农业元宇宙的发展:过去、现在和未来


发布时间:

2023-01-19

来源:

植物表型资讯

作者:

PhenoTrait

到2050年,世界人口预计达到100亿,带来全球粮食需求急速增长和粮食安全新挑战。为了应对这一挑战,农业元宇宙(AgriVerse)旨在通过节约成本、提高效率和打破信息孤岛来优化生产链,以实现农业的可持续发展。
 
随着 "元宇宙 "成为一个热词,农业元宇宙的概念在产业领域迅速兴起,描绘了未来农业。植物模型对农业元宇宙的关键作用已被充分认识,但如何将这一多学科的课题从科学界转向农业元宇宙尚不清楚。本文为植物模型在农业元宇宙中的应用提供一个参考路径,以便促进不同背景的从业者,包括科研人员、学生、服务提供商、种植者、客户等聚力于农业元宇宙,推动农业元宇宙的发展。
 
目前,元宇宙的主要应用于健康和教育领域。农业元宇宙涉及农业食品链中与农业相关的过程,包括计划、种植、加工、包装、储存、运输、销售等。与工业生产不同,农业中的农产品的生长受季节与气候条件的影响。因此,农业元宇宙是一个复杂的网络-物理-社会系统CPSS(Cyber-Physical-Social System),处理自然和社会经济环境的信息。
 
本文简要介绍了植物建模的研究内容,分析了人工智能(AI)时代正在进行的转型,并设想了在农业基础模型(Agricultural foundation model)、去中心化自治组织DAO(Decentralized Autonomous Organizations)、基于去中心化科学研究DeSci(Decentralized Sciences)的植物建模,以及农业社会物理信息系统CPSS支持下的未来农业元宇宙。
 
植物是一个复杂开放的系统,在其整个生命周期保持与环境交换信息和能量。植物的特征不仅在于其令人愉悦的外观,还在于其将二氧化碳和光转化为食物的重要能力。相应地,植物建模有着结构和功能两个主要方向。
 
结构模型涉及植物的三维结构,模型方法包括L系统、双尺度自动机、例子系统和分析系统等(图2)。尽管由结构建模产生的虚拟植物在视觉上很美观,但对于农学家来说,更注重真实植物的行为模拟(例如,植物对修剪的反应)。功能建模是植物模型的另一个分支,其意义在于生物量生产的迭代过程和植物结构内各器官(叶、节间/茎、果实、根)之间的分配,给出各器官的重量和相应的产量,这是植物的重要表型。因此,它们被称为基于过程的模型(PBMs),主要包括生物量的产生和分配两个过程(图3)。但是,基于过程的模型的一个巨大挑战是模拟植物的可塑性,即植物应对环境的非线性自我调节行为。可塑性通常表现为结构和功能之间的相互作用,例如,高种植密度会导致低分枝概率。另一方面,对于结构建模来说,为了获得真实的视觉效果,器官大小应该与植物的生长行为一致。因此,过去二十多年来出现了融合这两种植物模型的功能-结构植物模型(FSPM)。FSPM可以对植物生长和发育过程进行数学描述和校准,从而可以服务于农业元宇宙中的虚拟植物的模拟,使得其中的植物不仅视觉上美观,而且科学上合理。
 
过去几十年来,人工智能(AI)、机器学习(ML)和深度学习(DL)的快速发展为植物建模打开了一扇新的大门(图4),可以开发基于数据的模型。如今,使用ML/DL模型进行数据处理或建模已经很常见。人工智能技术给植物建模这个 "老 "课题带来了机遇,特别是在植物表型、知识和数据共同驱动的模型,以及虚实系统交互等方面。
 
本文介绍了三种农业元宇宙的应用场景,包括温室环境的自主控制、农产品的产销衔接以及农业技术的传播与继承。
 
最后,本文讨论了农业元宇宙发展的机遇和挑战。这项工作有望确定农业元宇宙研究中的关键问题,并促进不同背景的从业者聚力于农业元宇宙。
 

图1农业元宇宙中的平行农业管理与控制系统

 

图2植物结构模拟系统。(a)L系统;(b)双尺度自动机;(c)粒子系统;(d)分形系统

    

图3植物功能模型构成。(a)生物量产生模型;(b)生物量分配模型

 

图4 人工智能技术(AI)在平行农业系统中的作用,特别是表型、知识与数据共同驱动模型和虚实交互系统

 

图5 农业相关人员在农业社会网络中的作用

 

图6 农业元宇宙中的去中心化自治组织DAO(Decentralized Autonomous Organizations)结构

 

图7农业元宇宙中的产销衔接系统

 

来 源

M. Kang, X. Wang, H. Wang, J. Hua, P. de Reffye and F. -Y. Wang, "The Development of AgriVerse: Past, Present, and Future," in IEEE Transactions on Systems, Man, and Cybernetics: Systems, doi: 10.1109/TSMC.2022.3230830.

 

作者介绍

本文第一作者康孟珍博士,现为中科院自动化研究所副研究员。担任中国自动化学会理事、中国自动化学会智慧农业专委会委员、IEEE Systems, Man, and Cybernetics Society (SMC)社会计算专委会委员。曾任青岛智能产业技术研究院常务副院长兼平行农业技术创新中心主任。获2015年青岛市第十届青年科技奖。曾先后在法国国家信息与自动化研究院(INRIA)和荷兰瓦赫宁根大学进行博士后研究。多年来从事智慧农业、计算植物等方向的工作。在智慧农业方面,带领团队研发了道田云-农业种植智能服务平台。在计算植物方面,基于中法合作共同发展了通用的植物生长模型青园(GreenLab)。承担科技部863、国家自然科学基金委课题及子课题、企业产学研合作课题等二十余项。作为大会主席分别于2012和2016年举办了IEEE植物生长建模与可视化国际会议。发表论文100余篇,其中SCI/EI索引论文60余篇。授权发明专利16项,软件著作权20余项。

 

扩展阅读

推荐新闻

石时之约|韩志国:透过表型数据,看见植物的喜怒哀乐!

本期石时之约,我们将对话慧诺瑞德(北京)科技有限公司总经理、国际植物表型学会(IPPN)执委会委员/工业分会副主席韩志国,一起从表型数据的科学角度,去读懂农作物的喜怒哀乐和前世今生。

慧科研、慧育种、慧种田——慧聚改变的力量

让我们“慧聚”在一起,为“慧科研、慧育种、慧种田”赋能。

高通量植物表型平台建设注意事项

育种,是在给定的环境条件下,选择各种表型指标(产量、品质、抗性)最优的基因型材料的过程(AI育种,从这里起步)。育种工作中大约70%的工作量来自表型观察测量和筛选,是最耗人力物力的过程。

作物生理表型测量基础原理

生理表型测量的核心在于“早、快”,要在肉眼可见之前就能测量并预判出变化趋势,才是这个技术的核心价值。叶绿素荧光成像,恰好满足了这个要求。