В течение последних двух лет исследователи работали над созданием компонентов для автономного управления выращиванием огурцов. Они определили признаки растений, необходимые для принятия решений по управлению урожаем и климат-контролю, и выбрали датчики для измерения этих признаков. Для автономного управления теплицей разработали алгоритмы, основанные на двух подходах: механистической модели Digital Twin и алгоритме машинного обучения на основе Reinforcement Learning. В начале этого года начались испытания: эти два подхода и эталонный алгоритм были применены в теплице с реальными посевами огурцов для оценки их эффективности на исследовательской базе университета в Нидерландах.
Цель заключалась в достижении максимально возможной чистой прибыли, которая определялась балансом между переменными затратами (электроэнергия, природный газ, CO2) и выгодой (количество собранных огурцов в зависимости от массы плодов). 11 мая был собран последний урожай огурцов в тепличных отделениях валидационного испытания AGROS.
Климат-контроль и управление урожаем основывались на современных знаниях и передовой практике, а также на заранее разработанной стратегии выращивания и орошения, направленной на обеспечение сбалансированного роста и производства урожая.
В основе стратегии лежала потребность культуры в ассимилятах, обеспечиваемая солнечным светом, дополнительным светодиодным освещением, а также температурным режимом и стратегией подачи CO2. Стратегия орошения позволила получить культуру с высоким ростом в начале выращивания. Когда появились первые цветы, стратегия обрезки плодов определялась исходя из количества вновь образовавшихся листьев и ожидаемого уровня освещенности. Концепция специалистов заключалась в выращивании энергичного урожая с расчетом на то, что его производство компенсирует затраты на электроэнергию, тепло и CO2.
В итоге количество собранных плодов точно совпало с прогнозируемой урожайностью, которая была основана на плане выращивания, составленном в начале испытаний.
Цифровой двойник был создан на основе комбинированной модели урожая и климата. В условиях, приближенных к реальным, «цифровой двойник» определял идеальную стратегию управления на основе реакции моделируемого климата и виртуального урожая огурцов. Для «самокалибровки» и улучшения стратегии управления в ходе испытаний он использовал данные, получаемые в реальном времени от климатических датчиков и ручных измерений урожая. Digital Twin реализовал объективную стратегию управления, в которой он соизмерял фактические затраты с ожидаемыми выгодами: количеством огурцов, которые будут собраны в течение следующих двух недель. Хотя количество собранных огурцов было меньше, Digital Twin оптимально использовал колебания цен на электроэнергию, что позволило добиться самой низкой цены за кВт/ч потребленной электроэнергии. По словам исследователей, если смотреть на ближайшее будущее, то Digital Twin наиболее близок к применению автономного выращивания в коммерческой практике. Он может объективно принимать решения в сложных системах тепличного производства, балансируя между переменными затратами ресурсов и ценами на продукцию.
В другой теплице климат контролировался алгоритмом Reinforcement Learning (RL), который обучался на виртуальных наборах данных об урожае огурцов и климате. Применение ИИ в теплицах находится в зачаточном состоянии, и это был один из первых случаев полностью автономного управления теплицей с помощью алгоритма Reinforcement Learning. Модель могла управлять такими исполнительными механизмами, как освещение, использование экрана, концентрация CO2 и обогрев, но не была обучена управлять поливом и обрезкой плодов. В итоге климат в теплице значительно отличался от климата в двух других отделениях, но культура оказалась способной хорошо переносить большие колебания температуры. Результатом стало хорошее плодоношение, даже с учетом ограничений, связанных с заранее заданной стратегией обрезки плодов.
Как отмечают ученые, в идеале все системы управления должны опираться на датчики климата и урожая, обеспечивающие непрерывное, автоматизированное и объективное получение данных. Однако в данном испытании они все же основывали управление на ручных измерениях, чтобы исключить возможность сбоев в работе систем управления. Следующим шагом в развитии автономного управления теплицами станет включение датчиков в контур управления, для чего потребуются надежные датчики, поддерживаемые решениями на основе мягких датчиков.
Проект «AGROS: на пути к автономной теплице»— это проект государственно-частного партнерства и сотрудничества Вагенингенского университета с компаниями 2Grow, BASF Vegetable Seeds, Delphy, Gennovation, Greenport West Holland, Hortilux, IMEC/One Planet, Mechatronix, Philips, Ridder, Roullier, Saint-Gobain Cultilene, Signify, Stichting Kennis in je Kas и Van der Hoeven. Финансирование осуществляется в рамках государственной программы.
