今天小編分享的科學經驗：挑戰馬斯克“農民”弟弟！上海交大工科博導帶隊種菜，三個月從入門到產量翻番，歡迎閱讀。
當 TOP3 高校工科博導開始種菜，會有什麼不一樣？
一出手，就搭了個數據量超 13 萬組的可視化信息分析平台，三個月從入門到產量暴增 135%。
還是在純封閉環境——貨櫃那種。
要知道，貨櫃種菜這件事兒，就連馬斯克的 " 農民 " 弟弟金巴爾 · 馬斯克（Kimbal Musk）都還沒搞明白。
其創辦的垂直農業公司 Square Roots，最後一次融資是在六年前，此後再未掀起更多水花。
即便這個領網域軟銀、亞馬遜等科技巨頭押注，但現實是大部分公司仍處在規模化落地探索階段。
沒關系，中國技術團隊會出手。
上海崇明的四個貨櫃内，來自上海交通大學、中國農業大學、上海農科院和極星農業的研究人員們，悄然開展了一場技術探索。
挑戰馬斯克兄弟的商業化難題
金巴爾 · 馬斯克涉足的垂直農業領網域，指利用建築物室内的垂直空間進行種植。
在室内，光照、水和溫溼度等一切條件變得可控。換言之，作物不再靠天生長，全程由人類來把控。
相較傳統農場，它存在大量商業化優勢——
節省近 90% 用水量、減少農藥使用、降低運輸成本……
然而，所有這些優勢的實現，都有一個 " 砍不掉 " 的前提條件，那就是巨大的成本投入。具體又分為能源和技術成本。
能源上，用燈光替代陽光，不到 950㎡的室内，光是燈電費每年就可能達到 10~20 萬美元，更别提還有控溫用的空調、除溼風扇等。
技術成本方面，植物品種繁雜、可控數據類型多等因素，目前尚未誕生一個通用作物模型，同時還得應對各種復雜環境，導致研發需要持續投入。
于是乎，來自四個不同部門的中國產學研團隊，正式就這一系列行業瓶頸發起挑戰。
一方面設立了產量、品質和能耗三個指标，盡可能在降低能源成本情況下提升收益；另一方面則要求體現算法的突破性、創新性，在技術研發上尋找突破口。除此之外，商業創新也被列為需要考慮的因素。
首先就是來自上海交通大學博士生導師鮑華帶領的 " 純工科 " 團隊。
團隊一上來就發現，原始貨櫃的數據無法直接建模進行數據分析。
其一，采集量太少，只提供 24h 歷史數據；其二，數據分散在不同控制系統中，包括光照、溫溼度和其他單元等；其三，查看方式不方便，需要用特定 APP 手動導出。
于是乎，他們幹脆将數據采集和分析這兩個步驟全自動化——自研數據平台，将所有的異構數據（如同一時間點記錄的植物生長照片、溫度溼度數據、二氧化碳濃度、光照條件等）融合其中。
平台前後一共采集了接近 13 萬組數據，并将這些原本在 " 不同組别 " 的數據進行了融合。
理論上不同類型數據聯動得越好，" 模拟 " 植物後續生長流程就會越順利，從而迅速總結出考慮更全面、迭代更先進的環境控制算法，進一步降低人工分析的復雜度。
基于隊内植物專家提供的目标理想參數，團隊将場景溫度 - 系統能耗 - 空調控制綜合考慮進去，同時基于熱特性分析、風速和溫度場模拟等工程算法，迭代了幾次。
最終在能源成本降低上，他們空調和光照的能耗相比最初節省了 29%。即使在溫度升高 9 ℃的情況下，基于環境控制算法，團隊也能用同樣的能耗量将溫溼度及二氧化碳濃度調控在目标水平。
在商業化推廣思路上，團隊将數據用前端進行可視化，更方便從其中快速總結教訓和經驗，進一步降低用戶的操作門檻。
同樣從工科角度出發，但又具備農業知識的中國農業大學團隊，則将團隊創新思路放在了產量預測算法上。
具體而言，一個是基于二氧化碳質量平衡的植物淨同化量動态監測技術，預測植物地上部分鮮重的積累。
另一個則是建立植物冠層的面積識别模型，基于相機采集并設計影像分割算法，不斷調參優化性能，可以實現基于機器視覺識别的植物生物量監測，同時也能調控生長速度，避免出現燒心現象降低產量。
最終他們實際的產量與預測單株的產量僅相差 1g。
而對于四個團隊中唯一的企業極星農業而言，他們關注三點核心：產量預測、無人化和易用性。
產量預測上，團隊基于動态密度變更策略，開發了一套植物種植密度預測系統，基于這套系統變更的栽培方式，理論上節約了 10% 用電量；再結合產量預測算法，基于光照、溫度、生產周期以根據市場需求調整生產速率，甚至做到從生長到產出直接定量供應。
同時，與其他團隊不同，在整個比賽的這三個多月，極星農業沒有人在現場，實現了調控的完全無人化。
為此，極星農業研發了一個自動報警系統，增強設備可靠性，這樣就能在溫度等條件出現偏差時及時處理。
最後就是易用性了。團隊認為，相比調控大量設備，更重要的是系統能自動控制核心變量，如水、溫度等環境條件，從而将參數控制在目标值内，無需手動調控。
不過要論真正的 " 專業對口 "，其實還是上海市農業科學院團隊。
相比算法，團隊更側重于植物品種特性的挖掘，在真正規模化種植之前，先來了一波 " 控制變量法 "，将不同環境下植物生長的情況全部測試了一番。
基于此，團隊最終開發了一套智慧種植決策管理系統，融合植株的生長模型、光截獲模型、蒸騰模型等算法，實時收集多傳感器數據，以檢測植物生長情況。
也正是基于這種思路，上海農科院整出了其他三個團隊都沒想到的 " 新活兒 "，即貨櫃中不設定晝夜溫差，最大程度上提升植物產量。
最終他們的植物生產效率達到 0.18kg/㎡/ 天，產量是幾個團隊中之最，他們還計劃将核心技術申請專利。
在幾支團隊的合力之下，" 貨櫃種菜 " 全流程能耗降低了 30%，產能也比預估提高了 30%~50% 的效果。
這不僅簡化了農業生產的的過程，也增強了技術落地的可能性。而且，這些團隊研發的系統經過完善後，甚至具備可推廣性。
典型例證就是，有一些從事植物工廠建設或制造的企業，已經主動找到部分團隊對接了。
這一次的種植成果，也被有的團隊挖掘出了新的科研方向。
已有實際成果轉化
熟悉智慧農業的朋友，或許對這場練兵并不陌生。
事實上，這是由拼多多牽頭，同光明母港攜手舉辦的第三屆多多農研科技大賽——
參賽團隊需在 90 天内實現三茬 " 翠恬 " 生菜的種植，過程中需要兼顧產量、品質和可持續性。
換言之，依靠前沿技術實現對現實農業的賦能。在此之前，草莓、櫻桃番茄的比拼中已經有了成果轉化。
比如首屆團隊" 智多莓 "，正是看到技術產品化的應用前景，比賽完就成立公司。
如今該公司已形成智能灌溉系統、智能溫室環境控制系統等硬體、軟體、算法產品。截至今年一季度，總共向全國輸出 40 套系統，覆蓋遼寧、雲南、安徽、上海、北京、内蒙等地，并從草莓、藍莓逐步擴展到咖啡、花卉、小番茄和柑橘種植市場。
另外，在雲南省怒江州老窩村，他們在當地搭建起了數字化草莓生產體系，直接将產業常用工成本下降 30% 以上，包括肥料支出減少 2500 元 / 畝、植保支出減少 1000 元 / 畝，而草莓產量增加 30%。
還有第二屆冠軍團隊番茄快長團隊，設計的產量預測模型——從基因層面了解到的品種生理需求，與現場影像結合進行融合修正，也已經在自己企業玻璃溫室中應用，更好地方便產銷對接。
不過，跟以往不同的是，此次不在玻璃溫室裡，而是在一個特殊的環境——沒有土壤沒有陽光的封閉貨櫃，最大程度阻隔外界環境的影響，回歸植物本身的需求。
某種程度上講，這種場景也最考驗技術，因此在成果轉化上也最具有研究價值。
如果說第一屆屬于是人機大戰，首次驗證了 AI 種的作物，在產量上遠超人類；
第二次則是更多年輕高技術人才加入，他們利用前沿作物模型、精準農業、營養科學等技術實現遠程種植。
那麼這一次則是集前兩次之大成，有 AI 有人才，更關鍵的是，工程技術與農學在這裡進行了更深入的融合。
最直觀感受就是，更多工程學科背景的人參與到其中，給農業一點小小的 "工科震撼"。
光明母港農業事業部總監王金華就坦言：沒想到能有這麼多跨學科人員進入到農業領網域。
植物工廠的比賽是要打破邊界的探索，這是我們比較興奮的一點。
比如就像此次鮑華教授團隊，依托于上海交通大學溥淵未來技術學院。
他本人研究領網域包括微納米尺度的熱量輸送和能量轉換，以及對熱量輸送的物理過程的多尺度仿真等，在熱電轉換和微電子器件散熱等領網域有着重要的應用價值。
在此次比賽前，他們團隊各位成員互不相識。他坦言，這次大賽是工科團隊知識在農業場景應用的首次嘗試，一次較為成功的學科交叉。
事實上，由于沒有一點種植經驗，他們第一茬生菜種植表現并不理想。但因為數據平台能夠感知實時變化，方便更新迭代和優化決策。
兩輪作物迭代後，第三輪的產量較第二茬增長 86%，較第一茬增長 135%。
甚至有專家驚嘆，如果時間再延長一點，產量冠軍或許就是這支 " 全工科團隊 " 了。
團隊接下來還計劃引入生成式 AI更好地總結其中的規律，進一步加速工業化生產落地。
這種農業與工程技術、前沿技術的更緊密融合，是整個農業發展的一隅。
農學與工學手拉手
以往的傳統農業，與工學之間的聯系可能感知很少。但現在 " 工農融合 " 已經注入到實實在在的作物種植當中去。
比如去年就有團隊用 YOLO V3 網絡識别番茄不同生長狀态。
用極星農業團隊的話來說，未來農業工業這兩個學科就必須手拉手。
這個比賽之前，各種數字技術其實已經亮相在田間地頭。
比如無人機已經肩負起播撒、施肥、遙感等工作。
地面也有無人拖拉機進行作業，農戶只需通過連接智能手機或平板電腦進行航線規劃。
清華教授張宏宇曾表示，農業現代化的推進過程，本質上講，其實恰是更多工業元素的滲透、融合和替代的過程。
往更早前回溯，以化肥、農藥和農機為代表的工業元素融合，這是農業工業化的上半場。那麼随着科學技術的進步，5G、物聯網、AI、雲計算、大數據的發展，這種滲透、融合和替代的趨勢加快，以數字技術為表征的工業元素進入到農業領網域，也就來到了農業工業化的下半程。
這種推進，需要各方、尤其是農業產業鏈上的企業夥伴來承擔。
作為國内最大的農產品上行平台，拼多多在產業鏈上承擔着重要角色——
一頭連着各地的農戶，一頭直接連着市場。在幫助農戶建立連接、打開銷路的同時，拼多多也建立起一條覆蓋全國的農產品流通 - 消費體系。
解放流通體系，用數字化技術，推動農業效率的提升。但這也只是大家感知最多的、拼多多推動農業數字化的其中一步。
自成立以來，他們就已從底層生產出發，推動前沿科技創新。
比如持續三年舉辦的多多農研科技大賽，還有 " 拼多多杯 " 科技小院大賽、全球農創客大賽等比賽。
就在上個月，拼多多還向中國農業大學捐贈 1 億元，設立了" 拼多多 - 中國農業大學研究基金 "，支持中國農業大學在基礎研究和農業核心技術突破瓶頸方面進行探索。
只有更多的企業、技術人才的助力，看似與科幻隔絕的農業，也将帶來更多想象。
正如當前大模型風頭正盛，已經有企業在進行相關探索。
比如商湯推出的 AI 遙感大模型，借助通用視覺大模型 10 億級模型參數，涵蓋了 46 類語義分割、5 類目标監測、4 類變化檢測、2 類超分辨率算法。
還有一畝田集團推出基于大模型的農業 AI 對話機器人 " 小田 "。針對不同用戶群體，涉及從生產、流通、采購等全鏈條多個場景，幫助農民解決種什麼、怎麼種、如何賣、高效買的問題。
好了最後還想請大家集思廣益一下，大模型在農業上，還能有哪些用途和前景？
以及是不是科技農業規模化應用了，是不是能田園牧歌式寫代碼了？
— 完 —
點這裡關注我，記得标星哦～
一鍵三連「分享」、「點贊」和「在看」
科技前沿進展日日相見 ~
>
