宾夕法尼亚州立大学的一个跨学科研究小组表示，温室内的无土种植系统，即受控环境农业，有望促进全年高质量特种作物的生产。但是，为了保持竞争力和可持续发展，这种先进的农业方法将需要开发和实施精准农业技术。为了满足这一需求，该小组开发了一种自动化作物监测系统，能够提供有关植物生长和需求的连续和频繁的数据，从而实现明智的作物管理。

“传统上，在受控环境农业无土系统中进行作物监测是一项关键的、耗时的任务，需要专业人员，”研究小组组长、农业与生物工程副教授贺龙说。“传统的作物监测方法不允许频繁收集数据来捕捉整个作物周期的植物生长动态。自动化作物监测系统可以通过频繁的数据收集和更有效、更明智的作物管理来持续监测作物。”

研究人员在发表在《农业计算机与电子》杂志上的研究结果中报告说，一个集成的“物联网”、人工智能（AI）和为可控环境农业无土种植系统量身定制的计算机视觉系统，能够在整个作物周期内持续监测和分析植物生长。物联网——通常被称为IoT——是一个物理对象网络，可以通过互联网连接和交换数据，连接嵌入传感器、软件和其他技术的设备。

据该团队称，他们研究的核心创新是首次实现递归图像分割模型，该模型处理在预定时间间隔内以高分辨率捕获的序列图像，以准确跟踪植物生长的变化。在这项研究中，研究人员通过监测小白菜（一种通常被称为白菜的叶菜）来测试他们的方法，但研究人员表示，这种方法适用于许多不同的作物。

他所在的农业科学学院的研究小组位于比格勒维尔的宾夕法尼亚州立大学水果研究和推广中心，十多年来一直专注于自动化、精准农业，为农业应用设计机器人解决方案，如作物采摘、树木修剪、青果稀疏、授粉、果园加热、农药喷洒和灌溉。本研究中使用的机器视觉系统是该小组在以前的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分离了在无土系统中生长的单个小白菜幼苗，产生了频繁的图像，在整个生长周期中跟踪叶片覆盖面积的增加。研究人员表示，递归模型保持了“稳健的表现”，在整个作物生长周期中提供了准确的信息。

他称赞他实验室的博士后学者、该研究的第一作者康晨晨（Chenchen Kang）提供了“教授”计算机视觉系统跟踪植物生长所需的创新和辛勤工作。

他说：“晨晨安装了传感器，收集并处理了数据，开发了方法，并与人工智能模型进行了编码和编程工作。”

这项研究是农业工程师和植物科学家之间的一个跨学科项目，它是一个更大的联邦项目的一部分，名为“推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强调了整合不同专业知识以开发精准农业解决方案的重要性。他建议，跨学科方法在提高当前受控环境农业系统的效率和长期可持续性方面将越来越重要。

Di Gioia说：“自动监测和收集作物状况数据，估计植物生长和作物需求，以及监测营养液和环境因素（辐射、温度和相对湿度）的能力，再加上物联网和人工智能技术的使用，将彻底改变我们管理作物的方式。”“减少低效率和提高受控环境农业系统的竞争力将加强我们的粮食和营养安全。”

Di Gioia补充说，在未来，精准农业技术与受控环境农业系统的整合也可能提供提高特种作物质量的机会，甚至可以定制它们的营养成分。

作者：宾夕法尼亚州立大学

链接：https://www.sciencedaily.com/releases/2025/03/250304164416.htm

著作权归作者所有。

声明：海森大数据刊发或者转载此文只是出于传递、分享更多信息之目的，并不意味认同其观点或证实其描述。若有来源标注错误或侵犯了您的合法权益，请作者与本网联系，我们将及时更正、删除，谢谢。电话：152 6451 3609，邮箱：1027830374@qq.com