元素的含量等各项环境数据是相互分离的，通过对这些离散型随机变量建模或预测的监督学习，建立果蔬在生长过程中环境参数的过程集合[8]。从机器学习的观点来看，每个训练样本的数据对象已经有类标识，通过学习可以形成表达数据对象与类标识间对应的知识。

⑵ 回归方法 在种植过程中，针对生长周期中不同类型的环境数据的连续跟踪、分析和学习，可以形成一个优化后的温度、湿度或者其他参数的过程曲线[9]，根据评价体系进行适度调整、优化，然后通过回归方法来验证策略库的有效性，可实现策略库的动态升级。

2.3 精准控制种植

系统在实现对生长环境空气温度、土壤湿度、光照情况、CO2浓度等农作物生长状况等参数的实时监测、管理和控制的同时，以单一种植的大棚为单位建立各种果蔬一年多季的模型库实现精准控制，同时纳入天气预报作为分析手段实现预判，在建立人为经验的模型库的基础上，根据积累的数据进行模型分析、训练和调优，最终形成更高一级的策略库，最终实现不同果蔬环境参数的过程控制域，按照不同果蔬的生长阶段完成科学种植。

综上所述，精准化系统核心是通过人工建立的模型库学习，以知识库和方法库为辅助条件，通过生产数据分析产生智能策略库，实现人工粗放管理→精细化管理→精准化管理的提升。

3 机器学习系统的设计与实现

系统首先获得果蔬种植的环境数据，并对得到的监控数据进行数据清洗，对符合训练条件的数据放入训练数据集。根据模型的标准参数和偏差值，得出当前果蔬种植环境的实际数据，按照学习策略给出果蔬种植环境的调整建议方案。

系统由以下四个子系统组成。

⑴ 环境采集子系统 用于连接各类传感器监测果蔬种植环境的各项数据，监测数据是以接口的形式传入系统，参数主要包括：温度、湿度、光照强度、大棚CO2浓度、土壤的温度和土壤湿度等。实时数据可以直接上传到中心节点服务器中，形成果蔬生长过程的连续监测数据，以便后期能够进行分析和学习。

⑵ 策略库学习子系统 个性化果蔬在种植环境方面对具有非一致性特征进行自动、普适和精准的识别，利用智能寻优的导向算法进行模型库的训练和优化。首先将大棚分割为具有个性化的多特征点进行融合，构造训练集;通过有关向量机算法，结合果蔬的自有信息动态选取策略子项进行组合，训练多类别、分类回归器和相邻模型的一致性;从而在种植环境检测的实时性与控制的精准度问题上实现寻优策略，为果蔬的短周期种植提供保障，同时提升产品的品质，学习训练过程如图1所示。

⑶ 种植控制子系统 系统按照种植不同的果蔬分成各个区域，并将各个区域按照果蔬品种划分为相似的果蔬要求的各个参数，通过细分区域再进行分类以提高参数的使用效率，将个性化区域划分为相对平均的小参数块状区域，并做邻域特征比较，在保留区域边缘和轮廓等重要信息的前提下，获得区分性更好的种植环境特征，通过多种特征的融合方式来描述不同的果蔬种植生长过程环境数据集。

⑷ 综合评价子系统 环境数据1次/分钟进行记录，则一天会产生1440次的记录结果，每天结束后可能和标准范围会出现一定的偏差，按照学习的策略库的参数设定，需要对果蔬的种植环境参数做出调整。通过对每次种植的结果与标准的大棚环境模型对比，给予策略库优化建议，以便在种植中调整环境参数，通过人工评价体系实现不同果蔬生长过程域的最优种植环境参数集合。

4 实验验证

课题通过人工智能的向量机等算法，对果蔬生长过程环境参数进行跟踪和分析，动态选取策略子项进行组合，按照各种环境数据训练多类别、分类回归器和相邻模型的一致性，将人工智能运用在实际的项目之中，从而优化温室大棚果蔬的种植环境的最优曲线，并且监控种植环境在某一时刻是否能符合一定的范围之内，最大程度的保证果蔬种植过程的有效性。实验证实，该方法能够有效的提升果蔬的成熟质量和有效控制生长周期，对果蔬的种植有很大的帮助。

本项目获得2019年度北京市科委创新券项目——基于人工智能智慧大棚寻优模型的研究的支持。

参考文献（References）：

[1] 张国锋，肖宛昂.大力推进人工智能在农业生产中的应用[J].中国国情国力，2020.4：6-8

[2] 张玮.现代智慧农业设施大棚环境监测系统设计[J].计算机测量与控制，2020.28（8）：135-138

[3] 濮永仙.基于物联网的精准农业果蔬种植预警系统[J].湖北农业科学，2016.55（14）：3741-3744，3786

[4] 杨常捷，刘任任.基于物联网的智慧大棚种植系统的研究[J].计算技术与自动化，2018.3：150-154

[5] 陈利江，徐凯，王峻等.温室大棚无线监控系统的设计与开发[J].江苏农机化，2013.2：19-22

[6] 汪海波.人工智能背景下的智慧农业发展[J].中国高新科技，2020.5：33-34

[7] 田福忠，王宜磊，王德信，樊庆忠.物联网和人工智能技术在智慧农业中的应用[J].农村经济与科技，2020.31（5）：14-16

[8] 陈桂芬，李静，陈航.大数据时代人工智能技术在农业领域的研究进展[J].吉林农业大学学报，2018.4：502-510

[9] 邢偉，窦霁虹，卜令杰，刘萌萌.基于果蔬消费种植优化模型的研究[J].数学的实践与认识，2017.47（22）：111-122