PRZEWODNIK branżowy

Sztuczna inteligencja w rolnictwie pionowym i szklarniach

W gospodarstwach wertykalnych i szklarniach sztuczna inteligencja dostosowuje oświetlenie, temperaturę, wilgotność, CO2 i składniki odżywcze, aby uzyskać jak największy plon i jakość przy zużyciu energii i pracy.

Posłuchaj tego przewodnikaOpowiadane przez sztuczną inteligencję · ~3 min

Na tej stronie4 minuty czytania
  1. Przegląd
  2. Głębokie nurkowanie
  3. Implementacja w świecie rzeczywistym
  4. Przyszłość sztucznej inteligencji w rolnictwie pionowym i szklarniach
  5. Wdrażanie tego w praktykę
  6. Odkrywaj dalej
  7. Często zadawane pytania

Przegląd

Łączy dane z czujników, modele upraw i prognozy w celu ustawienia kontroli. Ma to znaczenie, ponieważ rolnictwo o kontrolowanym środowisku umożliwia uprawę żywności przez cały rok w pobliżu miast zużywających mniej wody. Jednak wysokie koszty energii i kapitału spowodowały upadłość kilku dobrze finansowanych farm wertykalnych, a sztuczna inteligencja nie jest w stanie sama tego naprawić.

Głębokie nurkowanie

Rolnictwo o kontrolowanym środowisku obejmuje dwa rodzaje działalności. Szklarnie wykorzystują światło słoneczne, uzupełniane światłem sztucznym. Wewnętrzne farmy pionowe układają rosnące warstwy pod diodami LED w zamkniętym budynku. W obu przypadkach hodowcy kontrolują temperaturę, wilgotność, dwutlenek węgla, światło, nawadnianie i składniki odżywcze. Zadaniem sztucznej inteligencji jest wybór ustawień, które maksymalizują wydajność i jakość każdej jednostki energii i pracy. Kilka zmiennych oddziałuje na siebie: - **Światło:** rośliny reagują na dzienną całkę światła (całkowite światło na dzień), fotoperiod i widmo. - **Deficyt ciśnienia pary (VPD):** wilgotność i temperatura razem wyznaczają VPD, które napędza transpirację. Zbyt niski – wzrasta ryzyko choroby; zbyt wysoko i rośliny zamykają aparaty szparkowe. - **Wzbogacanie CO2:** przyspiesza fotosyntezę tylko wtedy, gdy pozwalają na to światło i temperatura. - **Składniki odżywcze:** roztwory są kontrolowane na podstawie przewodności elektrycznej (EC) i pH. Zmiana jednego ustawienia powoduje zmianę pozostałych, więc kontrola to balansowanie, którego doświadczeni hodowcy uczą się latami. Sztuczna inteligencja szklarniowa ma znaczący poligon doświadczalny: projekt Autonomous Greenhouse Challenge prowadzony przez Wageningen University & Research. Zespoły zajmujące się algorytmami rywalizowały z doświadczonymi hodowcami w zakresie zdalnej uprawy takich roślin, jak ogórki, pomidory i sałata. Ekonomia jest przestrogą. AeroFarms i producent szklarni AppHarvest ogłosiły upadłość w 2023 r., a Bowery Farming zostało zamknięte w 2024 r. Podstawowy problem polega na tym, że gospodarstwa uprawiane w pomieszczeniach zamkniętych zastępują darmowe światło słoneczne kupowaną energią elektryczną, podczas gdy ich główne produkty, warzywa liściaste i zioła, są sprzedawane po niskich cenach. Wysokie koszty kapitału, skoki cen energii i wąskie marże nie pozostawiają miejsca na błędy. Powszechne są trzy błędne przekonania. Sztuczna inteligencja sama w sobie nie sprawi, że rolnictwo pionowe będzie opłacalne; obcina koszty na marginesie, podczas gdy dominują energia i kapitał. Farmy pionowe nie są automatycznie bardziej ekologiczne, ponieważ ich ślad węglowy zależy od źródła energii elektrycznej. A szklarnie, a nie gospodarstwa w pomieszczeniach zamkniętych, produkują żywność o kontrolowanym środowisku.

Implementacja w świecie rzeczywistym

Szklarnia pomidorów korzysta z oprogramowania klimatycznego, które planuje ogrzewanie, wentylację i monitoruje prognozę pogody na kilka godzin do przodu. Celem jest utrzymanie roślin w odpowiednim zakresie wilgotności przy mniejszym zużyciu gazu.

Hodowla sałaty w pomieszczeniach planuje oświetlenie LED na godziny, kiedy prąd jest najtańszy, jednocześnie zapewniając wymagane dzienne światło dla każdej uprawy.

Kamery umieszczone nad stojakami uprawowymi każdego dnia szacują powierzchnię liści i pokrycie baldachimu. Oznaczają tace, które rosną powoli, aby personel mógł sprawdzić poziom nawadniania i składników odżywczych.

Hodowca porównuje zalecenia klimatyczne algorytmu z decyzjami doświadczonego hodowcy w jednym przedziale, a następnie decyduje, czy rozszerzyć automatyzację na całą szklarnię.

Przyszłość sztucznej inteligencji w rolnictwie pionowym i szklarniach

Automatyzacja szklarni prawdopodobnie będzie się rozwijać, ponieważ szklarnie borykają się z niedoborami siły roboczej i presją związaną z kosztami energii, a kontrola klimatu wspomagana sztuczną inteligencją sprawdziła się w próbach. Rolnictwo pionowe w pomieszczeniach zamkniętych konsoliduje się po niepowodzeniach. Operatorzy, którzy przetrwali, koncentrują się na uprawach o wyższej wartości, lokalizacjach z tanią lub odnawialną energią oraz lepszej automatyzacji. Uprawy takie jak truskawki są testowane w pomieszczeniach zamkniętych, chociaż rentowność na dużą skalę nie została udowodniona. Zrobotyzowane zbiory i zautomatyzowane pomiary roślin dadzą systemom sterowania więcej danych do wykorzystania. Ogólnie rzecz biorąc, sztuczna inteligencja poprawia wydajność, ale ceny energii i wartość produktów zadecydują, które modele biznesowe okażą się trwałe.

Wdrażanie tego w praktykę

Dlaczego to ma znaczenie

  • Kontekst i zasady. Kontekst branżowy decyduje o tym, czy pomysły AI przetrwają kontakt z rzeczywistością.
  • Kontrola jakości. Ograniczenia domeny wpływają na akceptowalne poziomy błędów i modele nadzoru.
  • Buduj wybory. Pomyślne wdrożenia łączą możliwości techniczne z przepływami pracy na pierwszej linii frontu.

Uważaj na

  • Wymogi prawne mogą unieważnić mocne prototypy.
  • Dane historyczne mogą kodować uprzedzenia, które szkodzą konkretnym społecznościom.
  • Starsze systemy mogą powodować wąskie gardła w integracji i ukryte koszty.

Kolejne kroki

  1. Zaangażuj ekspertów dziedzinowych od sformułowania problemu po ocenę.
  2. Zaprojektuj ścieżki audytu i dokumentację przed uruchomieniem.
  3. Wcześnie zweryfikuj wymogi dotyczące zgodności i bezpieczeństwa.
  4. Wdrażaj etapami z jasnymi kryteriami zatrzymania i wycofywania.

Odkrywaj dalej

Darmowy newsletter

Otrzymuj codzienne podsumowanie AI

Trzy zweryfikowane historie AI każdego poranka w dni robocze, napisane prostym angielskim. Bezpłatne na zawsze, bez reklam.

Jedno e‑mail każdego dnia roboczego. Wypisz się jednym kliknięciem. Nigdy nie sprzedajemy ani nie udostępniamy Twojego adresu.

Sprawdź się

Take the AI in Vertical Farming and Greenhouses quiz

Natychmiastowa informacja zwrotna na każde pytanie oraz udostępnialny certyfikat z weryfikowalnym ID po zaliczeniu kursu.

Rozpocznij quiz

Wspieraj darmową edukację AI. AI Understanding jest organizacją non-profit 501(c)(3) — bez reklam, bez płatnej ściany, zawsze. Przekaż darowiznę

Często zadawane pytania

Czym jest sztuczna inteligencja w rolnictwie pionowym i szklarniach?

W gospodarstwach wertykalnych i szklarniach sztuczna inteligencja dostosowuje oświetlenie, temperaturę, wilgotność, CO2 i składniki odżywcze, aby uzyskać jak największy plon i jakość przy zużyciu energii i pracy. Łączy dane z czujników, modele upraw i prognozy w celu ustawienia kontroli. Ma to znaczenie, ponieważ rolnictwo o kontrolowanym środowisku umożliwia uprawę żywności przez cały rok w pobliżu miast zużywających mniej wody. Jednak wysokie koszty energii i kapitału spowodowały upadłość kilku dobrze finansowanych farm wertykalnych, a sztuczna inteligencja nie jest w stanie sama tego naprawić.

Jaka jest kluczowa różnica między szklarnią a pionową farmą w pomieszczeniach zamkniętych?

Źródło światła stanowi zasadniczą różnicę i powoduje bardzo różne koszty energii.

Które dwie zmienne łącznie określają deficyt ciśnienia pary (VPD)?

VPD zależy od temperatury i wilgotności powietrza. Napędza transpirację, wpływając zarówno na ryzyko chorób, jak i na to, czy rośliny zamykają aparaty szparkowe.

Kiedy według przewodnika wzbogacanie w CO2 przyspiesza fotosyntezę?

CO2 jest jednym z kilku oddziałujących na siebie limitów. Bez wystarczającej ilości światła i odpowiedniej temperatury dodatkowy CO2 niewiele dodaje.

Która instytucja organizuje Autonomous Greenhouse Challenge?

Wageningen University & Research organizuje wyzwanie, w którym zespoły algorytmów rywalizują z doświadczonymi hodowcami.

Jaki podstawowy problem gospodarczy wskazuje przewodnik stojący za niepowodzeniami gospodarstw pionowych?

Energia na oświetlenie w połączeniu z wysokimi kosztami kapitałowymi w porównaniu z produktami o niskiej wartości pozostawiła niewielkie marże, które mogłyby zostać zniwelowane przez skoki cen energii.