“不久的未来，智能技术、传统技术与新技术三方面相结合，将带来全新的生产模式。”前段时间，在“2017阿拉丁论坛-思索照明论坛”的园艺照明专场上，日本植物工场研究会主席古在丰树教授表达了自身对于植物工厂的未来的美好的愿景。他围绕“植物工场智慧LED照明及环境控制”这一主题在现场发表了精彩的演讲。以下是编者整理的古在丰树教授的演讲内容。

　　资源和效率的问题以及带来成本控制的问题

　　现今日本拥有植物内部照明系统的企业达两百多家，并且每年植物工厂的数量还在不断增加，同时这一类植物工厂在中国、美国、欧洲也都在蓬勃发展的阶段。

　　理论上，人工照明可利用最少量的资源来实现植物的最高产量和质量，从而降低成本，及降低污染物的排放。但实际上目前很少植物工厂真正实现持续性盈利，原因何在?在于其真正实现的产量和产品质量远远低于理论上的潜力，因为供应能力、利用率较低，导致了生产成本较高。

　　在运作方面，植物工厂对于技能要求较高，操作较复杂，需要软件的配置，并且每个单元面积生产投入成本高，而可持续的生产目前尚未实现，意味着还需要进一步的研究。但从技术潜力来讲，植物工厂在商业上还大有可为。

　　在此过程中涉及很多尖端的智能技术，包括人工智能、ICT、机器人技术等。从另外一个角度看，还需要结合传统的植物学和农业知识，尤其是生物学方面的指标甚至是一些基因方面的知识都要深入了解。

　　环境控制方面的复杂性如何克服

　　基于人工智能的管理系统，与感应器连接在一起，感应器可了解到周边的生产环境，而且将会传输到大数据的数据库，包括植物生长表型分析、环境状况分析等各方面的数据。其中控制元器件、云计算、机器人技术是不可缺少的部分，人工智能核心管理系统在各方面的智能设定都能完成预期的目标，但其中的难点是植物生长的影响因素非常复杂。

　　植物生长过程中光到底发挥什么作用?第一，从能源角度来讲，可促进光合作用，辐射出光热;第二，从信息源角度来讲，可知道植物生长过程中新陈代谢的状况，以及在此过程中光形态的表现。

　　在植物生长的光环境方面需要考虑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，光从上往下还是从下往上照射，都还是泛光，这些变量都是根据时间动态变化，而且最让人头疼的是上述变量中一个变量会受到其他变量的影响。叶片的温度、二氧化碳的浓度或者湿度，其他肥料的组成、植物灌装等等都会受光环境影响。另外还有一些传导，如病菌的传导、疾病的感染都会造成影响。光环境与植物共同的成长周期相关。

　　“单价×总和的值尽可能大，这是我们要达到的一个理想目标”，LED技术实现从电能到光能的转化，将会起到很大作用。而我们要做的事情不仅仅是完成光能到电能的转化，整个植株后期的生长也要考虑。

　　种植蔬菜要考虑经济价值，其中有哪些影响因素?首先要看重量、大小、形状、颜色、纹理，还要看组成的营养成分、维生素C、抗氧化等，我们要尽可能减少生理性原因造成的植物不良状况，如微量元素缺乏引起植物表面有白色或者黑色斑点。同时蔬菜的口感、味道对于他的经济价值影响非常大。另外保质期也是一个影响因素。上述因素与周边的生产、环境、植物本身的品种密切相关。所以在寻找解决方案的时候，不需要既有的经验，而是需要大胆的想象和展望，因为这个系统过于复杂。

　　要实现最佳PPFD方案、最佳光解质需要通过大量的测量、精确的计算、大数据、人工智能等等。光环境为此提供了绝佳的环境，如LED灯可具有大内存的高速微处理器，大数据人工智能，开放式数据平台的物联网，或者DNA测试功能的Omics。

　　现在白光LED含有的绿光越来越多，此前有人提出绿光并不是植物生长所需要的。但密集植物灌层的光合作用，如果不考虑绿光，可能这部分的效果会打折扣。同时在对单片植物叶子光合作用的研究中可发现绿光是有用，而且较密集的植物灌层、光合作用会更加密集。科学家指出，绿光对于植物的抗病能力有所提升，一些研究表明绿光对于植物灌层会有所改变，但这部分的知识还非常少。

　　双重植物工厂体系

　　首先LED智能化照明体系，基于表型环境、基本模块、硬件和软件，而且有一个双模模式，即一部分实体存在的植物工厂，另一部分虚拟的植物工厂，因为其中会大量运用虚拟数字化技术。

　　在环境控制过程中的表层分析方面，表型分析考虑因素非常多，包括植物本身的特异性、性状，所含的水、氮、叶绿素化合物，植物的表情分析等，我们需要把基因及环境两方面的信息结合起来。植物表型是怎样定义?我们通过一些方法和方案来测量植物的特异性，如植物细胞层面的特征、灌层的特征及相关功能。

　　植物表型图象传感设备包括一般的相机、光谱辐射测量、远红外、荧光3D扫描、三色传感器等等。LED彩色相机能够了解到植物的三维数据，并输入到电脑，集成其他通用数据和周边环境数据。

　　这种技术可培育适用于内部封闭型植物工厂的特殊植物品种，可根据自己的需要来特别强化生产作物其中的成分含量，如定制化维C含量特别高的植株，可生产出抗病的植株。这样生产出来的植株对于周边造成的压力很小，因为是相对封闭的环境，无需使用杀虫剂之类的东西。

　　与传统生产模式相比，这种模块具有很高的可拓展性。众所周知，研究与应用之间存在一道鸿沟，实验室体量小，没有办法规模化，所以在大环境中往往行不通，同样小批量生产和商业生产之间也存在鸿沟。

　　在这样一个环境之中，我们生产出来的基本模块具有上述特性，一个是可拓展性，一个是可适应性。目前使用这种植物工厂生产方式包括很多变化，植株特性、周边环境、植物本身的基因信息管理细节等相关，所以要真正为植物工厂带来更多品种则要改进环境控制计划。因为现在育种和商业化发展是分开的，下一步育种和商业化发展是共同的。

　　我们其实要做的事情就是数据整合，每分每秒、方方面面的数据，基因组学的数据和管理的数据，并植入到机器学习体系中，通过人工智能基于上述深层学习，提出更多的信息，这个信息可以通过育种环境控制。

　　双重的植物工厂，一方面是实体的植物工厂，一方面是虚拟的植物工厂，即数字化管理体系。所以这中间存在虚拟世界和实体世界的连接，大量信息从感应设备传向世界。而基于全部处理的数据，虚拟的系统可以对未来做出计算和预测，如未来的生产状况、环境变量以及可能带来的成本。而且我们可以做对比，这个虚拟设备对于未来所做的预测数据是否准确。若有问题，可及时对虚拟计算中的一些算法进行调整。

　　“我们有一个美好愿景：不久的未来，智能技术、传统技术与新技术三方面相结合，带来全新的生产模式。”真正实现双重植物生长体系，需要一整套的软件配置，另外数据还需要开放性的平台，可进行数据交换，一个植物工厂需要有分布式、无处不在的网络。

　　而且植物工厂体系还可跟其他生物体系结合起来，像养渔场、种植蘑菇场所等，为城市提供新鲜的粮食。我并非在描述一个美好梦境，现今已经成为了现实。