基于知识图谱和机器视觉的智慧草莓生产托管服务系统实践＊

林 森，郭文忠**，郑建锋，肖丽娟，文朝武，张 宇，龙洁花

（1.北京农业智能装备技术研究中心，北京 100097；2.中国农业大学，北京 100083；3.天津绿色世界现代农业有限公司，天津 301800）

草莓是中国广泛种植的重要经济作物之一，在国内大部分地区均有种植，是帮助农民增收致富的重要作物。目前草莓种植多为设施栽培，与传统露地栽培草莓的方式相比，设施栽培更有利于草莓的生长及生产，由于其对草莓生产具有一定的优势，因此设施草莓被大力推广，并被广泛应用到草莓的实际生产中[1-2]。但是，草莓种植多为单体设施栽培，种植技术为传统的小农方式，技术落后，种植经验缺乏，针对这种现状，笔者采用人工智能技术将种植者经验和模型系统相结合，并通过这种技术方案建立了一套基于知识推理和视觉信息识别的设施草莓智慧管控决策方法，在此基础上开发了一款草莓智慧管控云服务托管系统。

决策方法

采用知识图谱技术将种植者经验和模型系统相结合，首先要将种植者经验、环境数据和草莓图像识别数据标准化，建立标准化的草莓种植知识结构和知识库；然后采用知识推理的方法结合草莓种植水肥模型和温室气候模型建立设施草莓智慧种植决策方法，该技术方案包括草莓植株生长模型、基于多特征融合的草莓生长状态识别算法、基于知识图谱的草莓智慧管理决策方法、草莓智慧管控云服务托管系统等4 个部分（图1）。

草莓生长模型

不同品种的草莓植株的生长特性不同，同一品种在不同的环境下的生长特征也不同。为了能够清楚直观地表示草莓植株在一定条件下的生长状况，可以将草莓植株的生长过程用图形的方式表示出来。

草莓生长模型图包含了植株生长时间、株高（叶柄长）、茎粗、叶片长、叶片宽、叶片数、叶片展开时间、开花时间、果实膨大时间、开始采收时间和采收结束时间。通过生长模型图可以很方便地分析草莓营养生长和生殖生长的过程，更好地理解草莓在不同环境下的生长行为。通过对比视觉识别的植株生长状态与草莓生长模型，得到作物生长偏差，进一步根据生长偏差通过知识图谱决策系统调整设定值。

图1 基于知识图谱的草莓种植智慧管控决策系统

图2 基于YOLO-V4 的草莓生长状态识别算法

图3 草莓关键特征识别效果

草莓生长状态识别模型构建

草莓生育期是影响草莓种植管理的重要因素，传统的草莓生育期识别方法主要依靠人的经验，团队采用机器视觉的识别方法来自动识别草莓生育期、吐水情况、果实和花朵，为草莓智慧管控提供决策依据。视觉识别模型提取的信息包括生育期、吐水、果实和花朵等信息。视觉分析模型的构建主要包括采集样本图片、样本增强、样本标注、模型训练、视觉模型应用5 部分。草莓生育期被分为5 个时期，即营养生长期、开花期、果实膨大期1、果实膨大期2、成熟期。

该模型采用基于多特征融合的草莓生长状态识别算法，实现草莓生育期和吐水情况的识别。该算法采用YOLO-V4 网络进行特征提取，然后对于不同尺度特征再进行加深提取，最后将各特征采样至原图大小进行特征融合[7-9]。基于YOLO-V4 的草莓生长状态识别算法示意图如图2 所示，草莓关键特征识别效果如图3 所示。

基于知识推理草莓智慧管控决策方法

知识图谱通常建立在大量的历史数据和图片之上，将所有数据链接在一起。知识图谱可以将经验知识化，帮助重构一种可选择、可分类、结构化的知识，使计算机和人类都能读懂知识。

基于知识图谱结构的推理方法包括标准化管理策略和优化调整策略两个部分，即在标准化管理策略的基础上，根据实时反馈结果调整优化管理策略（图4）。标准管理策略表是基础设置，是满足作物生长的基本需求。优化调整管理策略表是决策系统根据反馈的作物状态进行调整的策略。

将知识图谱的知识推理方法应用到草莓种植管理中，首先要将影响草莓生长和种植经济性的因素进行融合分析，将相关知识进行标准化，建立标准化的草莓种植知识结构；然后根据标准化的知识结构搜集大量专家的草莓种植经验，构建草莓种植专家知识库；采用基于Neo4j 与Python 的方法构建知识图谱，构建草莓种植智慧管控系统。图5 是构建的知识图谱的一部分。

知识推理过程中需要采集的数据包括天气、植株高度、吐水情况、茎粗、空气温度、太阳辐射、空气湿度。天气情况根据当天天气预报得到；植株吐水情况根据视觉识别得到；植株高度和茎粗由生产辅助管理人员策略得到；实时环境数据空气温度、太阳辐射、空气湿度由现场安装传感器测量得到[3-6]。

草莓智慧管控云服务托管系统

基于草莓智慧管控决策方法的科技成果，开发了草莓智慧管控云托管服务系统，实现了草莓智慧管控过程中灌溉、施肥、环境控制、数据分析和设备巡检的全托管服务，云平台基础功能主要包括云组态、数据分析、知识推理系统、视觉系统、模型系统和知识库等模块，辅助可选功能包括水肥一体化智慧管控系统、草莓生产档案管理、草莓品控溯源系统等，系统总体框架如图6 所示。

图4 基于知识推理草莓智慧管控决策方法

图5 灌溉知识图谱构建

图6 系统总体框架图

试验验证

试验场地选择云南省昆明市富民县国家高原云果产业园，如图7 所示。试验品种是‘章姬’草莓，‘章姬’为日本品种，果实长圆锥形，鲜红美观，果型端正整齐。一级花序果平均果重35 g，最大果重50 g，可溶性固形物含量为9%～14%。

栽培方式为高架基质栽培，与传统的土壤栽培相比，草莓高架栽培可以避免弯腰作业，极大降低草莓生产的劳动强度，有效避免土壤连作障碍，使得果实清洁卫生、着色均匀。在草莓生产人员老龄化加剧和农产品安全问题日益严峻的时代背景下，草莓高架栽培的技术优势越来越凸显。通过水肥一体化施肥机和滴灌系统对植株提供水肥营养液，按照营养液配方（质量比N:P:K:Ca:Mg:Fe:Mn:Cu:Zn:B:Mo=100:25:125:80:24:2.5:0.5:0.02:0.05:0.5:0.01）配制母液。

图7 试验场地

试验温室位于云南省昆明市富民县（东经102°21'～102°47'，北 纬25°08'～25°36'），平 均海拔1679 m，气候温和，冬无严寒，夏无酷暑，干湿季分明。年平均气温15.8℃，春季平均气温17.5℃，夏季20.9℃，秋季15.8℃，冬季9.1℃，如图8 所示。

试验结果与分析

将草莓智慧管控云服务托管系统应用到生产中，经过4 个月的验证测试，草莓植株生长良好，如图9 草莓生长效果。

随机选取80 株草莓测量产量，于2020 年9 月10 日开始第一次测产，果实完全成熟后即采收，11 月30 日为最后一次测产。单果重10 g 以上，果型周正，无病虫害，具有商品价值的果实按照重量分为A 级果（30 g 以上）、B 级果（20～30 g）、C 级果（15～20 g）、D 级果（10～15 g）。根据最后的测产结果，试验基于知识推理的决策方法使得草莓产量达到8456.1 g，约105.7 g/ 株。定植后产量分布如图10 所示，表1 为果实产出分布。

图8 试验温室所在地月空气温湿度（2019 年7～11 月）

图9 草莓生长效果

图10 定植后产量统计

表1 果实产出分布

结论

该试验建立了草莓智慧管控云端的托管系统，提出了采用托管服务的方式解决单栋塑料大棚草莓种植管理问题，实现了温室草莓种植日常管理的托管式服务。其中构建的基于机器视觉的草莓生长状态识别系统，解决了草莓生长状态识别和辨认完全依靠种植者经验的问题，并首次提出基于知识图谱的设施草莓智慧管控决策方法，该方法的标准化知识库随着知识的积累和数据的增加，决策方法会更加精准。云服务系统形成草莓种植管理“智慧在云，智能在端”的管控方式，托管服务模式可以有效地改变农民的生产理念，由过去的单纯追求产量向质量效益型转变，并使项目区农民掌握信息化、智能化、装备化的管理技术，对发展智慧农业具有重要的促进作用，形成完善、可借鉴的草莓智慧化管控模式，为中国草莓智慧种植探索开创新的局面。