在一个唯一不变的行业中，种植者正在寻求改善当前流程，甚至设定新的目标。

宝贵的员工每天都留在耕种设施的前线，但是通常最有意义的是委托计算机，传感器和智能手机完成某些任务，例如每天收集和关联数百万个数据点，例如室温，相对湿度，以及养分和水分的吸收。 另外，数据收集通常不是您或您员工的主要技能。 即使这样，耕种操作中的每个变量都会生成大量数据，这些数据可能需要几天甚至几周的时间供人分析和使用。

这就是物联网（IoT），人工智能（AI）和机器学习等智能技术发挥作用的地方。 物联网在制造业中已经变得司空见惯，以监控机器性能和输出。 同样，公用事业公司也正在将传感技术部署到电网中，以平衡供需状况，并在潜在故障发生之前进行识别。 类似的技术可以帮助改变大麻产业。

CannabiDOL咨询公司所有者John Dol表示，借助物联网，主要种植者，种植主管和辅助种植者可以将其笔记本电脑或手机连接到温室，并在全球范围内种植以远程监控和应对潜在问题。

在Agrios Global Holdings在华盛顿的运营中，每天用于耕种和监测机械系统的传感器都会收集大约1亿个数据点，其中包括每两秒钟测量32个环境点。

物联网带来实时可见性

简而言之，物联网涉及使用嵌入传感器的物理对象，这些传感器通过互联网收集和中继信息。

生长室或温室中的气候控制系统会通过传感器进行测量，这些传感器会测量温度，湿度，照明，风扇/气流和CO2水平等条件，有时还会测量底物的pH值和电导率（EC）以及蒸汽压差（VPD） ，多尔说。 信息通过传感器传递到气候控制系统，然后传递到异地种植者，证明了物联网在耕作中的使用。

Dol说，实时数据访问对于成长中的种植者至关重要，因为当某些参数失控时，它可以让他们远程更改气候控制系统。 他们可以设置警报参数，以便他们的系统在出现问题时会警告他们。 然后，他们可以使用自己的密码从手机，笔记本电脑或任何一个（取决于系统）登录系统。 系统记录谁进行了更改以及何时进行了更改。

Dol说：“对于管理多个站点的种植者来说，这可能是有效地位于“站点”的关键区别。

在表达物联网的重要性时，Dol提供了一个示例，供暖通空调公司为增长室提供服务。 完成后，他们会忘记重新打开设备。 他说：“第二天早晨电灯亮起时，您的房间突然变成了100度。” 如果您正在接收实时数据，则可以避免这种情况。

耕种者还可以允许其他关键决策者，包括顾问，Dol说。 “也许我只能从气候的角度来看待； 也许我可以看看气候和灌溉； 也许我可以看看气候，灌溉和供暖。”多尔说。 “或者他们可以设置我，以便我也可以进行更改。” 但是，由于进行这些调整是种植者的责任，Dol建议不要在可能的情况下依靠顾问进行更改。

优化生长的许多发展都来自于观赏和农产品温室产业，Dol从1990年代初开始从事该产业，直到大约四年前他加入大麻产业。

多尔说，在大多数情况下，与种植室相比，主要种植者在温室中使用物联网的机会更多。 他说：“在温室中，您必须控制更多的东西。” “因此，它在温室内更复杂，更广泛。 在温室里，有屏风，在山顶的一侧和山顶的另一侧都有通风。”

他说，也就是说，许多物联网系统都在增长室中使用。 一些户外种植者也使用它们来响应气象站的数据，并监视和调整灌溉。

“有非常复杂的系统，然后有一些系统只会告诉你，’好吧，这是温暖的，有潮湿，有VPD，而且灯亮着，’” Dol说。 “也可以这么简单。”

Dol说，就目前情况而言，物联网有其局限性，并指出人工智能和机器学习为未来的培养提供了机会。 他指出，来自世界各地的团队正在进行试验，以使用AI自主种植西红柿。 他说：“这些团队只能使用气候计算机。” “他们无法亲自进入设施。”

新兴技术如何影响行业

埃迪在范·伊塞尔（van Iersel）的指导下建造的“土壤水分传感器控制的灌溉系统”

CBT专栏作家兼行业顾问Robert Eddy说，如果做得对，新兴技术的使用会对大麻市场产生巨大影响。

埃迪说，耕种者可以在一些诱人的番茄操作中研究先进的技术，其中近红外热像仪可以测量上下叶片之间的温度差。 这些摄像机的读数可以帮助中耕者追踪空气，热量散发和灌溉的均匀性。 他说：“当然，我们所需要的只是使用实际的…工厂测量数据，而不是以空气温度和湿度为代表。”

曾与Eddy合作的乔治亚大学园艺学教授Marc van Iersel说，他和他的同事正在使用成像技术来观察植物发出的荧光，以在症状出现之前检测出胁迫。 种植者还可以使用这种类型的成像来监视生长。

为了密切监视灌溉，van Iersel指示Eddy使用Arduino微控制器，电子灌溉阀，继电器开关和传感器来帮助构建van Iersel所谓的“由土壤湿度传感器控制的自动化灌溉系统”。

“园艺行业的商用传感器目前约为150美元，尽管与开源平台Raspberry Pi或Arduino兼容的组件成本仅为10美元，” Eddy说。

艾迪说，大约125美元的微控制器，40美元的灌溉螺线管和150美元的传感器（用于控制八个灌溉程序进行水分胁迫实验）的总成本约为1600美元。 埃迪将它们连接到一台笔记本电脑，他在笔记本电脑上加载了软件并记录了数据。

van Iersel说：“该系统可按需提供1到14个独立灌溉区的灌溉。” “以这种方式自动灌溉可以防止植物因过多或过少的水分而承受压力，这两种水分都会对作物的生长和品质造成极大的不利影响。”

范·伊塞尔（van Iersel）说，开放源代码平台使种植者变得灵活且相对便宜。 雇用具有电子和编程经验的人员的较小的工厂可以使用这些模块化系统，而一些较大的种植者可能希望在商业系统上进行投资。

埃迪说，传感器必须小巧且价格合理，因此中耕者可以在整个生长过程中放置​​足够的传感器，以提供诸如空气温度，叶片温度，湿度和土壤湿度等条件的准确读数。 埃迪说，理想的价格点是每个湿度传感器1美元。

技术的进一步发展和该技术的降价还可以帮助大麻公司吸引来自不同背景的员工，例如拥有电气工程和计算机技术学位的人。

“然后，发生的事情是各大专院校突然引起注意，并说：’圣洁的烟！ 大麻行业有这些工作。 我们从来没有为此设置程序，”埃迪说。

“……真相的单一来源”

Redbud Roots是一家垂直整合的大麻公司，在密歇根州布坎南拥有超过50,000平方英尺的树冠，它使用多种类型的传感器，包括环境控制传感器，HVAC气候传感器和树冠传感器来收集和关联气候和光照数据。 然后，员工手动关联该数据并创建规则。 该公司首席技术官戴维·弗兰克法特（David Frankfater）在致大麻商业时报的电子邮件中写道：“我们看到的挑战之一是确定气候真相的单一来源。”

员工设定的一个规则是，除湿机的时间对相应的环境调整做出相应的反应。 弗兰克法特说：“在植物释放更多的水分时，我们有一条规则要在房间的湿度降低之前，先将湿度升高，然后熄灭。” “该规则在灯熄灭前两个小时触发了第二个传感器触发器。 所有这些规则都依赖于从IoT传感器收集的数据，除湿机一直运行到达到所需的湿度设定点为止。”

Frankfater说，Redbud Roots使用无线传感器提供数据以“缓解小气候，并使种植者能够通过影响光，温度和湿度水平的应用程序进行更改”。

该公司的88名员工包括耕种技术人员，他们使用“传统农业传感器”来测量水和土壤的pH值。 此外，Frankfater说，员工们希望“在开花的最后四个星期内微观地观察微生物的发育”。

在种植方面，Redbud Roots的技术帮助公司以更高的精度种植农作物，并提高了员工的生产率，Frankfater说。 因此，员工也可以缩短工作时间。 信息技术还使企业能够将信息传达给其客户和密歇根州的监管机构。

与监管机构沟通时，Redbud从“种子到销售”共享其库存和工作流的“虚拟流”。 中耕机使用带有射频识别（RFID）读取器的手持设备，该读取器利用IoT来定位和跟踪植物。

在零售商店，包括1月份开业的服务于医疗患者的Williamsburg供应中心，Redbud Roots使用各种程序来宣传和履行订单。

“信息技术的关键交付物是可见性，” Frankfater说。 “必须具备可见性和洞察力，才能快速发现和解决问题，降低成本，尤其是要增强最终用户的体验和企业生产力。”

Redbud Roots的合规经理Linda Ziolkowski扫描植物标签，称量植物并将收获权重上传到云中。 在收获结束时，Redbud将把数据发送到密歇根州的大麻跟踪平台。

AI实现智能增长

人工智能和机器学习的力量在培养中起着越来越重要的作用。 AI使机器可以从数据中学习以执行特定任务。 机器学习是AI的子集，它使计算机可以从过去的趋势中学习。 消费者世界中机器学习的一个示例可能是流音乐或视频服务，该服务会根据过去的收听或观看经验来推荐某些歌曲或电影。

Agrios Global Holdings的Ascendant Management总裁兼首席技术官Andrew Lange说，在大麻行业中，人工智能和机器学习技术在种植设施中变得越来越普遍。 Agrios为持牌种植者提供管理和咨询服务，设备和设施租赁，而Ascendant提供建筑，工程和设计服务。

兰格说：“根据您要分析的内容，人工智能可以实时检测和识别模式和异常值。” “计算机将开始从您的数据中学习。 那就是机器学习。 它可以查看收割过程中的所有这些数据点，然后输入所有产量指标，并且可以从结果中学习。 您可以一次又一次地执行此操作，并且计算机每次都对其进行监视。”

兰格说，此外，人工智能和机器学习还可以通过始终盯着植物来改善病虫害的发现范围，而不是耕种者必须依靠员工的主观性并相信他们会尽力而为地侦查。 Lange当前不使用但正在探索的另一个过程是使用AI和“体积摄影机”。 尽管这些相机在很大程度上类似于2D相机，但种植者可以将其中的三个或更多相机组合在一起，以提供可测量植物体积并预测产量的3D成像。 朗格说：“它总是需要多个传感器来[创建]数据所基于的3D图像。”

Lange说，使用AI，种植设施可以对原本无法收集的数据进行分类。 例如，人工智能帮助他在一个占地70,000平方英尺的华盛顿工厂管理多个成长室。 每天运行时，用于耕种和监测机械系统的传感器都会收集大约1亿个数据点，其中每2秒测量32个环境点。 这些点可测量温度，相对湿度，VPD，CO2，气流，压力等水平。

“但是（单独）数据点并没有真正有用，”兰格说。 “您必须能够关联该数据。 您必须能够有效地对其进行分析。 过去，您会利用数据分析人员……然后我们进入趋势软件。 现在是AI。 AI确实是在获取这些数据，实时查看并提供实时答案，而不必每次成长时都必须全面分析所有内容。 您将获得更快的结果，更快的数据。”

兰格说，然后，人工智能获取信息（例如湿度测量值）并快速调整水平以创造更好的生长条件。

“It’s able to comprehend the data, analyze it and make changes in real time to affect our environmental outcomes—[it] could be more toward [the] target with less spikes,” he says. “Essentially, you’re just trying to lower any curves inside that data set, so you can utilize the technology to do things like that.”

AI can “identify patterns or anomalies” in data that sensors and IoT technology provide to growers, he says, adding, “This ability can help reduce downtime, lower operational costs and increase production.”