近期，35斗与荷兰瓦赫宁根大学及研究中心联合举办了“智能装备：数字时代的全新智能农业”线上分享活动，邀请了瓦赫宁根大学在读博士闵钱希曦、瓦赫宁根大学及研究中心荷兰植物生态表型中心(NPEC)的项目经理Rick van de Zedde老师、瓦赫宁根大学及研究中心-食品生物研究院研究员郭学臻博士、瓦赫宁根大学食品工程组助理教授张露博士，分享了从作物培育到食品制造的产业链创新。

本次活动是“对话新生力，畅享新科技”系列云论坛的第三期，本系列活动由瓦赫宁根大学及研究中心、35斗、未来农业知识中心联合发起，系列活动包括绿色蛋白、生鲜供应链、智能装备、循环农业、可持续土壤等相关主题，欢迎关注35斗获得更详细的议程安排。

本次“智能装备”主题活动，吸引了一千多人次在线观看并参与讨论，参与观众来自投资机构如BV百度风投、一飞资本、生命资本、巴斯夫创投等；科研院校，如中国农业大学、浙大、瓦赫宁根大学等；还有政府园区、行业组织、行业媒体等单位和机构人士参与。

根据参与观众填写的反馈结果，通过嘉宾分享和观众讨论，大家得到的共识是：未来在农业食品领域，智能技术和装备的应用及市场规模将持续增长，提高生产力和生产效率。与之对应的是，数据精准采集、成本控制、时间周期、多学科融合等是行业面临的主要挑战。

为便于传播和留存云论坛内容，35斗据嘉宾分享整理了以下内容：

讲者介绍：闵钱希曦

闵钱希曦是瓦赫宁根大学及研究中心（WUR）-园艺产品及生理组的在读博士。博士研究方向为光照策略对作物生理，产品营养品质以及采后贮藏综合表现，主要关注植物工厂种植与人工光照（LED）的应用。2018-2020作为AiCU团队成员，参加了两届由WUR与腾讯发起的“国际智能温室挑战赛“。AiCU作为新锐”车库“团队，在与众多科技巨头公司团队的竞争中脱颖而出，持续探索AI与温室产业的结合与应用。

挑战赛宗旨：在六个月时间内，选手们通过远程操控和AI算法策略（ICT、模型、机器学习法），在不进入温室的前提下，进行园艺作物的生产，既要追求更高的产量和品质，也要追求更高的资源能源利用效率。

挑战赛规则：初赛有21支队伍参加，通过24小时连续作业，排名前五进入到决赛。决赛有5支参赛队伍，为期6个月，赛方提供温室，基础数据采集等；选手不得进入温室；选手决定其实生产策略，计入成本；选手自选加入额外传感器；结合品质分级，市场价格波动，能源资源成本等，最终计算的总利润；评分标准：利润50%，AI策略30%，可持续性20%。最终，其所属团队AICU在2019年国际智能温室挑战赛中获得初赛第一，决赛第二的好成绩。

最终的比赛成绩为，人类专家种植结果为每平米利润3.10欧元，五组AI种植利润为3.19欧元、3.35欧元、3.59欧元、6.23欧元、6.86欧元。从这一层面来看AI种植的效率是高于人类种植专家的。

AI种植面临的挑战：比赛中，环境方面的数据能够通过各种传感器来获得，而植物本身的数据需要耗费大量人力、精力进行测量，并且数据反馈时效性并不强。未来的解决方案是，一方面开发更多能监测植物形态、生理状态的传感器，另一方面植物表型学知识和研究的应用。

讲者介绍：Rick van de Zedde

Rick van de Zede是荷兰瓦格宁根大学和研究中心(WUR)荷兰植物生态表型中心(NPEC)的项目经理，Rick van de Zede拥有人工智能的背景，已在该中心工作16年。同时，他也是瓦赫宁根大学及研究中心“表型组学与自动化”领域的业务开发人员，负责与学术伙伴和公司合作开展新的研究项目。

植物表型学定义：关于测量植物的特征（包括物理、外观上的特征，也包括内在的生物成分），是如何受到基因型和环境的影响。通过专业信息搜集设备获取植物生长过程中的信息，汇总到分析设备中，进行数据分析，AI解读，最后再将获得成果投入到实际生产之中，提升植物生长表现。在艰苦的环境、气候条件下，对植物进行大量人工数据搜集作业几乎是不可能的，所及机器学习和先进的表型工具的加入可以帮助我们很好地解决这一问题。

基因型（Genotype）+环境（Environment）=表型学（Phenotype）。某个相同基因型的作物，栽种在不同的区位条件下会呈现出不同的生长形态，表型学研究的重要方向是理解为何会产生这种变化，引发此种不同，但在这一过程中需要工具的协助（进行测量）。

植物表型学是一个综合性、多分支的复杂学科，需具备具数据科学、生物学等多方面技术知识的综合性人才推动学术研究，但很难有人同时具备多项专业能力。于是，便组织向荷兰政府申请了NPEC项目（荷兰植物生态表型中心）。NPEC是荷兰科研机构NWO的在建分支科研机构，获批2200万欧元的项目基金，机构建成后，除正常开展植物表型相关科研工作外，还会面向学院、社会开放，提供相关科研设备。

植物表型学重要性：1.用表型工具结合其他器械使用（无人机），可在种植多种作物的大田中找到当前环境下更适宜种植的作物。2.提升在人口大爆炸年代的食物供给。3.通过记录食物采摘前相关数据，对采摘后食物进行更好的规划预测，来保证我们吃到的食物更健康，品质更高。4.利用数据所提供的食物的理解，产出更健康、更美味的食物。

植物表型学的应用途径：精准农业；植物更深层的理解，从机理上了解植物进行光合作用这一过程；种子萌发、种子活力测试；通过机械臂对植物进行测试。

讲者介绍：郭学臻

郭学臻博士是瓦赫宁根大学及研究中心-食品生物研究院研究员。郭学臻博士毕业于瓦赫宁根大学运筹学与物流专业，拥有十年以上的食品供应链研究及行业经验。曾为诸多食品跨国公司，政府及非营利组织提供咨询服务。其研究致力于将采后保鲜技术与品控物流管理相结合，以提高食品供应链的经济，环境和社会效益。

同传统冷链物流相比较，品控物流具有以下几点不同：

品控物流两大难点：数据采集和数据分析。数据的采集依赖于传感器，传统的冷链物流采用不同时间节点采样技术，不能连续地反映产品在物流过程中产生的变化，准确性相对较低，时效性差。当前数据分析仪器相对欠缺。

品控物流能够根据传感器对产品质量的实时监测，通过感知产品的周边参数，利用品质变迁预测模型来计算产品质量（货架期预测）供应链的决策者和参与者可以根据当下产品的质量，做出最优化的物流决策。其产品检测能够完成非破坏性质量检测。

借助优良的数据采集传感器和完整的品质预测模型，在真正完成物流网络搭建之前，可以先实施计算机模拟，将预测模型嵌入到模拟产品流当中，模拟整个供应链中产品质量的变化。从产收到加工到分销到最后的C端，所有产品质量数据结合物流的活动，可以计算品控物流下的成本与效益。

未来适用于中国的品控物流商业模式：互联网巨头牵头、大型品控物流开放平台（B2B）、开发低成本传感器及配套信息技术解决方案、大型规模整合产品质量，物流配送及订单数据、为涉农企业提供基于大数据的供应链成本效益分析和优化方案、打通从初始一公里到最后一公里的产品质量数据链。

讲者介绍：张露

张露博士于2018年获得瓦赫宁根大学食品工程领域博士学位，其博士论文题为《烘焙过程对生物活性成分的影响》。张露博士于2020年4月开始在瓦赫宁根大学食品工程组任助理教授一职，其研究领域包括3D食品打印，食品废料和副产物的回收再利用，以及人工智能在食品加工过程中的应用等。

3D食品打印具有五大优势：灵活，在地，按需地根据数字设计制造食品；为与消费者直接互动提供机会；制作利用传统制造工艺无法轻易实现的创新性食物结构和功能；食品肥料副产物的再利用；让个性化定制（营养、外观、口感）成为可能。

3D打印可细分为三大种类：粉床打印、喷射打印、挤压打印，挤压打印也是目前应用较多的技术模式。

挤压打印：食品打印材料（食品墨水）被挤压通过喷嘴，根据数字结构设计逐层打印，最终实现3D的食物结构。三种挤压驱动力：气动式、活塞式、螺杆式。食品墨水要求：假塑性流体、剪切变稀、可挤出、快速结构恢复能力（固化/凝胶化）、维持自身重量的稳定性。可打印一下几类食品体系：碳水化合物（淀粉、果胶、卡拉胶）、脂肪（奶酪、巧克力）、蛋白质（明胶、酪蛋白酸钠、鱼糜）、膳食纤维（果蔬混合物、酵母提取物）、功能成分（维C、益生菌、微藻类）

3D食品打印的挑战与展望：

挑战1：食品墨水成分单一，如何扩大3D打印食品墨水的选择范围，为个性化营养服务？展望：建立成分更复杂的模型系统，建立食品墨水成分与食物感官特性的联系。

挑战2：食品墨水成分复杂多变，如何实现对可打印性和稳定性的预测？展望：试错法（效率低）、建立数据驱动模型实现质量预测（统计学模型、人工智能）。

挑战3：数据从哪里来，打印过程可控性差，如何实现打印智能化？展望：传感器、在线反馈控制。

挑战4：如何实现多喷嘴打印，实现模拟真实食物的结构、口感和食物成分空间分布？

食品工程组最会以个性化营养为最终目标，研究复杂食品体系打印过程，建立预测模型，最终实现打印智能化。3D食品还有很长的路要走，也有很多有趣的研究可以做。

从嘉宾们的分享中，可以看出，技术进步无疑给全球食物系统带来了可喜的变化，比如生物技术改良了种质资源，让食物的源头更加高效、适应环境，再比如食品工业的发展提高了行业的自动化水平和生产效率，并能根据消费者和市场需求灵活地调度生产能力和品类。

技术融合是未来农业食品行业创新的关键点，无论是智能农机装备、作物表型研究还是3D食品打印，都是跨学科、跨领域技术融合的产物，涉及生物学、机械工艺、数据科学、信息化等方方面面，只有在多元技术的创新融合之下，才能构建“新型食物系统”。