开启人工智能自反馈学习 实现粮食经济作物生育周期减半重大突破

开启人工智能自反馈学习

　　实现粮食经济作物生育周期减半重大突破

　　人工智能植物工厂—牧草菊苣与多种烟草实现生育周期减半

　　BSTD团队 | 人工智能-自反馈学习 | 2020.09.01

　　据BSTD团队首席工程师魏家威博士介绍，在2020.09.15启动的人工智能-植物自反馈学习-植物工厂的系统建模，对牧草（阔叶菊苣）人工智能自反馈学习的建模与实验，是由Globalbst谷月人工智能技术团队；由SWE范哓艳，吴志珺，王万亮，江港自动化及结构工程技术团队，AJS郭建宏团队氨基酸生物肥团队所整合完成的系统建模及实验。在2021.05.15启动的人工智能-自反馈学习系统建模，在特定的空间环境中，以烟草（5个烟草品种）在雾耕双系统的植物工厂环境下进行多层的立体栽培展现丰硕的成果。

　　人工智能--机械学习（植物自反馈学习）植物工厂

　　模式识别=机器学习

　　机器学习中的“训练”与“预测”是自我学习反馈成长的一个模拟。由它的处理过程不是因果的逻辑，而是通过归纳思想得出的相关性结论

　　据了解，这次人工智能-自反馈学习系统的建模以牧草及烟草种植的实验，是在2层栽培结构的植物工厂环境下进行实验的，在一种在环境控制的种植空间里，植物栽培过程中自行反馈学习的系统与方法。该方法包括人工智能，深度学习，模式识别，机械学习（python），强化学习算法。植物在不同的生长周期需要不同的生长环境，温度，湿度，光照，营养等，通过”卷积神经网络“ 的算法建模，可以精准识别植物的品种和生长周期，并依此来对比设定的专家数据进行更精准的数据调节，给予最优的不同生长环境参数。 ※再通过机械学习“机械视觉，模式识别”在大数据环境下机械学习的研究，有效利用信息，从巨量的数据中，取得隐藏的，有效的，可理解的知识数据，对巨量的数据预处理与分析，评估植物的生长状态，通过计算机视觉采集植物图像，建立算法处理，通过植物叶片颜色，大小，厚度，植株高度和植物花，果进行评估，建立一套算法模型，从而达到在AI植物工厂，植物生长状态自行反馈评估的系统方法。

　　人工智能-自反馈学习-植物工厂--阔叶菊苣（金吕草）

　　2020.09.15在供应测试的多年生菊苣品种（金吕草）中，经过种子育苗定值种植采收三茬的实验数据中，展现了产量及质量的潜力，第一茬从定值到收割38天，第二茬收割23天，第三茬收割19天。单株菊苣的生物量（重量）达358克；346克；352克，在营养价值粗蛋白的成份达26.8%；28.3%；30.5%，相当于一年可在人工智能植物工厂植物子反馈的系统的种植过程，一年可以达18茬每棵菊苣的产量高达6300克（6.3公斤），在单层架的结构空间的植物工厂里是传统大田年产三茬的9倍产量，如果以立体6层结构的植物工厂相当于传统大田54倍的产能。

　　人工智能-自反馈学习-植物工厂--烟草（五个品种）

　　据BSTD魏家威博士说明介绍，在第二阶段于2021.05.05启动人工智能-植物工厂对烟草（5个品种）的测试实验中，XCY王调义团队提供的氨基酸生物肥团队，由SWE范晓艳，吴志珺，王万亮团队提供的环控自动化系统及结构工程技术团队，在人工智能-自反馈学习系统下的种植，在供测试的五个品种的烟草均能在54天到63天的时间完成种植采收，特别是KDK26烟草及云烟97烟草两个品种都能达到53-55天的生育采收，而烟叶的产量每株烟草有19-28片烟叶，每片烟叶直径18-32公分，长38-54公分，其鲜叶重量达695克到876克的重量。

　　从烟叶外观质量在”颜色与光度；组织与厚度；油分；成熟度”不但能达到优质，烟叶经由SGS的检测单位检测数据的等级，在还原糖16.7%-17.5%；烟碱1.8%-2.2%；总氮1.7%-2.8%；钾 》1.9%；石油醚提取物4.2%-5.5%；还原糖/总糖85.7%-88.9%，上的检测数据显示五种烟草的等级均为优质指标。

　　目前在2021.07.25，这项研究已快速进入粮食（小麦；水稻）的进程中供测中，我们期待未来在粮食的生产过程，人工智能植物工厂在多层立体结构及快速生长的栽培中提供了现代农业未来的新思路，粮食可年产5茬及立体结构（6-8层）的种植上，每单位面积（1m²）生产粮食将实现比传统产量增加30-40倍的产量。

　　BSTD团队魏家威博士说出，在无人自动化的人工智能植物工厂里，将解决未来人类因地球气候暖化，工业，化学，农药过渡污染等不可控的恶劣环境因素，终将得到解决。