微信扫一扫,关注公众号

  • 科技行者

  • 算力行者

见证连接与计算的「力量」

首页 蔬菜的滋味,AI和你都想了解

蔬菜的滋味,AI和你都想了解

2021-07-21 19:09
分享至:
----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-
2021-07-21 19:09 科技行者

蔬菜的滋味,AI和你都想了解

美国匹兹堡,由Fifth Season垂直农场产出的作物正在收获打包

随着全球对食品需求的不断增加,垂直农场正成为未来农业发展中的重要组成部分。在这类新型农场中,人们使用机器人技术、机器学习以及人工智能(AI)全面推进农业自动化,希望将瓜果蔬菜的种植水平提升至前所未有的高度。伴随着稳步增长,全球垂直农业市场在2019年的估值为44亿美元,预计到2025年将增长至157亿美元。

Fifth Season是位于匹兹堡的一家垂直农场,他们利用筹得的3500万美元资金开发出超级堆栈软件与机器人,借以运行全自动农业系统。此外,通过将大数据与AI相结合,他们还摸索出最佳种植方法以帮助作物获得最佳风味。

Fifth Season公司CEO Austin Webb表示:“利用大数据与AI技术,我们得以确定作物是否达成目标风味——包括甜味、辣味、苦味、其他特定味道及质地的综合指标。”

“我们的作物还采用独特的种植方法,有点像不同LED灯组拼凑而成的特殊图案。作物会在植苗室内获得一个二维码,我们通过此二维码确定该植物的生长情况,并据此指示自动化系统在作物的不同生长阶段将其放置在对应的最佳条件之下。”

在Webb看来,他们的这套超级堆栈系统相当于垂直农场的“大脑”,可以根据种植方法绘制出每株作物在生长期间的移动路线、而后据此分步加以摆放。

Webb还提到,“我们使用AI与数据来发现作物各项质量指标的改进情况,其细致程度甚至走出了人类对风味特征的感知范畴。与传统农业相比,我们把现在的这套方案称为主动式、确定性种植,一举突破了包括温室培育在内只能对基础条件及日照情况做出被动反应的套路。以此为基础,我们会收集消费者/厨师对于作物风味及质地的反馈,并将这些定性数据同每株作物整个生命周期中的26000个定量数据点匹配起来。”

“更进一步,我们还会调整种植方法来设计更符合预期的最佳风味。对于一部分蔬菜,例如西红柿,专家们会用白利糖度分数来衡量;但我们的评判则更为全面,具体涵盖甜度、辣度、苦度、综合风味、质地以及颜色等指标。人类不用查看铁含量或者白利糖度得分,也能体会到一颗西红柿到底好不好吃;我们的农场大脑则从中学习经验。由人类判断哪些谷物的味道最好,农场大脑则据此计算并调整种植方法。”Webb解释道。

WayBeyond公司创始人兼CEO Darryn Keiller认为,要影响作物的风味只有两种途径:要么改变作物的遗传基因,要么调整其现有生物特征。
Keiller认为,“例如,种植者可以调整光线及营养物质以影响作物风味,甚至增强某些质地(例如松脆度、厚度)或风味(增加甜味或苦味)特征。只要确定了希望在作物上达成的关键特征,我们就可以使用机器学习或AI技术实现生产流程的自动化与高度优化,由此持续改变作物性质并响应不断变化的消费者偏好。”

“目前,垂直农场主要使用户外农业培育出的种苗。在AI技术的支持下,垂直农场有望迎来更适合室内环境的种苗(或种系),进一步完善垂直农业研发并创造出更适合室内环境/管理实践的遗传特征,同时保证商业生产的可持续改进——可以想见,这里蕴藏着巨大的发展潜力。”

此外,Webb还补充道,不少室内种植户都在努力把垂直种植技术迁移至户外农业体系;但Fifth Season的想法有所不同,他们更重视将智能制造原则应用于农业,借此种植出前所未有的高质量作物。

他强调称,“我们每周种植的新鲜作物超过15000磅,用水量甚至还不到传统户外种植农场的十分之一,总占地面积也仅仅为2300平方米。”

Webb认定,只要能够将垂直农业的运营持续扩大,就足以带来前所未有的技术突破与消费者体验,给市场持续提供稳定、新鲜、营养且清洁的产品,最终彻底改变消费者的购物方式。

“垂直农业将改变我们对于新鲜食材应该是什么样子、可以是什么样子的定义;它将改变新鲜食材的获取方式、供应能力与便利性,给消费者带来以往无法想象的价值回报。换句话说,除了从零售店里直接购买之外,我们的垂直农场将突破过往产品保持期的束缚,开拓出一条获取最新鲜、最优质食品的新路。”Webb总结说。

分享至
0赞

好文章,需要你的鼓励

推荐文章
  • 南方科技大学等机构联手破解AI推理训练难题:让大模型"一次思考"就学会解题

    南方科技大学等机构联手破解AI推理训练难题:让大模型"一次思考"就学会解题

    本文介绍了由南方科技大学等机构于2026年4月发表的研究(arXiv:2604.08865),提出了名为SPPO的大模型推理训练新方法。该方法将推理任务重新建模为"序列级情境赌博机",用一个轻量级价值模型预测题目难度,以单次采样替代GRPO的多次采样,解决了标准PPO的"尾部效应"问题。实验显示,SPPO在数学基准测试上超越GRPO,训练速度提升约5.9倍,配合小尺寸价值模型还能显著降低显存占用。

  • 香港科技大学数学系研究者:扩散模型原来是一个"魔法恒等式"拆成了两半

    香港科技大学数学系研究者:扩散模型原来是一个"魔法恒等式"拆成了两半

    这项由香港科技大学数学系完成的研究(arXiv:2604.10465,2026年ICLR博客论文赛道)提出了一种从朗之万动力学视角理解扩散模型的统一框架。研究指出,扩散模型的前向加噪和逆向去噪过程,本质上是朗之万动力学这一"分布恒等操作"被拆成了两半。在这个视角下,VP、VE-Karras和Flow Matching等不同参数化的模型可被精确互译,SDE与ODE版本可被统一解释,扩散模型相对VAE的理论优势得以阐明,Flow Matching与得分匹配的等价性也得到了严格论证。

  • 中国人民大学研究团队打造的"AI科学家":让机器自主完成几十小时的科研工程,它是怎么做到的?

    中国人民大学研究团队打造的"AI科学家":让机器自主完成几十小时的科研工程,它是怎么做到的?

    中国人民大学高岭人工智能学院等机构联合开发了AiScientist系统,旨在让AI自主完成机器学习研究的完整工程流程,包括读论文、搭环境、写代码、跑实验和迭代调试,全程无需人工干预。系统核心设计是"薄控制、厚状态":由轻量指挥官协调专业代理团队,通过"文件即通道"机制将所有中间成果持久化存储,使每轮工作都能建立在前一轮积累的基础上。在PaperBench和MLE-Bench Lite两个基准上,系统表现显著优于现有最强对比系统,论文发布于2026年4月。

  • 字节跳动发布GRN:像人类画家一样"边画边改"的AI图像生成新范式

    字节跳动发布GRN:像人类画家一样"边画边改"的AI图像生成新范式

    这项由字节跳动发布的研究(arXiv:2604.13030)提出了生成式精化网络(GRN),一套模仿人类画家"边画边改"直觉的视觉生成新框架。其核心包括两项创新:层级二进制量化(HBQ)通过多轮二分逼近实现近乎无损的离散图像编码,以及全局精化机制允许模型在每一步对整张图像的所有位置重新预测并随时纠错,从根本上解决了自回归模型的误差积累问题。配合基于熵值的自适应步数调度,GRN在ImageNet图像重建(rFID 0.56)和生成(gFID 1.81)上均创下新纪录,并在文本生成图像和视频任务上以20亿参数达到同等规模方法的领先水平。

----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-