logo821.gif (10572 bytes) 首頁          新增資料與公告

置頂公告  :

BSE網站預定20221月結束公告

最新消息  :

麼原因阻礙了非洲的農業機械化

肯亞牛肉產業的挑戰

非洲新的自由貿易區成為全球遊戲規則改變者的6個理由

 

 

智能生物產業

首頁
上一層
BSE LAB 介紹
非洲產業研究中心
生醫研究之統計方法
授課資料
人文關懷
無官御史台
武漢肺炎與產業
活動公告區

 

 
釋放以數據驅動決策的潛力
 

中興大學 生物系統工程研究室 陳加忠

 
 

《評論》

這是一家設備公司的業配文,作者出自數據科學。對農業一知半解。由此內容了解數理理論者進入溫室生產之問題面。其行銷技術如下:先畫個大餅,告訴你,功能多強多好(因此要付大筆經費從事開發),再告訴你要獲得成功要有多難(因此開發此技術要很久)

介紹

數位數據的培養,分析和自動化是溫室的未來。人工智慧(AI)和數據科學將帶來改變溫室生產遊戲規則,提昇效率並提高產量。但是這些技術究竟是什麼?它們如何工作?作為生產者,您如何才能真正利用它們?

對本白皮書有何期待?

在本白皮書中,Gursel Karacor Grodan 的高級數據科學家,其重點在於:

1.人工智慧將改變溫室產業的五個原因,以及這些趨勢和發展對種植者意味著什麼。

2.他解決了常見的誤解,破壞了神話,並提供了真相。

3.最後,Karacor解釋了植物科學與數據科學的結合,並概述了實用資源和成功入門的技巧。

更好的建議和預測

Karacor稱,在影像和自動化技術(機器人)的支持下,人工智慧及其包括機器和深度學習在內的子集,可以使更多的見解和決策自動化,以實現更好的建議和預測。很多的工作和數據收集,例如作物種植,登記和收穫,正在溫室執行而目前仍在以手動執行。這是繁瑣和耗時的工作,容易出錯且效率低下。  幾乎所有與植物相關的植物生長,根部區域以及氣候條件有關的資訊都可以收集成為有用的數據。人工智慧和數據科學為您提供了一個可量化的,數據驅動的過程,該栽培過程不再需要猜測,可以提供更高的產量,更高的效率和個體化的解決方案。

數據和植物科學帶來了魔力

另外,Karaco建議同時利用植物和數據科學。當這兩種科學結合在一起時,就會生成智慧解決方案和有價值的見解。當採用數據驅動的方法做出決策時,它將指導和支持種植者實現最佳化種植。這看起來很複雜。但幸運的是,你不必須是一個數據科學方面的專家,就可以應用這些技術。當您與合適的人一起工作時,您的每一步都會得到支持。 數據科學和AI技術為我們提供了許多在溫室中,收集和挖掘數據的機會。

 

1AI改變溫室產業的5個理由

在園藝領域的AI和其他最先進的技術,已有許多進步和創新發展。有時似乎很難跟上。作為Grodan的高級數據科學家和20多年的該領域經驗,我一直密切關注所有方面的AI和數據的發現。在本文中,我將強調AI改變溫室產業的五個原因。每個人都在談論大數據,但是我現在看到的唯一實踐是在句子中使用該名詞。

這就是為什麼我的任務就是要獲得改變遊戲規則,使得技術進入溫室的用戶。但是所有這些發展對種植者意味著什麼?我詳細討論之前,簡短描述的AI究竟如何工作的:人工智慧(AI)涉及使用電腦做的事情。傳統上需要人類的智慧。 這意味著創建演算法對於數據進行分類,分析和得出預測。它還在涉及數據的作用,自新數據學習,並隨著時間的推移進行改善。

1. 食物需求將繼續增加

隨著越來越多的效率,對於新鮮和可持續食品的需求不斷增長。農田和農村地區的人們等資源正在減少,而對糧食和新鮮農產品的需求卻在增加。我認為溫室和其他室內種植設施,在滿足未來對食物的需求方面有越來越重要的作用。因此現在比以往的任何時候,都更加需要智慧技術和AI的支持。

2.  技術成熟程度已準備就緒

以下是我目前在溫室中看到的主要趨勢和主題:

a. 機器學習(ML)是AI的子集,它使軟體可以從數據中學習,因此它是純粹由數據驅動的。現在已有相當的大量的數據和潛在的累積量已建立溫室這個大數據。

b. 影像技術或深度圖像識別,可以使機器可以通過使用照片看到圖像。正如他們所說,一張圖片值得一千個字,在這裡,沒有比這更真實的了。這是比感測器數據和手動紀錄更加容易。

c. 自主機器人或半自主的設備,可以完成某些任務,通常單調乏味,重複,耗時或危險。

d. Edge-AI:雖然一般的AI計算和建模是在主服務雲端上執行,然而這很耗時,但在Edge-AI中,所有計算都是在設備或機器人的邊緣上進行的。這些計算都在機器人本身進行上,從而使得更快決策成為可能。這對於實時操作尤其重要。

3. 種植者準備好了

 種植者逐漸接近新進技術。他們仍然遇到諸如以下問題的困擾:我有很多數據,但是我該如何利用呢?我會落後於競爭對手嗎?我的成長策略是否最佳?他們非常渴望學習,願意使已有的數據,他們從流行像AI的技術得到知識。

4. 大數據為個人和地區解決方案創造巨大潛力

數據的品質和數量非常重要,但對於種植者而言卻非常繁瑣。藉用幾張照片,AI技術能夠幫助種植者登記作物。該數據可用於許多應用中,包括預測。例如 Grodan最新的創新產品e- Gro可以實現長達4週的產量預測。另外溫室中的種植者可以從基於AI的更通用的預測和數據驅動的建議中受益。大數據還為種植其特定的智慧解決方案提供了潛力。人類專家有通用的規則,但是在某些地區具有特定氣候的特定種植者應有其特定的解決方案。

   通過機械學習與AI,使用這些特定技術,可以使得連續地數據流有所不同。

5. 自動化實現最高效率。

有溫室還有大量的手工的勞動。例如種植,作物登記,收穫等等。這些是乏味的,重複的和耗時的任務。可以以機器人執行。對自動化的需求不僅是效率相關的原因,還包括健康和安全性問題,例如降低病毒,細菌和疾病的傳播。藉由減少人與人之間,人與植物之間的接觸,正如我們在COVID-19大流行期間清楚地意識到的那樣。好消息這些解決方案是友善使用。如果您與合適的人一起工作,這將非常容易且非常有成果。

 自主溫室:5年之內?

未來的溫室將在,一個很大的程度上,是自主的。人工智慧解決方案將使專家和種植者的生活更加輕鬆。我的任務是通過將所有這些數據與最新的機械學習結合使用來實現自主生產,而我想一步一步以5年完成真正這個目標。 

 

2 發生魔術的地方:數據與植物科學相結合

將數據與植物科學相結合比以往任何時候都更加重要。如果我們以正確的方式應用它,我們有可能更有效,更可持續地種植水果和蔬菜。但是要如何結合植物與數據科學呢?正如第一章我提到的,幾乎所有涉及到的植物,其生長和根區以及氣候條件,都可以收集成為易於使用的數據。這可以手動完成,這很耗時且容易出錯,也可以通過高科技系統,例如感測器和影像加以完成。可用的數據太多,但是要如何使用呢?而且如何結合兩者的優點,在使用有價值的數據,在溫室內連結植物科學和數據科學嗎?

植物科學與數據科學

植物科學的歷史可以追溯到遠古時代,但數據科學卻相對較新。植物科學是一門涉及植物生理,遺傳和農作物生長的經典科學。它是結構化和系統化的。另一方面,數據科學可以看作是一種藝術形式,數據科學是自原始數據提取有用的科學知識,沒有固定的規則,如何結合兩種科學是使用最新科技,以連結他們數據科學,可以結合任何領域。目前的主流如醫藥,金融,天體物理等。當數據科學的做法是結合動態的植物科學,奇蹟就發生了。種植者有更多的保證,以更多的控制而使用較少的水,肥料與化學品。這種組合可以給我們帶來更好的作物品質,更高產量,並使溫室更高的效率。

如何結合植物與數據科學

由於這種做法是相當新的,我注意到有很多誤解,關於共同結合植物科學與數據科學,和引進新的溫室技術。下面分享經常遇到一些主要的誤解和真理。

誤解1我的直覺很準確。我並不需要用新的技術和應用數據科學在我公司

真相:有毫無疑問,數據和AI可能是對公司非常有幫助,智慧演算法可以有效的辨識相關的數據,並且歷史數據獲取知識。但是需要將植物科學和數據科學的良好結合。該種植戶的專業知識也要被考慮在內。所有預測,討論和建議都以數據驅動支持。我喜歡用的比喻為新穎飛機。許多飛行員的工作目前由電腦完成的。但是,飛行員仍然是必不可少的人,以進行實際的決定和明智的決定。即使是最成功的種植者都可以隨時使用數據的深入分析與預測,我們看到更多的溫室公司應用數據科學,以改善栽培策略。

誤解二:通用植物和數據科學模型對所有種植者均有效。

真相:每個種植者都是不同的,在他們的特別資訊和不斷增長的條件,都應該被考慮。每個溫室位置,溫室類型(補光或不補光)和生長介質類型等都是唯一的。品種直接影響生長和產量。個性化數據建模和使用,對於正確的程序至關重要。

誤解3一旦我開始從事數據科學和人工智慧工作,我將立即看到結果。

真相:有一種假設是只要一旦數據被送入的模型提出了一個解決方案,可以想像,這不是那麼簡單。雖然可以立即進行描述分析,預測分析(使用數據預測)和規範分析(以數據做出更好的決策),但是還需要更多的時間,想像需要至少經過一個栽培季節以收集數據。它需要一個大量的數據科學知識,經驗和技能。這些數據需要很多的準備、加工、選用,以現有功能增加新的功能。它不是原始數據,而是具有高價值的精鍊見解。有正確的使用者再也是其中大數據發揮作用和與工作的重要性。

誤解四:植物模型將如同數據科學模型直接工作,通用數據的科學模型將直接在植物工作。

事實:真實生活 植物的行為可能會大大不同於該植物生理學理論。因為有許多外部的參與條件和意外的因素會不斷加入,如極端氣候條件,價格波動,害蟲和疾病,勞工問題等等。在實驗室內的環境中其可能有效的方法在現實生活中將不會直接有作用。一個方法不能完全適用所有狀況。這也適用周圍的其他方法。您不能假設眾所周知的通用數據科學模型和配方可以將直接在植物上運用。這些預測模型需要根據植物的領域知識和園藝特定方法進行客制化。

誤解5只需僱用數據科學家和開發人員就可以完成這項工作。

真相:如前所述,以正確的人來工作這是非常重要的,無論是外包或內部都是如此。開發的寶貴數據的科學產品的團隊應該包含合適的數據科學家,研發人員,主要領域多位專家,產品經理和用戶體驗設計者,以確保你有一個能夠建立良好的算法。我建議找一個既有的平台以提供一個有理解性團隊一起工作。建立需要有很多很好的數據從溫室到構建有影響力算法。

如何開始

不太確定從哪裡開始?我的建議是自學習基本數據科學與尋找合適人家。這需要閱讀相關書本和文章,一些手動的數據,與嘗試錯誤方法。我建議成立小組,成員具有數據科學,機器學習,人工智慧,植物科學和園藝人員。

 

3 如何開始:使用溫室數據的五個成功秘訣

數據科學和AI技術為我們提供了許多在溫室中收集和挖掘數據的機會,可以提高效率,品質和產量。

收集數據的方式有感測器,影像技術,氣候電腦。我還提到原始數據本身並不是很有價值。下一步是組織和挖掘數據:組織,分組,分段,聚類和分析,然後結合發現所有價值。正如你可以想像,這不是一件容易的或直接的過程。最需要的數據科學家或分析師的時間。此外,您需要保持良好的數據流,存儲和備份系統。

也許,這一切似乎是壓倒性作業與確實是個大量的工作,但好消息是如果你與合適的人一起工作,你將個獲得了很大的成效,而不需要廣泛努力。您的團隊執行的數據挖掘,分析和創建新發現。除了良好的團隊與系統,具有很大的好處適合當種植者努力。我稱他為良性循環。在下面文章的更多內容。說明你需要知道什麼是成功的使用溫室即時數據?這是我的五個秘訣:快速開始使用溫室數據:

1.連接

對於任何一個種植者來說,不與其他種植者建立聯繫,要利用大數據並從中學習都很困難。我鼓勵生產者參加現有的連接Grodan數據平台E-Growww.grodan.com/e-Gro ,以獲得更多的溫室數據。下一步工作是與此系統共同工作,這也很重要,你得到正確的指導和幫助,以了解如何解讀數據。嘗試與合適的人聯繫。並討論如何使用數據以更好地種植農作物。

2.更多數據

當涉及數據時,數量是最重要的。而且多多益善,盡可能收集多的數據。測試和分析需要時間,某些數據可能不會立即使用,但將來會有所幫助。除了數量,數據的品質也很重要。在收集數據的方式是一致的。例如,嘗試每週一次在相同時刻收集植物數據。

3.使用最先進的技術

留意最新發展和最先進的使用數據科學,機器學習與AI。產品不斷發展以變得更加準確和高效率。e- Gro用戶之一是Ger D erikx,告知如何開始實施數據驅動的栽培,或是在下一頁查看圖形。通過對生長季節觀察各階段種植者,發現這個平台的優勢,以及如何利用有意義的方式使用基地。

4.傳播資料

我敦促所有種植者分享他們的經驗和數據。傳播資料,使得更多的種植者加入遊戲。良性循環顯示,,通過共享大數據知識更增長。

5. 完成週期和開始再次

數據科學和AI可以持續改進。通過完成一次循環並重新開始,您可以收集更多數據,從而產生更好的產品和結果。僅僅是一個生產季節的數據並不能提供太多的見解和建議。數據越多,結果則更好。

美好的未來

那麼,您從溫室數據中獲得的更多又是什麼呢?你將會是可以容易地看到,和遠端訪察,在你的植物平衡趨勢(是生殖生長或營養生長?)創建一個更穩定的產量,更環保更永續生產,作物生產有一致性和減少使用的肥料和化學品,農作物顯示轉向明智的生產決定等等。將以一致性方法收集數據,就有更明確的未來。

擁有正確的系統和人員。

我使用條件模組和鍵盤以監測作物控制指示條件。例如,我分析了實時KPI,以了解石棉介質在夜晚的平均進水量。然後,我可以看到這是使植物趨向營養生長或生殖生長。這使我對植物生長有了更多的了解,根據這些資訊,我可以做出更好的種植決策。它已成為今天的重要組成部分。

- GER Derikx

ROCKWOOL BV / Groda