微信扫一扫
分享到朋友圈

让蔬菜更好吃,这次真的是运用了高科技

作者:果壳网 来源:果壳网 公众号
分享到:

04-30

本文授权转载自DeepTech(ID:deeptechchina)


机器学习可以有什么样的实际应用?最先进入脑海的答案,无外乎语音识别、人脸识别、机器翻译、自动驾驶,以及个性化推荐这些热门领域。

 

但你或许不知道,它还能让蔬菜变得更好吃。

 

近日,麻省理工学院研究团队联合 Cognizant 公司,尝试了一系列香料九层塔(罗勒)的种植实验。他们没有采用转基因技术,仅用普通的九层塔种子,通过机器学习算法控制生长环境,使其时刻处于最利于生长的状态,调节参数包括光照时间、紫外线照射时间和有效光照辐射(PAR)等。


最终发现,24 小时光照竟然是最适宜九层塔生长的环境因素之一,培育出的成品味道远超普通九层塔。未来,研究团队计划用类似的方法提高植物产量,甚至是提高它们体内特定物质的含量,帮助对抗一些疾病。



图 |  试验中所有九层塔的生长环境,包括光照,都受到了严格的控制(来源:Melanie Gonick)


评判标准


结合机器学习和植物种植,并非心血来潮。麻省理工学院早在2015年,就提出了 OpenAgriculture(开放农业)倡议,致力于将人工智能技术应用在农业领域,同时秉承开源精神,将研究成果以软硬件结合的形式共享给所有人,提高全球农业技术的整体水平。


之所以选择九层塔,是因为它是一种西方料理中常见的香料,被誉为“香料之王”。由于可以散发出浓郁的香气,它在西餐中的地位相当于我国美食里面的香菜。甚至在三杯鸡、烧茄子等中式菜肴中也会有它的身影。


研究人员正是利用这种特点,通过气相色谱-质谱联用法(GC-MS)分析它的香气浓度,进而评估它的味道,参考成分多达十余种。


总的来说,九层塔香气越浓,味道越好,而且还会含有更丰富营养素和抗氧化物质,更有营养。


控制变量


在“九层塔香气优化”实验中,研究人员使用了无土水培技术,将所有九层塔装在适合运输的容器中,再放入由电脑控制的培育室里。他们将整套设备称为“食物计算机”,可以精准控制环境变量。


在保持温度和湿度等参数恒定的前提下,研究团队选择了三种变量:光照时长,紫外线时长和光合有效辐射(PAR)时长。


光照时长很好理解,它与绿叶植物的生长效率密不可分,决定了储存香气挥发物的毛状体的形成,变量值在 0-24 小时之间。紫外线的作用则在于增加香气挥发物的含量,进而用来检验实验成果,变量值也在 0-24 小时之间。


图 | “食物计算机”


而光合有效辐射比较特殊,它代表着可以用来进行光合作用的光照,由灯的种类决定。比如两株植物各配有一台经过特殊设计的灯,即使照射时长相同,发出的有效辐射也有差异,最终进行的光合作用也有不同。这一变量最难控制和改变,因为它对硬件需求较高,而且需要特殊的优化算法才能找到最佳配置。


设计优化模型


面对三个变量衍生出的数百万种排列组合,如何找到效果最好的一种?研究人员将目光投向了机器学习。


他们选择了符号回归(Symbolic Regression)方法,其优点在于不依赖于现有知识,可以有效利用进化方法,为非线性系统建立预测和优化模型。该方法还比其他回归模型更易于解释,研究人员更容易找出变量之间的关系,为未来的实验开发新模型。


图 | “生物计算机”产出的九层塔(来源:Melanie Gonick)


优化过程中,除了上述三个变量,符号回归模型还会考虑温度、湿度和香气挥发物浓度等信息,将它们作为输入值,评估优化方法。


研究人员强调,尽管符号回归在多次迭代后无法保证收敛,但实验当中的预测只需一次迭代,无需保证收敛。


种植实验


种植实验进行了三轮,每一轮包括 9 盘同时生长的九层塔,其中每轮会有 3 盘一直使用控制参数,来作为衡量标准。


第一轮的环境参数由人工决定,主要目的是调查紫外线的效果和灯的选择。第二轮参数由无监督算法选择,加入了光照变量和提高了参数多样性。


在分析了前两轮的生长数据后,第三轮参数由符号回归模型给出。具体来说,该模型一共评估了 200 万种组合方案,研究人员从中挑选了 18 种效果最好的,应用于种植实验中。


最终结果显示,九层塔在 24 小时光照的情况下,生长状态最好,释放的香气也最浓郁。


图 | 三种变量组合而成的结果图,好吃程度由高到低分别是:红色>黄色>绿色>蓝色


这一结果十分出人意料,因为大自然中极少出现 24 小时日照的情况,只有在极地地区才会发生,但那里又不适合植物生长。

 

在此之前,以自然种植测试为主的农业领域,几乎没有可能发现这种看似“反直觉”的特征,即使人们知道 24 小时光照会让特定植物生长旺盛,但并不知道这还会影响到它们的味道。


除了味道以外,研究人员正在尝试更多种机器学习和农业的结合方式。比如探索环境变量对营养素和其它成分的影响,寻找是否可以利用机器学习提高某些成分的含量,让食用植物变得更加营养,产量更高,甚至是适应气候变化和抵抗害虫。


这项研究成果发表于 4 月 3 日的 《公共科学图书馆·综合》(PLoS One)期刊上。


参考:

http://news.mit.edu/2019/algorithm-growing-agriculture-0403

https://www.technologyreview.com/s/613262/machine-learning-is-making-pesto-even-more-delicious/

https://journals.plos.org/plosone/article?id=10.1371/journal.pone.0213918



果壳

ID:Guokr42


整天不知道在科普些啥玩意儿的果壳

我觉得你应该关注一下

喜欢别忘了点在看哟↘️

阅读38824
蔬菜 
举报0
关注果壳网微信号:guokr42

用微信扫描二维码即可关注
声明

1、头条易读遵循行业规范,任何转载的稿件都会明确标注作者和来源;
2、本文内容来自“果壳网”微信公众号,文章版权归果壳网公众号所有。

评论
更多

文章来自于公众号:

果壳网

微信号:guokr42

邮箱qunxueyuan#163.com(将#换成@)
微信编辑器
免责声明
www.weixinyidu.com   免责声明
版权声明:本站收录微信公众号和微信文章内容全部来自于网络,仅供个人学习、研究或者欣赏使用。版权归原作者所有。禁止一切商业用途。其中内容并不代表本站赞同其观点和对其真实性负责,也不构成任何其他建议。如果您发现头条易读网站上有侵犯您的知识产权的内容,请与我们联系,我们会及时修改或删除。
本站声明:本站与腾讯微信、微信公众平台无任何关联,非腾讯微信官方网站。