智慧农业-垂直农场/植物工厂AI Agent 发展挑战（2）

节选自OA论文 https://doi.org/10.1002/moda.70044

多模态数据的采集与融合

在将多模态数据应用于精准农业决策系统中时，会面临贯穿于数据采集、处理、整合及迭代整个过程的诸多挑战。这些挑战包括多源数据的异质性、数据质量的不稳定性、农学机制与数据建模之间的脱节，以及反馈迭代的延迟，这些都严重限制了多模态数据在精准农业决策系统中的实际应用。精准农业决策系统中所涉及的多模态数据涵盖多个方面，如环境监测、作物生长状况分析以及设备运行状态等。来自不同来源的数据在存储格式、采集频率以及时空尺度上存在显著差异（例如浮点数值和图像矩阵），而且目前还缺乏统一的数据采集标准。在数据标注方面，要对植物表型、病害特征以及养分胁迫反应等关键数据进行准确标注，离不开专业农学人员的参与。这不仅会导致标注周期过长、成本高昂，而且对于药用植物和新型种质资源这类特殊作物而言，可用的标注样本更是极为匮乏。这一切都进一步降低了多模态数据融合建模的准确性。在数据融合与建模过程中，那些隐性的农学经验，比如光照条件的调整方式以及营养液更换的时间节点，很难被转化为标准化的融合特征。这就使得纯粹基于数据的模型偏离了植物的自然生长规律，从而导致模型在数据层面上是合理的，但却不符合实际的农学原理。