開啟人工智能自反饋學習

實現糧食經濟作物生育周期減半重大突破

人工智能植物工廠—牧草菊苣與多種煙草實現生育周期減半

BSTD團隊 | 人工智能-自反饋學習| 2020.09.01

據BSTD團隊首席工程師魏家威博士介紹，在2020.09.15啟動的人工智能-植物自反饋學習-植物工廠的系統建模，對牧草(闊葉菊苣)人工智能自反饋學習的建模與實驗，是由Globalbst谷月人工智能技術團隊;由SWE范嘵艷，吳志珺，王萬亮，江港自動化及結構工程技術團隊，AJS郭建宏團隊氨基酸生物肥團隊所整合完成的系統建模及實驗。在2021.05.15啟動的人工智能-自反饋學習系統建模，在特定的空間環境中，以煙草(5個煙草品種)在霧耕雙系統的植物工廠環境下進行多層的立體栽培展現豐碩的成果。

人工智能--機械學習(植物自反饋學習)植物工廠

模式識別=機器學習

機器學習中的“訓練”與“預測”是自我學習反饋成長的一個模擬。由它的處理過程不是因果的邏輯，而是通過歸納思想得出的相關性結論

據了解，這次人工智能-自反饋學習系統的建模以牧草及煙草種植的實驗，是在2層栽培結構的植物工廠環境下進行實驗的，在一種在環境控制的種植空間里，植物栽培過程中自行反饋學習的系統與方法。該方法包括人工智能，深度學習，模式識別，機械學習(python)，強化學習算法。植物在不同的生長周期需要不同的生長環境，溫度，濕度，光照，營養等，通過”卷積神經網絡“ 的算法建模，可以精準識別植物的品種和生長周期，并依此來對比設定的專家數據進行更精準的數據調節，給予最優的不同生長環境參數。 ※再通過機械學習“機械視覺，模式識別”在大數據環境下機械學習的研究，有效利用信息，從巨量的數據中，取得隱藏的，有效的，可理解的知識數據，對巨量的數據預處理與分析，評估植物的生長狀態，通過計算機視覺采集植物圖像，建立算法處理，通過植物葉片顏色，大小，厚度，植株高度和植物花，果進行評估，建立一套算法模型，從而達到在AI植物工廠，植物生長狀態自行反饋評估的系統方法。

人工智能-自反饋學習-植物工廠--闊葉菊苣(金呂草)

2020.09.15在供應測試的多年生菊苣品種(金呂草)中，經過種子育苗定值種植采收三茬的實驗數據中，展現了產量及質量的潛力，第一茬從定值到收割38天，第二茬收割23天，第三茬收割19天。單株菊苣的生物量(重量)達358克;346克;352克，在營養價值粗蛋白的成份達26.8%;28.3%;30.5%，相當于一年可在人工智能植物工廠植物子反饋的系統的種植過程，一年可以達18茬每棵菊苣的產量高達6300克(6.3公斤)，在單層架的結構空間的植物工廠里是傳統大田年產三茬的9倍產量，如果以立體6層結構的植物工廠相當于傳統大田54倍的產能。

人工智能-自反饋學習-植物工廠--煙草(五個品種)

據BSTD魏家威博士說明介紹，在第二階段于2021.05.05啟動人工智能-植物工廠對煙草(5個品種)的測試實驗中，XCY王調義團隊提供的氨基酸生物肥團隊，由SWE范曉艷，吳志珺，王萬亮團隊提供的環控自動化系統及結構工程技術團隊，在人工智能-自反饋學習系統下的種植，在供測試的五個品種的煙草均能在54天到63天的時間完成種植采收，特別是KDK26煙草及云煙97煙草兩個品種都能達到53-55天的生育采收，而煙葉的產量每株煙草有19-28片煙葉，每片煙葉直徑18-32公分，長38-54公分，其鮮葉重量達695克到876克的重量。

從煙葉外觀質量在”顏色與光度;組織與厚度;油分;成熟度”不但能達到優質，煙葉經由SGS的檢測單位檢測數據的等級，在還原糖16.7%-17.5%;煙堿1.8%-2.2%;總氮1.7%-2.8%;鉀 》1.9%;石油醚提取物4.2%-5.5%;還原糖/總糖85.7%-88.9%，上的檢測數據顯示五種煙草的等級均為優質指標。

目前在2021.07.25，這項研究已快速進入糧食(小麥;水稻)的進程中供測中，我們期待未來在糧食的生產過程，人工智能植物工廠在多層立體結構及快速生長的栽培中提供了現代農業未來的新思路，糧食可年產5茬及立體結構(6-8層)的種植上，每單位面積(1m²)生產糧食將實現比傳統產量增加30-40倍的產量。

BSTD團隊魏家威博士說出，在無人自動化的人工智能植物工廠里，將解決未來人類因地球氣候暖化，工業，化學，農藥過渡污染等不可控的惡劣環境因素，終將得到解決。

免責聲明：市場有風險，選擇需謹慎!此文僅供參考，不作買賣依據。

關鍵詞： 周期 生育 減半