本篇文章介绍了iGrow团队在AI+农业领域国际人工智能温室种植大赛上的获奖情况。
iGrow团队部分代表领奖
本次大赛由荷兰瓦赫宁根大学于今年3月发起，旨在通过人工智能与农业等多学科团队协作，展示人工智能驱动温室的能力，在提升农业生产力的同时，减少资源消耗，满足日益增长的人口需求，帮助人类过上更健康的生活。比赛的挑战目标，是在4个月内生产出高产量、高资源利用率的黄瓜作物。参赛团队利用传感器和摄像头，获取温室气候、作物发育情况等数据，加入自己的模型或机器学习算法，远程控制作物生长。
比赛的温室
大赛吸引了包括腾讯（iGrow队）、微软（Sonoma队）、英特尔（Deep_greens队）等在内的来自15个国家的14支团队参与。其中，iGrow队由来自腾讯AI Lab的AI专家，以及来自中国农业科学院、北京农业信息技术研究中心、黑龙江植物学会、Syngenta种子公司、荷兰瓦赫宁根大学的农业专家和学生组成。在长达半年多的比赛中，iGrow队历经编程马拉松、黄瓜种植挑战和总决赛，一路披荆斩棘，最终取得“AI 策略”单项第一名、总分第二名的优秀成绩。
AI策略排名 | 团队 | 分数（满分5） |
1 | iGrow | 5 |
2 | The Croperators | 4 |
3 | Sonoma | 3 |
4 | AiCU | 2 |
5 | Deep_greens | 1 |
AI 策略第一名
总排名 | 团队 | 总分（满分50） |
1 | Sonoma | 44 |
2 | iGrow | 43 |
3 | The Croperators | 31 |
4 | AiCU | 22 |
5 | Deep_greens | 10 |
总分与第一名的微软团队Sonoma仅一分之差
首创农业人工智能系统
有效融合机器智能与人类知识
iGrow团队人工智能系统
比赛中，腾讯AI Lab的AI专家根据植物学、生物学和物理学等相关学科知识进行建模，建立起模拟气候环境和作物生长的仿真器。随后，团队开创性地搭建出一个农业人工智能系统，通过创新的强化学习方法，将iGrow农业专家的知识和经验自然地嵌入仿真器中，使人类专家能够在种植密度、灌溉施肥、打顶剪枝等方面，实现对AI的有效干预，提高AI学习效率，最终在资源最优化的同时，最大程度地提升了作物产量。
温室的日与夜——远程操控温室
与人类知识融合之后的AI系统，无需专家再次干预，即能自动适应新的环境和条件变化，因此可以快速复制到同类温室种植中，为扩大生产规模、实现标准化生产提供条件。在生产自动化方面，该系统可自主运行，从而大幅降低人工管理难度，节约大量人力。
温室高压钠灯补光
“该系统还是具备终身学习能力的超级智能体。”腾讯AI Lab专家进一步表示，“随着技术发展，它能利用更先进的仿真器，以及更大规模的种植实践获得的数据，灵活地整合人类知识和经验，持续迭代升级。”
全局优化，快速提升经济效益
大赛结果显示，iGrow队在黄瓜产量、质量、资源利用率上，均表现十分出色。在整个过程中，采用了生物防治系统，符合人们对健康生活品质的要求。
iGrow团队种出的“标致“黄瓜
与传统的人工种植相比，人工智能的优势在于，它能对种植过程进行全局优化。从一开始的种植密度、留茎比例，到后来的留叶、留果策略，以及在温室中对光照、通风、温度、湿度、CO2浓度、水分等的控制，它都能在仿真器中通过强化学习自动寻找最优解。人工智能可为作物的各个生长周期寻找和提供最适宜的环境状态，同时进行资源最优配比，以最大化地节省资源。“人工智能另一个巨大的优势是，它可以在短时间内进行大量模拟实验，相比在真实环境中缓慢地进行人工种植摸索，它能以很低的成本快速提升智能管理水平和经济效益。”腾讯AI Lab团队介绍道。
AI的优势
应对全球人口和资源挑战
本次比赛充分展现了人工智能驱动温室的能力，但人工智能的应用并不仅限于室内农业。腾讯希望借此机会，探索室内和室外农业的机会，以了解人工智能如何在全球范围内提高粮食生产力水平，应对人口增长和可持续性发展的挑战。
根据联合国9月发布的《2018年世界粮食安全和营养状况》报告，全球现有8.21亿人口处于饥饿状态（每9人中就有1人在挨饿），已重回10年前的水平，这种倒退趋势向我们发出严重警告。造成饥饿的主要原因之一，是由于气候变化、干旱和洪水等极端天气对传统农业生产的破坏。
“食物、能源和水对我们的未来至关重要。我们必须拓展现有的体系和架构，以适应新的全球挑战。人工智能是其中的一种解决方案，目标是以最少的投入获取最多的产出。”腾讯首席探索官网大为在11月的腾讯WE大会上谈到，“尽管目前AI+农业的应用尚属早期，但已经取得了令人兴奋的成果。如果进一步实现自动化，其释放的生产力将是惊人的。我们应该充分认识到人工智能可以发挥的作用，并且积极投入资源去进行技术研发。提高粮食生产力是全球的优先事项，而不仅仅是潜在的商业机会。我们需要鼓励更大胆的设想，激发出更多的解决方案。”
腾讯首席探索官网大为在腾讯WE大会上谈AI+农业
产前：育种选种、土壤分析
近年来，随着人工智能技术不断发展，其应用已逐渐渗入农业生产全过程。例如，在产前阶段，深度人工神经网络（DNN）可利用物联网获取的数据，对灌溉用水进行分析和指导，并通过对土壤成分的检测分析，选择适宜种植的作物品种，合理施肥。通过对农作物市场周期需求的大数据分析和预测，也可指导作物种植品种选择，避免产销脱节引发价格剧烈波动，造成经济损失和农产品浪费。另外，云计算、大数据分析和机器学习等技术，还可以帮助筛选和改良农作物基因，达到提升口味、增强抗虫性、增加产量的目的。
产中：病虫害管理、自动采收
在产中阶段，人工智能技术可用于监测环境数据和农作物生长情况。通过建立病虫草害特征分类数据库，并利用计算机视觉技术识别作物品种、病害程度和杂草生长情况，可实现智能预防和管理病虫草害，减少经济损失。不仅如此，这在一定程度上还可减少除草剂和杀虫剂的使用，提升农产品安全性，减轻环境影响。
针对传统农业“看天吃饭”的缺陷，利用机器学习技术处理卫星图像数据，可预测天气等环境变化对作物的影响，提前应对。在采收环节，计算机视觉技术与机械臂或机器人结合，可实现24小时自动化采收，节省人力，降低成本。此外，大数据处理和语音识别等技术可运用于农业智能专家系统中，为农业从业者提供专业咨询服务和指导，帮助解决生产中各种技术问题。
产后：品质检测、优化物流
在产后阶段，具有计算机视觉的机械臂可进行农产品售前品质检测、分类和包装等工作；用大数据分析市场行情，可帮助农产品电商运营，引导企业制定更灵活准确的销售策略；通过人工智能遗传算法和多目标路径优化数学模型，可对物流配送路径进行智能优化，完善生鲜农产品供应链等。
人工智能技术在现代农业生产全阶段的渗入，对推进农业的自动化、信息化和智能化，提升农业生产的质量与效率具有重要意义，但技术发展和应用并非一蹴而成。腾讯AI Lab团队表示：“当年轻的人工智能与古老的农业相碰撞时，会遇到诸多挑战，如何预见和解决这些难题，需要耐心、创新，甚至是一些灵感。但其中蕴含的机遇也是巨大的，我们希望能有更多跨学科专家、企业家和投资者一起携手，共同发掘AI+农业的各种可能性。”
