植物工厂作物栽培微环境及数字化平台技术构建

袁方 高青 刘良好 李佳 陈金星

(中国科学院分子植物科学卓越创新中心，上海 200032)

1 概述

建立植物工厂蔬果高效栽培[1]智能化调控决策数字模型及微环境数字化平台，以期达到设施作物高效栽培、周年不间断连续规模化生产且系统运行低能耗，实现其生产过程数字精准作业进一步量化和提升运作效率，提高蔬果品质和劳动生产率，有效保护生态环境。植物工厂数字化平台实现了多种技术集成，使设施农业生产实现了规模化、产业化、可控化、精准化、网络化、多功能化融为一体，把生存、生产、生活、生态和可持续发展融为一体，把物质文明和精神文明建设融为一体。植物工厂创新了现代农业生产“栽培环境设施化、微气候环境化、工艺流程数字化、操作系统管理智能化、资源节能化、技术集成化”的崭新模式。

由于植物工厂蔬果栽培区域气候生态环境条件各不相同，相对的控制环境策略和精准控制也应各有特点，与当前植物工厂的大规模应用实践相比，该领域的理论研究相对欠缺。深入研究用于支撑植物工厂微环境的作物设计系统理论，在对微环境温度、相对湿度、混合风量、光模组、CO2气调、水肥精准灌溉、营养吸收状态等生长环境的智能化控制基础上，优化作物在可控环境下的生长及营养物质积累，解决作物生长过程中的共性问题。

在基于“互联网+植物工厂微环境系统”数字化平台运作的同时，以植物工厂环境实时监测数据作为系统控制的主要依据并结合作物生长状况，通过作物生长最适环境模型及控制程序处理，完成终端远程驱动。并在此基础上利用系统机器再学习归纳推理和决策能力，最终将系统数字化平台函数的预测分析能力推向更高的层次，从而使植物工厂生产、管理更加科学、精确。尤其对具有区域规模化植物工厂而言，促进设施作物的增产、优质，减少无效环境功能损失，形成年周期规模化生产能力效果极其明显，应用前景非常广阔。

依赖大数据、人工智能将植物工厂蔬果高效生产数字化、算法化、智能化。通过大数据和算法建立植物工厂微环境蔬果生长模型，人工模拟最适栽培环境和作物生长数据的精准获取、长势的预测判断，传感器与终端信息实时交互及作物生长最适环境各要素，持续优化过程函数，用算法逐步替代经验，并通过机器再学习系统迭代超越经验，算法确认最佳组合模型，完成运算和执行。基于物联网、大数据的精准模式，在设施农业领域形成一个真正的智慧服务平台体系。结合“互联网+植物工厂系统”网络云平台数据信息同步监控系统，AI终将成为植物工厂的实际管理者。

2 植物工厂系统及数字化平台构建

构建植物工厂蔬果高效栽培技术集成系统及植物工厂系统数字化平台，完成对基于特定数字模型的植物工厂蔬果栽培过程，实施形态分类、环境温湿度、循环混合风量、二氧化碳浓度、高光效LED光模组、作物需水量及生长习性、立体结构栽培水肥一体化精准灌溉、复合营养液成分分析等信息作出实时调控和相应预测，结合植物工厂系统数字化平台大数据的精准描述，为作物最适生长建立相应的植物工厂微气候环境及种植过程动态管理决策模型，形成一个植物工厂系统数字化作物生长操作平台，从而满足作物正常生长所需的各项环境因子可控且不受自然气候条件制约。实现蔬果等周年不间断连续生产，以期达到系统栽培环境精准可控智能化、设施生产规模化、系统技术集成产业化等多功能化融为一体的植物工厂作物栽培微环境数字化平台。进一步量化和提升运作效率，提高品质和劳动生产率，有效保护生态环境。

随着植物工厂实施规模的扩大，业内迫切需要针对植物工厂的系统软硬件、蔬果品种最适种植环境需求进行优化，在植物工厂的实际运作中，将直接提升蔬果产量和品质。目前，蔬果种植高效率工厂化运作、能耗和人工成本仍然是制约植物工厂性价比的主要瓶颈。根据目前植物工厂环境热负荷、植物蒸腾与光合作用的整合计算模型、微环境调控技术的发展及应用，特别是高效LED人工光源性价比的大幅提升，为发展植物工厂可持续提供了可行性。然而，要系统解决这些问题，实现植物工厂蔬果生长最适环境参数设置，构建植物工厂作物栽培微环境数字化平台是一种必然选择。

2.1 植物工厂系统及数字化平台模块结构

构建植物工厂作物栽培微环境及数字化平台，其功能模块包括作物生长—环境互作数字模型的微环境智能调控、物联网信息技术应用、生物传感器技术和AI技术应用，实现对植物工厂蔬果生长微环境温度、相对湿度、混合风量、光模组、CO2气调、水肥精准灌溉、营养吸收状态等不同生长环境的精确模拟，最大限度地发挥植物生长潜能。

针对植物工厂作物生长数字模型，研究作物生长过程及环境因子对生长的影响规律，形成系统数字建模基本理论、方法，实现植物工厂智能控制系统微环境调控。其中，动态数据实时采集、植床冷热量传导模式、水培根系半导体精准控温、植物红光受体与远红光受体的生理调节功能的机制及诱导、微环境调控时段的研究与数字模型控制技术应用、复合营养液水肥一体化灌溉等系统集成关键技术应用增效显著。具体结构见图1。

图1 植物工厂系统及数字化平台模块结构

2.2 植物工厂的关键技术

建立植物生长最适环境模型，在构建植物工厂系统数字化平台基础上，研发一种植物工厂微气候环境智能控制系统。通过“互联网+设施”物联网技术应用，人工模拟最适栽培环境和植物数据的精准采集，低功耗5G终端进行数据传输增强，完成实时监测农业设施生产要素，设施达到真正的数据可视化。以稳定的工业级现场驱动控制加数据无线传感网络通讯,通过自组织结构控制信息互递、NB-Lot技术应用，确保系统长时间低功耗稳定运行。通过网络云平台系统大数据分析支撑，实现区域无线同步监视作物生长状况并对异常信息进行及时预警提示、PDA等移动终端远程监控及专家系统后台服务。将植物工厂高效生产数字化、算法化、智能化、可视化。结合数据分析和机器深度学习，并以组态软件为操作应用系统，JAVA为人机界面，形成一个数据化植物生长操作标准体系的智慧种植服务平台。

2.2.1 作物生长核心参数研究

系统研究营养液配比对蔬果生长发育及营养物质含量的影响；研究土壤、基质物理参数对蔬果生长发育及营养物质含量的影响；研究控制蔬果生长发育的营养物质关键因素；研究光源关键参数(尤其是光谱)对蔬果生长发育的影响。获取环境因子与作物互作核心动态参数，为构建作物生长数字模型奠定基础。

2.2.2 作物生长数字模型构建系统研究

以作物生长发育模型为基础，充分利用植物工厂环境因子影响蔬果生长发育过程的系统数据，针对特定的设施蔬果品系，建立作物生长发育数字模型，实现针对不同微环境温度、相对湿度、CO2、人工光诱导及营养物质关键元素吸收及营养物质积累[2]，水肥精准灌溉及最佳营养配方的系统管理，开展不同时段的优化实验，最终获得实际可增产增效的数字模型。在整体数据采集与分析结果的基础上，形成大数据支撑下控制不同作物生长发育过程的精确模拟。

2.2.3 基于作物生长数字模型、人工智能的植物工厂数字化平台构建

基于植物工厂蔬果生长数字模型，建立环境与作物互作智能化调控系统，依据生长过程数据形成人工智能机器识别再学习和算法，解决不同作物生长阶段数字模型预测与实际效果之间的比对，结合物联网信息技术应用，建立植物工厂蔬果生长过程各类环境参数的优化及越限预警，实时、精准调控植物工厂蔬果生产状态及环境因子干预，真正实现在数字化平台下植物工厂蔬果增产增量和优质，生产目标定制化和标准化。

3 植物工厂数字化相关技术在农业生产上的应用

植物工厂数字化平台相关技术将实现对人工光源光谱、营养液配方等关键参数的配置及智能控制，实现对特定微环境下的作物生长过程的精确预测，其中关键的栽培微环境气候调节系统、表型高光谱测量系统获得作物生长参数结合图像AI比对识别，为植物工厂大规模应用提供数字化技术支撑，为实际生产建立量化监控和实时调控技术平台。

该项目将整合当前植物学研究最前沿，有效利用各类表型组学技术、远程成像技术、植物生长发育模型构建技术，建立针对植物生长发育过程的机理模型，从而为动态、实时调控环境因子，实现植物工厂蔬果最佳生长提供坚实的技术基础支持。这将为植物工厂数字化发展提供核心“芯片”，在未来竞争中提供具有自主知识产权的软硬件系统平台。

开展植物工厂蔬果栽培微环境数字化平台关键技术集成研究与应用，降低植物工厂能耗是最直接的手段，已成为设施农业资源高效利用和数字精准作业技术领域的一个重要组成部分。提高产品产量及品质，降低农业生产的劳动强度，是农业数字精准作业技术领域得以发展的重要手段和措施。同时，结合作物生长数字建模，在现有植物工厂实践基础上，逐步完善建模数据库，并形成相应设计标准，最大限度地优化使用各项农业资源和投入，促成优质高产和最大经济效益，从而推动行业成熟。

4 植物工厂发展亟需解决的问题

实现大规模连栋温室设施的蔬菜周年稳定生产，均可称其为植物工厂，其特征在于规模大、周年生产、产量稳定、品质保障。采用人工补光或不补光，工厂化的控制管理模式达到预期目标。由于自然光型植物工厂可以建在一般农田上，因此大大降低了土地使用费用和用电费用，使得成本中固定资产投资分摊成本和能耗成本大幅降低。这也是植物工厂产业化应用的重要突破口。但是，所谓中国特有的日光温室生产则不能称其为植物工厂，因为日光温室的环境管理粗放、可控性差，难以维持一定品质的稳定生产，到目前为止还有很多问题，如土壤连作、病虫害防治等。尽管中国的日光温室有近70万hm2，并已成为北方的主流方向，但这并不代表未来的主流方向。而这些年建设的连栋温室为何没有发挥应有的作用，值得国内学术界和产业界人士反思。

在国外，虽人工补光全封闭型植物工厂已具有一定的发展规模且部分商业化，但真正能盈利的工厂还是少数，很多企业投资建设植物工厂是为了转型而进行技术积累。因此，人工光环境植物工厂技术仍然处于发展阶段。商业化的人工补光全封闭型植物工厂只要能实现稳定生产，并达到预定产量，且有一定的销售保障并实现一定盈利是有可能的。无论是蔬果、种苗和药草，在多长时间内能够生产出多少产量的农产品是完全可以调控和核算的，只要这个数据能够得到保障，投入产出比的核算就是合理而可行的。但高端蔬果和高附加值作物的生产仍是人工补光全封闭型植物工厂的主题，可控环境下生产的农产品必须在品质和价格上，与常规露地和温室生产的农产品有质的飞跃，否则，市场定位和占有率都将无法具备竞争优势。发展人工补光全封闭型植物工厂技术不是要取代常规的温室生产和露地生产，而是要在蔬果多样性市场上占领高端市场。近期内人工光型植物工厂在中国必将有较大的商业化产业需求，只要有技术保障，在低风险下实现高投入和高产出是可以预见的。

4.1 植物工厂发展相关技术标准问题

植物工厂实现了多种技术集成，其规模化、产业化、可控化、精准化、网络化、多功能化融为一体，实现了水、肥、气同补问题。在基于数字模型、作物实际生长过程比对，实时、精准调控农业生产环境控制参数，通过环境、作物生长状态监控以及环境因子干预，实现植物工厂特定蔬果品系生长目标的定制化、标准化生产。因而，所有的无线传感总线接口、通讯协议都应具有国家标准。由于各行业相关软硬件产品都拥有各自不同技术及工艺标准，对植物工厂的系统技术集成，目前尚未形成国内统一的技术标准规范，也成为了植物工厂可持续发展的障碍之一。

4.2 核心技术问题

植物工厂的作物生长数字化建模[3]，其信息决策系统的构建，已经成为行业发展的瓶颈。目前我国植物工厂行业已经获得一定的产业化应用经验和数据。随着植物工厂相关技术及产品性价比的提升，有效整合信息技术、生物传感器技术和AI、VR技术，结合植物的遗传信息和环境因子的适应性，建立植物工厂主要作物生长发育、栽培环境的数字化模型，将为实现设施作物适合特定环境的优良品种培育及优质高产提供核心技术支撑。为此，解决关键科学问题是在基于大数据的植物生长模型基础上，形成机器再学习和优化，是构建平台的重要手段之一。

4.3 产业链及商业模式完善

构建基于蔬果生长数字模型的植物工厂智能控制系统数字化平台，对农产品质量安全控制领域的应用和价值起到了相当大的作用。是发现产品产业链质量安全监控的必要需求；明确精准灌溉施肥技术需求必要性定位；确定核心技术监控对象的感知与监控内容。这就必须建立以产学研结合的科技创新体系，发现有价值要求，实现技术产品价值，从而有效解决农产品质量安全全程监控、验证与应用技术难点，实现市场需求。

5 总结与展望

随着植物工厂示范规模的扩大，行业内迫切需要提供相应设计优化的依据，而这个依据需要立足于植物工厂常用各种蔬果品种的种植工艺需求的优化，甚至到种源及环境因子的数字建模。这个领域的优化提升，将直接促进产量和品质的提升。另外，植物工厂系统环境的设计，涉及多个学科，综合性非常强。目前，能耗和人工成本仍然是制约植物工厂性价比的瓶颈，植物工厂热负荷的计算与微环境技术的应用，特别是植物工厂信息技术、生物传感器技术和AI技术的应用和发展，针对作物的基因范式和环境因子的适应性选择特性进行植物工厂数字化平台设计的数字化建模，建立主要农作物的基于基因和环境因子的表型数字模型建模方法和理论体系，并能够利用该模型实现设施蔬果适合特定环境的优良品种培育及优质高产，构建可支撑植物生长精细调控的生长数字化平台。结合高效LED人工光源性价比的大幅提升，都会明显影响系统的能耗水平。而初期的设计又影响到后期运行能耗的50%～70%，可见植物工厂本身的性价比进入稳定成长阶段的重要性。因此，植物生长的数字化建模与植物工厂本身建设建模，已经到了行业发展必要阶段。

经过近10a的快速发展，我国植物工厂行业已经获得一定的产业化应用经验和数据。随着植物工厂相关技术及产品的性价比的提升，预计在未来3～5a，会与有机蔬果出现一个性价比的交点，届时，植物工厂出产的蔬果，将成为一类安全营养蔬果首选。