根据宾州州立大学的一个跨学科研究小组的说法，温室内的无土种植系统，被称为控制环境农业，承诺将推动高质量特色作物的全年生产。但为了具有竞争力和可持续性，这种先进的农业方法将需要开发和实施精确农业技术。为满足这一需求，研究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，控制环境农业无土系统中的作物监测是一项至关重要且耗时的任务，需要专业人员，”团队负责人、农业与生物工程副教授Long He表示。“而传统的作物监测方法并不允许频繁的数据收集，以捕捉作物周期内植物生长动态。自动化作物监测系统可以持续监测植物，频繁收集数据，从而实现更高效和更明智的作物管理。”
在《农业中的计算机与电子学》的发表的研究结果中，研究人员报告了一个集成的“物联网”、人工智能（AI）和针对控制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实现植物生长的持续监测和分析。物联网通常被称为IoT，是一种物理对象的网络，可以通过互联网连接和交换数据，链接嵌入了传感器、软件和其他技术的设备。
研究小组表示，他们研究的核心创新是首次实施递归图像分割模型，该模型处理在预定时间间隔内以高分辨率捕获的连续图像，从而准确跟踪植物生长的变化。在研究中，研究人员通过监测常被称为上海青的绿叶蔬菜——小白菜，来测试他们的方法，但研究人员表示该方法适用于许多不同的作物。
He教授的研究小组位于宾州州立大学的农业科学学院，在Biglerville的水果研究与推广中心，已专注于自动化精确农业超过十年，设计了用于农业应用的机器人解决方案，如作物采摘、修剪树木、疏果、授粉、果园加热、喷洒农药和灌溉。本研究中使用的机器视觉系统是该小组在以往研究中为其他目的开发的技术的进步。
在本研究中，集成的机器视觉系统成功隔离了无土系统中单个的小白菜植物，生成频繁的图像，跟踪其生长周期内叶面积的增加。研究人员表示，递归模型保持了“稳健的性能”，在整个作物生长周期内提供了准确的信息。
He教授称赞了实验室的博士后学者Chenchen Kang，她是该研究的第一作者，称其为“教导”计算机视觉系统跟踪植物生长所需的创新和辛勤工作。
“Chenchen安装了传感器，收集和处理数据，开发了方法论，并与AI模型进行编程工作，”He教授说。
该研究是农业工程师与植物科学家之间的跨学科项目，是一个更大联邦项目的一部分，该项目名为“推进室内城市农业系统的可持续性”。主要研究者、蔬菜作物科学副教授Francesco Di Gioia强调了整合不同专业知识以开发精确农业解决方案的重要性。他建议，这种跨学科的方法将在推进当前控制环境农业系统的效率和长期可持续性方面变得愈加关键。
“能够自动监测和收集作物状态数据，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——结合使用物联网和AI技术，将彻底改变我们管理作物的方式，”Di Gioia说。“减少低效，提高控制环境农业系统的竞争力将增强我们的食品和营养安全。”
未来，Di Gioia补充说，精确农业技术在控制环境农业系统中的整合也可能提供提高特色作物质量甚至调整其营养成分的机会。
毕业于宾州州立大学农业与生物工程专业的Xinyang Mu，目前是密歇根州立大学的博士后研究员，以及植物科学博士候选人Aline Novaski Seffrin也为该研究做出了贡献。
这一工作得到了宾夕法尼亚州农业部和美国农业部国家食品与农业研究所的资助。
