基于機器學習的溫室番茄的環境調控綜述

張皓婷李明宋佳澤黃修梅包永紅祝鵬楊中杰

(1.內蒙古農業大學園藝與植物保護學院，內蒙古 呼和浩特 010018；2.內蒙古農業大學職業技術學院，內蒙古 包頭 014095)

引言

番茄是喜溫喜光、喜排水良好富含有機質土壤的蔬菜；也是我國設施栽培的主要蔬菜作物之一[1]。目前，溫室番茄的種植中存在栽培環境因子數據測控精度不高、指標準確度量化和系統的實用性差等問題。機器學習是人工智能研究的核心，讓計算機模擬人類的學習活動，不斷獲得新知識，并進行改進，逐步實現系統的完善。因此，通過機器學習對溫室環境參數進行智能精確控制是實現設施溫室各因子智能控制的必要條件。在番茄的生長發育及產品器官的形成過程中，溫室內環境因素對作物生長至關重要，溫室環境控制是番茄高效生長的重要因素，溫室環境包含溫度、光照和CO2濃度等多種因素，直接影響番茄產量、質量和經濟效益等指標。本文運用基于機器學習的管控方式實時獲取環境參數信息，自動進行調整，實現對環境的有效控制，符合作物生長環境的條件，促進高產、優質、高效生產。

1 光照環境

1.1 光照環境的研究現狀

番茄的生長發育離不開光照，20世紀70年代，以荷蘭、以色列、美國等為首的西方國家，以計算機為基點設計出設施環境監控系統，此后該系統迅速發展[2]。1989年，Takakura[3]首先提出用計算機控制環境因子的觀點。2010年，Kolokot等[4]人建立了環境和能源智能化控制管理系統，以監測設施環境內的空氣溫濕度、光照、CO2濃度以及室外的多種環境因子。2012年，柳平增[5]進行了基于物聯網三層體系的物聯網系統設計，實現了農業環境信息的精確獲取和信息感知系統的信息傳遞。2014年，Tabatabaeifar A[6]基于無線傳感網絡(WSN)測量多個氣候參數，通過GPRS無線傳輸模塊將數據上傳到遠程中心，實現溫室的自動化和控制。2016年，范宇飛[7]基于ZigBee技術設計出無線監控系統，用于監測控制蘑菇大棚內溫濕度、CO2濃度、土壤濕度和光照強度，同時將ZigBee和Internet互聯，實現溫室遠程實時監控。同年，Nagesh K D N[8]以ARM7單片機為數據處理終端，通過傳感器和GSM通信技術遠程控制溫室內的溫度、濕度、CO2濃度、光照強度等環境因素。2017年，楊飛等[9]對溫室內采集的溫度、濕度、光照等信息通過wifi無線網絡發送到監控中心，設計了基于wifi無線網絡的溫室環境因子監控系統。2017年，王能輝等[10]利用NB-IOT傳感器技術監測農田環境信息，如空氣與土壤的溫濕度、光照強度、CO2濃度等，將該數據上傳至服務器，為后續農業信息的處理與決策提供了有效信息。2017年，萬偉紅等[11]利用PID算法精確控制溫室內的空氣溫濕度、光照強度等因素，實現溫室環境的智能控制，提高農產品的生產效率和產品質量。2018年，何燦隆等[12]以設施蔬菜為試驗對象，MSP430F149單片機為終端處理設備，通過NB-IoT技術實現了溫室環境的遠程智能控制。2020年，郭威[13]等設計出一套多自由度溫室大棚的影像采集和環境監測機器人系統，實現了無人巡檢、多源數據網格化智能采集。

1.2 溫室內光照環境

在溫室生產中，光照是一個重要的環境因素，光照不僅影響番茄的生長，還影響溫度、濕度等其它環境因子。所以，本文借助機器學習并結合研究者們對番茄生長需光特性研究的成果，通過物聯網采用無線通信技術連接光照強度傳感器，實時采集與監測溫室內的光照強度，并傳輸回遠程控制設備上，進行數據分析及運算調整，再通過機器學習整合建模，進而科學控制光照強度與光照時間，促使喜溫喜光的番茄始終在適宜的環境中生長，使植株生長強壯、果實發育正常、含糖量提升、產量增加、品質變優，并且降低成本和能耗，實現溫室番茄智能控光。

2 溫度環境

2.1 溫度環境的研究現狀

溫室內溫度的變化對植物的主要生理代謝影響顯著，合理控制溫度有利于番茄的生長。2001年，楊家強、鐘應善[14]提出國內第1個以單片機為核心的監測系統，用于溫室溫漏度數據采集。2002年，為了監測葡萄園的溫度和濕度等影響生長的環境因素，Inte公司在美國俄勒岡州的溫室安裝了多個無線傳感器，建成了全球首個配備無線傳感器網絡的葡萄園[15]。2009年，G.Tong等[16]應用CFD從外界環境因素的變化預測溫室內的溫度分布情況。2012年，盛平等[17]在溫室環境遠程監控技術上增加3G技術，實現了環境參數的遠程采集、傳輸和查詢，并實現實時遠程控制。同年，劉洋[18]通過計算機數據采集系統以及通訊轉換裝置，可監控育秧大棚內的溫濕度、光照強度和CO2濃度等環境因子。2013年，楊靖等[19]設計了基于RS-485總線和nRF905的溫室環境監測系統，提出了多點傳輸數據通信協議，實現對溫室內的溫度等多種環境參數的實時監測。2015年，黃金俠等[20]利用上位機、下位機、環境參數模糊控制器和執行機構等對采集的數據用MATLAB仿真軟件模糊控制，實現了智能化控制水稻育秧大棚內溫濕度等多種環境因子。2016年，武興華等[21]通過ZigBee無線傳感網絡技術收集溫度、濕度、土壤水分等環境數據，可以實時監測溫室中不同區域的環境參數。2017年，仲躍、丁輝等人[22]將物聯網技術應用到草莓種植園中，結合ZigBee和GPRS無線傳輸系統設計出系統監測平臺，進行監測棚中土壤溫度、土壤含水量、光照強度等參數。2018年，劉傳岐[23]利用LabVIEW進行上位機監測設計了一套針對育秧大棚溫濕度的實時采集顯示系統，滿足了遠距離數據傳輸要求，可供用戶隨時在內、外網進行遠程監控。2019年，劉海洋等[24]將所采集的環境溫度、相對濕度、大氣壓力等參數通過GPRS技術實現遠程傳輸，從而實現基于GPRS的遠程監控和實時控制處理。

2.2 溫室內溫度環境

在番茄生長過程中受溫度的影響極為明顯，番茄的各個生育期都有其最高溫度、最低溫度和最適溫度。為使番茄的每一生命活動均在適當的溫度范圍內，本文以機器學習為基礎并結合研究者們對番茄生長的各個生育時期的需溫特性的研究成果，通過溫度傳感器等實時采集并傳輸回遠程控制設備進行數據分析、處理、轉換、模擬和存儲等，再通過無線通信技術在視頻設備上顯示，供以查看；機器能合理調整番茄各時期所需的溫度，使喜溫的番茄生長正常進行光合作用、呼吸作用和其它生理活動，進而增產增效。

3 CO2氣體環境

3.1 溫室CO2氣體環境研究現狀

溫室內CO2濃度的高低對作物生長有重要作用，濃度過高或過低都會阻礙作物的生長。20世紀20年代，德國率先提出“碳酸氣施肥”方法后，荷蘭和丹麥等國家先后開始使用CO2施肥技術在溫室中生產茄果類蔬菜[25]。1998年，李萍萍、汪永斌等[26,27]自主研發的溫室智能控制系統，以工業控制計算機作為控制中心，可監測光照、溫度、CO2濃度等溫室環境參數，自動控制作物生長所需的物質并明確環境參數的合理控制范圍，實現了溫室的綜合調控。2001年，哈敏、劉文合等[28]開發出具自動化特征及其技術的CO2施肥系統，試驗證明溫室內的CO2濃度均勻度很好。2003年，彭冬玲[29]基于匯編為主要開發工具的8031單片機為核心的測控系統，采用計算機自動控制技術，使測控過程完全自動化，實現自動控制溫室內CO2濃度。2006年，韓效釗等[30]編制計算機程序對溫室內CO2平衡數學模型和CO2施肥技術模型進行了驗證，得出CO2施肥理想的參數。2008年，項美晶等[31]依據溫室內生菜生長規律和環境因子變化規律，設計出BP神經網絡的溫室生菜CO2濃度和光照等的量化模型，可預測不同環境下生菜生長情況，實現溫室小氣候條件下對生菜產量的定量控制。2009年，羅家兵、張恒[32]通過BP神經網絡模糊控制溫室中的CO2，并使用Mablab進行模擬學習，可有效地控制溫室CO2。2010年，馬淑英等[33]采用模糊控制系統測量蔬菜大棚內CO2濃度，根據系統規律輸出，獲得理想的CO2濃度控制效果。同年，Salazar等[34]運用三層神經網絡構造棚室溫度和CO2濃度的預測模型，通過預測的CO2濃度值作為輸入變量而獲取精準的光合速率預測模型，進而合理地在溫室內指導增施CO2肥料。2014年，劉永華等[35]建立了智能溫室的WEB環境監控系統，連接CO2濃度傳感器和其它環境因子采集傳感器實時采集環境參數，可遠程觀察現場狀況并進行網絡監控。2015年，Gomes等[36]擬定了溫室環境監測系統，通過3G接入、Web服務、數據庫和與用戶交互的Web界面，將監控系統概念延伸到物聯網解決方案，能實現多個不同類型傳感器連接，使其負有重用性和擴展性。同年，王以忠等[37]設計的一款基于LabVIEW智能溫室監控系統，通過GPRS技術和Internet把傳感器節點采集的大棚內數據實時回傳到監控器，經監控中心發出指令至管理節點控制大棚中的環境，進而達到適宜作物生長的條件。2017年，張瑩、張海輝等[37-39]分別基于RS485總線對連棟溫室的環境參數進行監控，其系統可以進行實時短信預警；基于無線傳感網絡對設施中的CO2濃度進行精準調控。

3.2 溫室內氣體環境

CO2是植物進行光合作用的重要原料，為了在溫室中維持作物的正常光合所需，可以使用基于機器學習的控制算法施入有機肥和通風方法補充CO2。利用物聯網等控制器采集回來的數據，并根據溫室內CO2濃度日變化規律、溫室內主要環境參數與光合作用的關系，以及番茄在不同生長期對CO2濃度需求，結合溫室環境傳感器、補氣和通風設備，以及機器學習控制等，對溫室內合理控釋CO2氣肥，將CO2濃度控制在適合番茄當前生育階段的最佳水平，可增加溫室番茄的產量。

4 結語

隨著物聯網技術的發展，日光溫室逐漸朝著智慧溫室的方向發展，基于物聯網技術和機器學習的智能農業監控系統，對無線傳感器網絡采集的環境數據進行分析和建模，將幫助農業決策。增強機器自身的數據分析和學習能力，將有利于智能溫室的升級，實現適應機器學習的動態學習。

上述基于機器學習的環境控制和監測等方法可應用在溫室種植的多種作物方面，對農業經濟價值有顯著而巨大的影響，具有長遠而深刻的理論意義和實用價值。