摘要：根据跨学科研究团队的说法，温室中的Soilless生长系统（被称为受控环境农业）承诺将推进全年的高质量特种作物的生产。但是，要具有竞争力和可持续性，这种先进的农业方法将需要开发和实施精密农业技术。为了满足这一需求，该团队开发了一种自动化的作物监测系统，能够提供有关植物生长和需求的连续和频繁数据，从而允许知情的作物管理。...

根据宾夕法尼亚州立大学的跨学科研究团队的数据，温室中的Soilless生长系统（被称为受控环境农业）承诺推进全年的高质量特种作物的生产。但是，要具有竞争力和可持续性，这种先进的农业方法将需要开发和实施精密农业技术。为了满足这一需求，该团队开发了一种自动化的作物监测系统，能够提供有关植物生长和需求的连续和频繁数据，从而允许知情的作物管理。

“传统上，受控环境农业中的农作物监测是一项至关重要的，耗时的任务，需要专门的人员，”农业和生物工程副教授Long Long说。 “和传统的作物监测方法不允许频繁的数据收集在整个农作物周期中捕获植物生长动态。自动化的作物监测系统允许通过频繁收集数据收集以及对农作物的效率更有效，更明智的管理来连续监测植物。”

在发表的发现中农业的计算机和电子产品，研究人员报告说，综合的“物联网”，人工智能（AI）和针对受控环境农业的Soilless生长系统量身定制的计算机视觉系统，从而在整个农作物周期中持续监测和分析植物生长。物理互联网（通常称为IoT）是一个可以通过Internet连接和交换数据的物理对象网络，链接了带有传感器，软件和其他技术的设备。

根据该团队的研究，他们的研究的核心创新是递归图像分割模型的实现，该模型是在预定时间间隔中以高分辨率捕获的顺序图像，以准确植物生长的变化。在研究中，研究人员通过监测一种通常称为中国白菜的绿叶蔬菜来测试他们的方法，但研究人员说，它将与许多不同的农作物一起使用。

位于Biglerville的宾夕法尼亚州立水果研究与扩展中心的农业科学学院的研究小组一直关注自动化的，精确的农业，已有十多年的历史，为农业应用设计了用于农业应用，例如作物采摘，树木修剪，绿色水果，污染，果园粉，果园供热，量化和量化。这项研究中采用的机器视觉系统是该小组在先前研究中为其他目的开发的技术的进步。

在这项研究中，集成的机器视觉系统成功地隔离了在Soilless系统中生长的单个婴儿Bok Choy植物，从而产生了频繁的图像，从而在整个生长周期中叶片覆盖面积增加。研究人员说，递归模型保持了“强大的性能”，在整个作物生长周期中提供了准确的信息。

他赞扬了他的实验室博士后学者Chenchen Kang，也是该研究的第一作者，他提供了“教”计算机视觉系统以植物生长所需的创新和努力。

他说：“ Chenchen安装了传感器，收集并处理了数据，开发了该方法，并与AI模型进行了编码和编程工作。”

该研究是农业工程师和植物科学家之间的一个跨学科项目，它是一个较大的联邦项目的一部分，标题为“促进室内城市农业系统的可持续性”。蔬菜作物科学副教授兼总体项目首席研究员Francesco di Gioia强调了将不同的专业知识整合到精确农业解决方案的发展的重要性。他认为，跨学科方法对于提高当前受控环境农业系统的效率和长期可持续性将越来越重要。

Di Gioia说：“能够与养分解决方案的监测以及环境因素（辐射，温度和相对湿度）的监测以及对物联网和AI技术的使用相结合的能力，将彻底改变我们管理农作物的方式。” “最大程度地减少效率低下并提高受控环境农业系统的竞争力将增强我们的粮食和营养安全。”

Di Gioia补充说，将来，精密农业技术在受控环境农业生产系统中的整合也可能提供了增强特种作物质量的机会，甚至可以量身定制其营养概况。

Xinyang Mu毕业于宾夕法尼亚州立大学的农业和生物工程博士学位，目前是密歇根州立大学的博士后学者，植物科学博士候选人Aline Novaski Seffrin为这项研究做出了贡献。

宾夕法尼亚州农业部和美国农业部国家食品和农业研究所资助了这项工作。