超市里那些大小均匀、色泽鲜亮的番茄，冬天也能吃到的新鲜草莓，反季节上市的各类蔬菜——很多人习以为常的“菜篮子”自由，背后其实有一个庞大的产业：设施农业。从简易大棚到联栋温室，再到LED全人工光植物工厂，人类用越来越先进的技术把蔬菜“请”进了房子里。

  但走进这些房子，你会发现一个尴尬的现实：温室越来越高级，管控却仍然依赖人。什么时候开窗、补多少光、浇多少水，大多靠种植者的经验判断。荷兰的温室管理水平全球领先，因为他们积累了大量的数据模型；而国内很多高端温室虽然硬件不输人，却缺少一套能自主决策的“大脑”。浙江大学生物系统工程与食品科学学院研究员林涛说，人工智能正在改变这一切：“我们不是要替代种植者，而是要让每一个温室都拥有顶级专家的判断力。”

  远程种番茄，算法赢了“老把式”

  2022年，林涛团队参加了一场特殊的种地比赛——荷兰自主温室挑战赛。规则很简单：五支国际团队，每人远程管理一间96平方米的温室，种番茄。参赛者不能亲自到现场，所有决策必须提前写成算法，交给系统自动执行。他们的对手，是六位荷兰本土的顶级种植者。

  比赛从春天持续到秋天，整整一个生长季。算法每五分钟做一次决策——开不开窗、补不补光、加不加温、施多少肥，全程超过一万次操作，全部自主完成，只有种植密度调整和收获两个动作需要人工介入。

  “最终，我们的单位面积效益达到了荷兰队伍的两倍以上。”林涛说。这个结果让很多人意外，但背后逻辑并不复杂：人类种植者即使经验丰富，也无法同时处理温室内外的几十个变量；而算法可以实时融合光照、温度、二氧化碳浓度、作物图像等海量数据，在每一个时间点做出最优决策。

  比赛的第一阶段，团队在几个任务上都展现出了优势。在感知环节，他们用俯拍RGB图像加上深度和红外信息，精准判断了株高、叶面积、茎节重等参数；在病虫害监测环节，用极少样本就实现了四类虫害的高精度识别；在环境控制环节，利用荷兰开放的商业模型进行仿真优化，提前模拟了不同气候条件下的种植策略。

  更重要的是，团队把视觉数据和传统积温模型结合，实现了对番茄物候期的精准判断。“传统方法只看温度累积，但我们发现加上图像信息之后，什么时候开花、什么时候结果，判断要准确得多。”林涛解释。宏观战略决策确定之后，算法每天还会根据天气变化动态调整——今天阴天就多补光，温度高了就开窗通风，每一分钟都在优化。

  这场“人机大战”的结果证明了一件事：数据模型算法驱动的温室管理，可以在现有硬件基础上大幅提升投入产出比。

  无人机进大棚，给植物“量身高、测体温”

  如果说荷兰比赛证明的是“算法能管好一间温室”，那么林涛团队在国内做的事，就是让这套系统变得更立体、更精细。

  传统温室管理有一个致命缺陷：只能根据环境数据做决策，却不知道作物本身的状态。温度到了就开窗，湿度低了就喷雾——但植物到底长得好不好、有没有生病、多久能采收，全凭经验猜测。林涛的解决思路是：让机器人巡田。

  团队与杭州一家生态公司合作，在浙江省尖兵项目支持下，开发了可能是世界上第一台用于多层立体植物工厂的室内巡检无人机。它可以在狭窄的种植架之间穿梭，高频次、高密度地采集每一株作物的图像信息——株高、叶面积、果实数量、成熟度等，全部数字化记录。

  “有了这些数据，我们不再靠猜来管理了。”林涛说。巡检无人机每天飞行，生成的数据实时更新作物的生长档案。更关键的是，团队开发了果实成熟度预测算法——不仅知道今天有多少果实可以采收，还能预测三天后、七天后分别能收多少，精准匹配订单需求。

  草莓是这套系统重点攻关的作物之一。与大田作物不同，设施草莓是连续开花、连续采收的，传统生长模型无法直接套用。团队在植物工厂环境中采集大量数据，构建了草莓的动态生长发育模型。这个模型可以模拟未来更长时间内的产量变化，与巡检无人机7天内的预测形成互补——短期靠“看”，长期靠“算”，长短结合，管理就有了依据。

  能耗是植物工厂的另一大挑战。林涛特别提到一个反常识的结论：叶菜类植物工厂里，最大的能耗是人工光源；但草莓生长需要低温高湿环境，除湿和降温反而成了耗电大户。团队针对不同设备、不同季节、不同气候区做了能耗分析模型，可以精确模拟一个温室在不同配置下的能源开销。“你想在北方还是南方建厂，用什么设备，电费多少，模型一算就知道。”

  大模型当“顾问”，管好作物的每一步

  数据采集够了、模型建好了，但还有一个问题：这些东西最终要给谁用？怎么用？

  国内大部分高端温室用的还是荷兰的管理系统，硬件和控制平台是现成的，缺的是那颗“大脑”。林涛团队开发的交互界面，就是为了把“大脑”的能力开放出去，企业或种植者可以通过界面输入自己的温室参数、作物品种、目标产量等，系统会给出设备选型建议和管控策略。大模型的加入让这件事变得更简单。

  “病虫害管理是设施农业最大的挑战之一，一旦得病整个生产周期都可能报废。”林涛说。传统的做法是发现症状后请专家诊断，但专家不可能随叫随到。团队用大模型做了小目标识别——种植者拍一张或三张照片上传，系统就能判断病害种类和严重程度。在此基础上，他们还用RAG技术构建了设施农业问答知识库，不仅能识别病害，还能给出防治建议。相当于给每个温室配了一位24小时在线的“植保顾问”。

  从感知到决策再到执行，林涛描述的是一条越来越清晰的技术路径。感知层有巡检无人机、传感器、摄像头，源源不断地采集环境数据和作物本体数据；分析层有动态生长模型、能耗模型、病害识别模型，把原始数据变成可用的信息；决策层有算法和交互界面，生成具体的管控指令；执行层则等待采摘机器人、打老叶机器人等装备的加入，最终实现全流程无人化。

  “但技术再先进，核心始终只有一个——以作物为中心，”林涛说，“人工智能不是要取代人，而是帮我们更好地了解作物、服务作物。”当每一个温室都拥有顶级专家的判断力，当每一株番茄都被实时“看见”和“理解”，设施农业的竞争力将不再取决于谁的经验更丰富，而是谁的数据更智能、算法更精准。而这场变革，已经从算法打败“老把式”的那一天，悄然开始了。

　　出品：科普中国大国粮策

　　专家：林涛（浙江大学生物系统工程与食品科学学院研究员）

　　编辑：李欣哲