温室小气候AI调控试验：从阈值控制到预测性通风

在智慧农业方向，我们把第一个实验点放在温室环境调控上：传统控制柜按温湿度阈值开关通风窗与湿帘，动作滞后且夜间高湿难以提前干预。实验室在三个番茄棚做了小规模试验，思路是先预测、再建议、后闭环。

数据侧每5分钟采集棚内温湿度、CO₂、光照、叶面温度与室外气象，边缘网关切本地缓存，弱网时不影响采集连续性。模型用梯度提升与轻量时序网络预测未来15至30分钟的棚内温湿度走向，输出通风窗开度、湿帘与遮阳的建议区间，交回原有控制柜执行。

进展要点：
1）一个秋冬茬周期内，30分钟温湿度预测误差约为0.6℃与4%RH，夜间高湿预警平均提前约40分钟，操作员采纳建议的比例在试运行后期稳定在七成以上。
2）当前采用“建议+人工确认”模式，暂不放开无人闭环，主要顾虑是执行机构的响应延迟与棚体差异。

下一步计划：把作物长势图像与早期病害识别接入同一决策链，形成环境—长势—病害的联动，而非只调环境；同时将模型蒸馏到边缘设备，减少对云端网络的依赖。需要说明的是，棚体结构、覆盖材料与种植密度的差异会显著影响模型迁移效果，换棚后仍需重新标定，这也是我们暂不做跨基地直接复用的原因。