今天小编分享的科学经验：挑战马斯克“农民”弟弟！上海交大工科博导带队种菜，三个月从入门到产量翻番，欢迎阅读。
当 TOP3 高校工科博导开始种菜，会有什么不一样？
一出手，就搭了个数据量超 13 万组的可视化信息分析平台，三个月从入门到产量暴增 135%。
还是在纯封闭环境——貨櫃那种。
要知道，貨櫃种菜这件事儿，就连马斯克的 " 农民 " 弟弟金巴尔 · 马斯克（Kimbal Musk）都还没搞明白。
其创办的垂直农业公司 Square Roots，最后一次融资是在六年前，此后再未掀起更多水花。
即便这个领網域软银、亚马逊等科技巨头押注，但现实是大部分公司仍处在规模化落地探索阶段。
没关系，中国技术团队会出手。
上海崇明的四个貨櫃内，来自上海交通大学、中国农业大学、上海农科院和极星农业的研究人员们，悄然开展了一场技术探索。
挑战马斯克兄弟的商业化难题
金巴尔 · 马斯克涉足的垂直农业领網域，指利用建筑物室内的垂直空间进行种植。
在室内，光照、水和温湿度等一切条件变得可控。换言之，作物不再靠天生长，全程由人类来把控。
相较传统农场，它存在大量商业化优势——
节省近 90% 用水量、减少农药使用、降低运输成本……
然而，所有这些优势的实现，都有一个 " 砍不掉 " 的前提条件，那就是巨大的成本投入。具体又分为能源和技术成本。
能源上，用灯光替代阳光，不到 950㎡的室内，光是灯电费每年就可能达到 10~20 万美元，更别提还有控温用的空调、除湿风扇等。
技术成本方面，植物品种繁杂、可控数据类型多等因素，目前尚未诞生一个通用作物模型，同时还得应对各种复杂环境，导致研发需要持续投入。
于是乎，来自四个不同部門的中国产学研团队，正式就这一系列行业瓶颈发起挑战。
一方面设立了产量、品质和能耗三个指标，尽可能在降低能源成本情况下提升收益；另一方面则要求体现算法的突破性、创新性，在技术研发上寻找突破口。除此之外，商业创新也被列为需要考虑的因素。
首先就是来自上海交通大学博士生导师鲍华带领的 " 纯工科 " 团队。
团队一上来就发现，原始貨櫃的数据无法直接建模进行数据分析。
其一，采集量太少，只提供 24h 历史数据；其二，数据分散在不同控制系统中，包括光照、温湿度和其他单元等；其三，查看方式不方便，需要用特定 APP 手动导出。
于是乎，他们干脆将数据采集和分析这两个步骤全自动化——自研数据平台，将所有的异构数据（如同一时间点记录的植物生长照片、温度湿度数据、二氧化碳浓度、光照条件等）融合其中。
平台前后一共采集了接近 13 万组数据，并将这些原本在 " 不同组别 " 的数据进行了融合。
理论上不同类型数据联动得越好，" 模拟 " 植物后续生长流程就会越顺利，从而迅速总结出考虑更全面、迭代更先进的环境控制算法，进一步降低人工分析的复杂度。
基于队内植物专家提供的目标理想参数，团队将场景温度 - 系统能耗 - 空调控制综合考虑进去，同时基于热特性分析、风速和温度场模拟等工程算法，迭代了几次。
最终在能源成本降低上，他们空调和光照的能耗相比最初节省了 29%。即使在温度升高 9 ℃的情况下，基于环境控制算法，团队也能用同样的能耗量将温湿度及二氧化碳浓度调控在目标水平。
在商业化推广思路上，团队将数据用前端进行可视化，更方便从其中快速总结教训和经验，进一步降低用户的操作门槛。
同样从工科角度出发，但又具备农业知识的中国农业大学团队，则将团队创新思路放在了产量预测算法上。
具体而言，一个是基于二氧化碳质量平衡的植物净同化量动态监测技术，预测植物地上部分鲜重的积累。
另一个则是建立植物冠层的面积识别模型，基于相机采集并设计影像分割算法，不断调参优化性能，可以实现基于机器视觉识别的植物生物量监测，同时也能调控生长速度，避免出现烧心现象降低产量。
最终他们实际的产量与预测单株的产量仅相差 1g。
而对于四个团队中唯一的企业极星农业而言，他们关注三点核心：产量预测、无人化和易用性。
产量预测上，团队基于动态密度变更策略，开发了一套植物种植密度预测系统，基于这套系统变更的栽培方式，理论上节约了 10% 用电量；再结合产量预测算法，基于光照、温度、生产周期以根据市场需求调整生产速率，甚至做到从生长到产出直接定量供应。
同时，与其他团队不同，在整个比赛的这三个多月，极星农业没有人在现场，实现了调控的完全无人化。
为此，极星农业研发了一个自动报警系统，增强设备可靠性，这样就能在温度等条件出现偏差时及时处理。
最后就是易用性了。团队认为，相比调控大量设备，更重要的是系统能自动控制核心变量，如水、温度等环境条件，从而将参数控制在目标值内，无需手动调控。
不过要论真正的 " 专业对口 "，其实还是上海市农业科学院团队。
相比算法，团队更侧重于植物品种特性的挖掘，在真正规模化种植之前，先来了一波 " 控制变量法 "，将不同环境下植物生长的情况全部测试了一番。
基于此，团队最终开发了一套智慧种植决策管理系统，融合植株的生长模型、光截获模型、蒸腾模型等算法，实时收集多传感器数据，以检测植物生长情况。
也正是基于这种思路，上海农科院整出了其他三个团队都没想到的 " 新活儿 "，即貨櫃中不設定昼夜温差，最大程度上提升植物产量。
最终他们的植物生产效率达到 0.18kg/㎡/ 天，产量是几个团队中之最，他们还计划将核心技术申请专利。
在几支团队的合力之下，" 貨櫃种菜 " 全流程能耗降低了 30%，产能也比预估提高了 30%~50% 的效果。
这不仅简化了农业生产的的过程，也增强了技术落地的可能性。而且，这些团队研发的系统经过完善后，甚至具备可推广性。
典型例证就是，有一些从事植物工厂建设或制造的企业，已经主动找到部分团队对接了。
这一次的种植成果，也被有的团队挖掘出了新的科研方向。
已有实际成果转化
熟悉智慧农业的朋友，或许对这场练兵并不陌生。
事实上，这是由拼多多牵头，同光明母港携手举办的第三届多多农研科技大赛——
参赛团队需在 90 天内实现三茬 " 翠恬 " 生菜的种植，过程中需要兼顾产量、品质和可持续性。
换言之，依靠前沿技术实现对现实农业的赋能。在此之前，草莓、樱桃番茄的比拼中已经有了成果转化。
比如首届团队" 智多莓 "，正是看到技术产品化的应用前景，比赛完就成立公司。
如今该公司已形成智能灌溉系统、智能温室环境控制系统等硬體、軟體、算法产品。截至今年一季度，总共向全国输出 40 套系统，覆盖辽宁、云南、安徽、上海、北京、内蒙等地，并从草莓、蓝莓逐步扩展到咖啡、花卉、小番茄和柑橘种植市场。
另外，在云南省怒江州老窝村，他们在当地搭建起了数字化草莓生产体系，直接将产业常用工成本下降 30% 以上，包括肥料支出减少 2500 元 / 亩、植保支出减少 1000 元 / 亩，而草莓产量增加 30%。
还有第二届冠军团队番茄快长团队，设计的产量预测模型——从基因层面了解到的品种生理需求，与现场影像结合进行融合修正，也已经在自己企业玻璃温室中应用，更好地方便产销对接。
不过，跟以往不同的是，此次不在玻璃温室里，而是在一个特殊的环境——没有土壤没有阳光的封闭貨櫃，最大程度阻隔外界环境的影响，回归植物本身的需求。
某种程度上讲，这种场景也最考验技术，因此在成果转化上也最具有研究价值。
如果说第一届属于是人机大战，首次验证了 AI 种的作物，在产量上远超人类；
第二次则是更多年轻高技术人才加入，他们利用前沿作物模型、精准农业、营养科学等技术实现远程种植。
那么这一次则是集前两次之大成，有 AI 有人才，更关键的是，工程技术与农学在这里进行了更深入的融合。
最直观感受就是，更多工程学科背景的人参与到其中，给农业一点小小的 "工科震撼"。
光明母港农业事业部总监王金华就坦言：没想到能有这么多跨学科人员进入到农业领網域。
植物工厂的比赛是要打破边界的探索，这是我们比较兴奋的一点。
比如就像此次鲍华教授团队，依托于上海交通大学溥渊未来技术学院。
他本人研究领網域包括微纳米尺度的热量输送和能量转换，以及对热量输送的物理过程的多尺度仿真等，在热电转换和微电子器件散热等领網域有着重要的应用价值。
在此次比赛前，他们团队各位成员互不相识。他坦言，这次大赛是工科团队知识在农业场景应用的首次尝试，一次较为成功的学科交叉。
事实上，由于没有一点种植经验，他们第一茬生菜种植表现并不理想。但因为数据平台能够感知实时变化，方便更新迭代和优化决策。
两轮作物迭代后，第三轮的产量较第二茬增长 86%，较第一茬增长 135%。
甚至有专家惊叹，如果时间再延长一点，产量冠军或许就是这支 " 全工科团队 " 了。
团队接下来还计划引入生成式 AI更好地总结其中的规律，进一步加速工业化生产落地。
这种农业与工程技术、前沿技术的更紧密融合，是整个农业发展的一隅。
农学与工学手拉手
以往的传统农业，与工学之间的联系可能感知很少。但现在 " 工农融合 " 已经注入到实实在在的作物种植当中去。
比如去年就有团队用 YOLO V3 网络识别番茄不同生长状态。
用极星农业团队的话来说，未来农业工业这两个学科就必须手拉手。
这个比赛之前，各种数字技术其实已经亮相在田间地头。
比如无人机已经肩负起播撒、施肥、遥感等工作。
地面也有无人拖拉机进行作业，农户只需通过连接智能手机或平板电腦进行航线规划。
清华教授张宏宇曾表示，农业现代化的推进过程，本质上讲，其实恰是更多工业元素的渗透、融合和替代的过程。
往更早前回溯，以化肥、农药和农机为代表的工业元素融合，这是农业工业化的上半场。那么随着科学技术的进步，5G、物联网、AI、云计算、大数据的发展，这种渗透、融合和替代的趋势加快，以数字技术为表征的工业元素进入到农业领網域，也就来到了农业工业化的下半程。
这种推进，需要各方、尤其是农业产业链上的企业伙伴来承担。
作为国内最大的农产品上行平台，拼多多在产业链上承担着重要角色——
一头连着各地的农户，一头直接连着市场。在帮助农户建立连接、打开销路的同时，拼多多也建立起一条覆盖全国的农产品流通 - 消费体系。
解放流通体系，用数字化技术，推动农业效率的提升。但这也只是大家感知最多的、拼多多推动农业数字化的其中一步。
自成立以来，他们就已从底层生产出发，推动前沿科技创新。
比如持续三年举办的多多农研科技大赛，还有 " 拼多多杯 " 科技小院大赛、全球农创客大赛等比赛。
就在上个月，拼多多还向中国农业大学捐赠 1 亿元，设立了" 拼多多 - 中国农业大学研究基金 "，支持中国农业大学在基础研究和农业核心技术突破瓶頸方面进行探索。
只有更多的企业、技术人才的助力，看似与科幻隔绝的农业，也将带来更多想象。
正如当前大模型风头正盛，已经有企业在进行相关探索。
比如商汤推出的 AI 遥感大模型，借助通用视觉大模型 10 亿级模型参数，涵盖了 46 类语义分割、5 类目标监测、4 类变化检测、2 类超分辨率算法。
还有一亩田集团推出基于大模型的农业 AI 对话机器人 " 小田 "。针对不同用户群体，涉及从生产、流通、采购等全链条多个场景，帮助农民解决种什么、怎么种、如何卖、高效买的问题。
好了最后还想请大家集思广益一下，大模型在农业上，还能有哪些用途和前景？
以及是不是科技农业规模化应用了，是不是能田园牧歌式写代码了？
— 完 —
点这里关注我，记得标星哦～
一键三连「分享」、「点赞」和「在看」
科技前沿进展日日相见 ~
>
