Agriculture is the foundation of human civilization. However, the rapid increase of the global population poses a challenge on this cornerstone by demanding more food. Modern autonomous greenhouses, equipped with sensors and actuators, provide a promising solution to the problem by empowering precise control for high-efficient food production. However, the optimal control of autonomous greenhouses is challenging, requiring decision-making based on high-dimensional sensory data, and the scaling of production is limited by the scarcity of labor capable of handling this task. With the advances of artificial intelligence (AI), the internet of things (IoT), and cloud computing technologies, we are hopeful to provide a solution to automate and smarten greenhouse control to address the above challenges. In this paper, we propose a smart agriculture solution named iGrow, for autonomous greenhouse control (AGC): (1) for the first time, we formulate the AGC problem as a Markov decision process (MDP) optimization problem; (2) we design a neural network-based simulator incorporated with the incremental mechanism to simulate the complete planting process of an autonomous greenhouse, which provides a testbed for the optimization of control strategies; (3) we propose a closed-loop bi-level optimization algorithm, which can dynamically re-optimize the greenhouse control strategy with newly observed data during real-world production. We not only conduct simulation experiments but also deploy iGrow in real scenarios, and experimental results demonstrate the effectiveness and superiority of iGrow in autonomous greenhouse simulation and optimal control. Particularly, compelling results from the tomato pilot project in real autonomous greenhouses show that our solution significantly increases crop yield (+10.15\%) and net profit (+92.70\%) with statistical significance compared to planting experts.

Bản dịch tiếng Việt:

Nông nghiệp là nền tảng của nền văn minh nhân loại. Tuy nhiên, sự gia tăng nhanh chóng của dân số toàn cầu đặt ra thách thức đối với nền tảng này là đòi hỏi nhiều lương thực hơn. Nhà kính tự trị hiện đại, được trang bị cảm biến và thiết bị truyền động, cung cấp giải pháp đầy hứa hẹn cho vấn đề này bằng cách trao quyền kiểm soát chính xác để sản xuất thực phẩm hiệu quả cao. Tuy nhiên, việc kiểm soát tối ưu các nhà kính tự trị là một thách thức, đòi hỏi phải ra quyết định dựa trên dữ liệu cảm giác đa chiều và quy mô sản xuất bị hạn chế do sự khan hiếm lao động có khả năng xử lý nhiệm vụ này. Với những tiến bộ của trí tuệ nhân tạo (AI), internet vạn vật (IoT) và công nghệ điện toán đám mây, chúng tôi hy vọng có thể cung cấp giải pháp tự động hóa và kiểm soát nhà kính thông minh hơn để giải quyết những thách thức trên. Trong bài viết này, chúng tôi đề xuất giải pháp nông nghiệp thông minh có tên iGrow, để kiểm soát nhà kính tự động (AGC): (1) lần đầu tiên, chúng tôi xây dựng bài toán AGC dưới dạng bài toán tối ưu hóa quy trình quyết định Markov (MDP); (2) chúng tôi thiết kế một trình mô phỏng dựa trên mạng thần kinh được kết hợp với cơ chế gia tăng để mô phỏng toàn bộ quá trình trồng cây của một nhà kính tự trị, cung cấp nền tảng thử nghiệm để tối ưu hóa các chiến lược kiểm soát; (3) chúng tôi đề xuất thuật toán tối ưu hóa hai cấp độ vòng kín, có thể tối ưu hóa lại chiến lược kiểm soát nhà kính một cách linh hoạt với dữ liệu mới được quan sát trong quá trình sản xuất trong thế giới thực. Chúng tôi không chỉ tiến hành thử nghiệm mô phỏng mà còn triển khai iGrow trong các tình huống thực tế và kết quả thử nghiệm chứng minh tính hiệu quả, ưu việt của iGrow trong mô phỏng nhà kính tự động và kiểm soát tối ưu. Đặc biệt, kết quả thuyết phục từ dự án thí điểm cà chua trong nhà kính tự động thực sự cho thấy giải pháp của chúng tôi làm tăng đáng kể năng suất cây trồng (+10,15\%) và lợi nhuận ròng (+92,70\%) có ý nghĩa thống kê so với các chuyên gia trồng trọt.

Document Ready

Click below to load the full PDF document natively.