吴茜：田间“码农”，“赛博”种田

□南京日报/紫金山新闻记者张安琪

人物档案：吴茜，博士，江苏省农业科学院农业信息研究所智慧农业创新团队助理、表型与视觉诊断协作组组长，副研究员。

6月3日下午3时许，江苏省农业科学院内，一个4.5米高、8米宽的“龙门架”正在小麦试验田中缓缓移动，根据科研人员输入的指令，有序拍摄田间的麦子。

“眼下麦子要收了，我们得抓紧采集这片试验田的数据，为品种选育做支撑。”吴茜守在作物表型云平台前手指轻点，“龙门架”走过的地方，麦子穗数、穗粒数等信息随即呈现在屏幕上，“看，数据采集出来了。以前科研人员不仅得下田观察记录麦子长势，还得挨个数穗数、穗粒数，现在‘一拍即知’。”

“龙门架”学名叫大田作物高通量表型数字化采集平台，路轨两用，多视角成像，能覆盖田间任何一个点位，也能切换到不同田块作业，其核心是作物表型智能识别系统。

所谓表型，是指植物的“高矮胖瘦”等体态特征和营养品质等生理特性。吴茜的工作，就是研发作物表型高效精准获取技术，为农机装备提供表型智能识别算法和模型支持，让这些“钢铁身躯”具备“眼睛”和部分“大脑”功能，能够看得清、测得准、算得快。

在农业科研中，观察、了解作物生长情况是基础工作，只有掌握丰富、可靠的表型数据，育种专家才能快速找出所需的育种材料，而高通量表型获取技术的研发，为作物遗传改良与精准育种提供了核心驱动力。

“最初我的研究方向是根系三维建模，主要模拟土壤和根系水肥交互。一次与育种专家聊天时，了解到他们长期面临作物性状数据获取难、效率低的问题，使我突然意识到，与其深耕理论模拟，不如将算法模型转化为面向作物表型的高效分析工具，为破解育种瓶颈、提升农业生产效率提供实际解决方案。”吴茜说。

新课题的确立，让吴茜和同事们兴奋异常，立即投入研究。可农作物表型“千姿百态”，田间环境又特别复杂，要编写算法实现作物表型性状精准提取并不容易。

数据采样、平台搭建、模拟演算、程序调试……吴茜和同事们每月有一半时间都扎根在试验田里，在不同时段、光照条件下，使用专业设备采集作物的多视角图像，构建原始数据库；再回到办公室，守在电脑前，对海量图像进行处理并构建AI算法，将植株高低、叶片颜色等肉眼可见的农学特征，转化为机器可识别的参数。

“有些表型信息看起来相似，却指向不同的病害，需要不断优化算法、改进模型，提高识别准确率。田里光照不均也会严重影响图像质量，需要进行图像预处理，通过‘自动修图’让画面更清晰均匀。此外，针对田间环境复杂、遮挡严重等问题，需要借助注意力驱动机制，提升算法自主聚焦和放大相关特征的能力，相当于大家拍照要自动对焦一样。”提起曾经的“槛”，吴茜有种“千帆过尽”的坦然和从容。

在她看来，农业是与全球人类生计最为相关的产业，智慧农业的研究绝不应该是小模型里的一次理想实验，“如果识别不够准确，还不如不识别。”

据了解，省农科院智慧农业创新团队已搜集到物联网数据存量超20亿条，表型图片80多万张，设备历史操作次数20万次以上，每月新增数据8000多万条，成功积累了小麦、水稻、番茄、草莓等的大量表型数据，可对其进行全生育期表型监测，多种表型智能检测算法已集成至作物表型云平台，且准确率达90%以上。

种植番茄的“智慧温室”就在小麦试验田隔壁。当天午后气温直逼30℃，记者经过风淋系统进入温室后立即感受到一阵凉爽。“风淋可以吹去身上的灰尘病菌，避免不同温室之间作物交叉感染。”一同进入的吴茜说。在她身后，一台巡检机器人正在绿油油的藤蔓间“行走”。

“巡检机器人搭载了多种环境和视觉传感器。以视觉传感器为例，它们会记录下经过地方的番茄生长状态，提取长势数据并传给‘智小农’平台，通过平台部署的智能决策算法进行综合判断，以此精准执行水肥和环境调控；如果发现有传染性比较严重的病虫害，就可以提前发现并预警；也可以综合判断果实产量，为农场主或企业接下来的订单预订提供参考。”吴茜说。

吴茜所在的省农科院智慧农业创新团队成员平均年龄30岁左右，大部分是跨界而来的信息技术人员，他们研发的设施果蔬智能生产与精准服务技术模式落地应用面积超5万平方米，相关数据已形成3个数据产品，正式在省数据交易所上架。

“如今我们个个又会写代码又能种田，是真正的‘码农’了。”吴茜笑称，她和“赛博农夫”同事们的下一个目标是“智慧养殖螃蟹”，继续用AI赋能农业，为乡村振兴贡献智慧和力量。