“不久的未來，智能技術、傳統技術與新技術三方面相結合，將帶來全新的生產模式。”前段時間，在“2017阿拉丁論壇-思索照明論壇”的園藝照明專場上，日本植物工場研究會主席古在豐樹教授表達了自身對于植物工廠的未來的美好的愿景。他圍繞“植物工場智慧LED照明及環境控制”這一主題在現場發表了精彩的演講。以下是編者整理的古在豐樹教授的演講內容。

　　資源和效率的問題以及帶來成本控制的問題

　　現今日本擁有植物內部照明系統的企業達兩百多家，并且每年植物工廠的數量還在不斷增加，同時這一類植物工廠在中國、美國、歐洲也都在蓬勃發展的階段。

　　理論上，人工照明可利用最少量的資源來實現植物的最高產量和質量，從而降低成本，及降低污染物的排放。但實際上目前很少植物工廠真正實現持續性盈利，原因何在?在于其真正實現的產量和產品質量遠遠低于理論上的潛力，因為供應能力、利用率較低，導致了生產成本較高。

　　在運作方面，植物工廠對于技能要求較高，操作較復雜，需要軟件的配置，并且每個單元面積生產投入成本高，而可持續的生產目前尚未實現，意味著還需要進一步的研究。但從技術潛力來講，植物工廠在商業上還大有可為。

　　在此過程中涉及很多尖端的智能技術，包括人工智能、ICT、機器人技術等。從另外一個角度看，還需要結合傳統的植物學和農業知識，尤其是生物學方面的指標甚至是一些基因方面的知識都要深入了解。

　　環境控制方面的復雜性如何克服

　　基于人工智能的管理系統，與感應器連接在一起，感應器可了解到周邊的生產環境，而且將會傳輸到大數據的數據庫，包括植物生長表型分析、環境狀況分析等各方面的數據。其中控制元器件、云計算、機器人技術是不可缺少的部分，人工智能核心管理系統在各方面的智能設定都能完成預期的目標，但其中的難點是植物生長的影響因素非常復雜。

　　植物生長過程中光到底發揮什么作用?第一，從能源角度來講，可促進光合作用，輻射出光熱;第二，從信息源角度來講，可知道植物生長過程中新陳代謝的狀況，以及在此過程中光形態的表現。

　　在植物生長的光環境方面需要考慮PPFD光合光通量光密度、光照的方向和光的周期。其中，光的方向，光從上往下還是從下往上照射，都還是泛光，這些變量都是根據時間動態變化，而且最讓人頭疼的是上述變量中一個變量會受到其他變量的影響。葉片的溫度、二氧化碳的濃度或者濕度，其他肥料的組成、植物灌裝等等都會受光環境影響。另外還有一些傳導，如病菌的傳導、疾病的感染都會造成影響。光環境與植物共同的成長周期相關。

　　“單價×總和的值盡可能大，這是我們要達到的一個理想目標”，LED技術實現從電能到光能的轉化，將會起到很大作用。而我們要做的事情不僅僅是完成光能到電能的轉化，整個植株后期的生長也要考慮。

　　種植蔬菜要考慮經濟價值，其中有哪些影響因素?首先要看重量、大小、形狀、顏色、紋理，還要看組成的營養成分、維生素C、抗氧化等，我們要盡可能減少生理性原因造成的植物不良狀況，如微量元素缺乏引起植物表面有白色或者黑色斑點。同時蔬菜的口感、味道對于他的經濟價值影響非常大。另外保質期也是一個影響因素。上述因素與周邊的生產、環境、植物本身的品種密切相關。所以在尋找解決方案的時候，不需要既有的經驗，而是需要大膽的想象和展望，因為這個系統過于復雜。

　　要實現最佳PPFD方案、最佳光解質需要通過大量的測量、精確的計算、大數據、人工智能等等。光環境為此提供了絕佳的環境，如LED燈可具有大內存的高速微處理器，大數據人工智能，開放式數據平臺的物聯網，或者DNA測試功能的Omics。

　　現在白光LED含有的綠光越來越多，此前有人提出綠光并不是植物生長所需要的。但密集植物灌層的光合作用，如果不考慮綠光，可能這部分的效果會打折扣。同時在對單片植物葉子光合作用的研究中可發現綠光是有用，而且較密集的植物灌層、光合作用會更加密集。科學家指出，綠光對于植物的抗病能力有所提升，一些研究表明綠光對于植物灌層會有所改變，但這部分的知識還非常少。

　　雙重植物工廠體系

　　首先LED智能化照明體系，基于表型環境、基本模塊、硬件和軟件，而且有一個雙模模式，即一部分實體存在的植物工廠，另一部分虛擬的植物工廠，因為其中會大量運用虛擬數字化技術。

　　在環境控制過程中的表層分析方面，表型分析考慮因素非常多，包括植物本身的特異性、性狀，所含的水、氮、葉綠素化合物，植物的表情分析等，我們需要把基因及環境兩方面的信息結合起來。植物表型是怎樣定義?我們通過一些方法和方案來測量植物的特異性，如植物細胞層面的特征、灌層的特征及相關功能。

　　植物表型圖象傳感設備包括一般的相機、光譜輻射測量、遠紅外、熒光3D掃描、三色傳感器等等。LED彩色相機能夠了解到植物的三維數據，并輸入到電腦，集成其他通用數據和周邊環境數據。

　　這種技術可培育適用于內部封閉型植物工廠的特殊植物品種，可根據自己的需要來特別強化生產作物其中的成分含量，如定制化維C含量特別高的植株，可生產出抗病的植株。這樣生產出來的植株對于周邊造成的壓力很小，因為是相對封閉的環境，無需使用殺蟲劑之類的東西。

　　與傳統生產模式相比，這種模塊具有很高的可拓展性。眾所周知，研究與應用之間存在一道鴻溝，實驗室體量小，沒有辦法規模化，所以在大環境中往往行不通，同樣小批量生產和商業生產之間也存在鴻溝。

　　在這樣一個環境之中，我們生產出來的基本模塊具有上述特性，一個是可拓展性，一個是可適應性。目前使用這種植物工廠生產方式包括很多變化，植株特性、周邊環境、植物本身的基因信息管理細節等相關，所以要真正為植物工廠帶來更多品種則要改進環境控制計劃。因為現在育種和商業化發展是分開的，下一步育種和商業化發展是共同的。

　　我們其實要做的事情就是數據整合，每分每秒、方方面面的數據，基因組學的數據和管理的數據，并植入到機器學習體系中，通過人工智能基于上述深層學習，提出更多的信息，這個信息可以通過育種環境控制。

　　雙重的植物工廠，一方面是實體的植物工廠，一方面是虛擬的植物工廠，即數字化管理體系。所以這中間存在虛擬世界和實體世界的連接，大量信息從感應設備傳向世界。而基于全部處理的數據，虛擬的系統可以對未來做出計算和預測，如未來的生產狀況、環境變量以及可能帶來的成本。而且我們可以做對比，這個虛擬設備對于未來所做的預測數據是否準確。若有問題，可及時對虛擬計算中的一些算法進行調整。

　　“我們有一個美好愿景：不久的未來，智能技術、傳統技術與新技術三方面相結合，帶來全新的生產模式。”真正實現雙重植物生長體系，需要一整套的軟件配置，另外數據還需要開放性的平臺，可進行數據交換，一個植物工廠需要有分布式、無處不在的網絡。

　　而且植物工廠體系還可跟其他生物體系結合起來，像養漁場、種植蘑菇場所等，為城市提供新鮮的糧食。我并非在描述一個美好夢境，現今已經成為了現實。