AI温室环境调控定制：作物长势与能耗平衡

温室环境调控是典型的慢过程、强耦合问题：温度、湿度、CO₂与光照互相牵制，作物响应又存在明显时滞，单靠阈值规则常在能耗与长势之间来回妥协。我们把调控拆成两层：上层用累积辐射量与长势数据估算目标区间，下层以小规模强化学习在区间内组合补光、通风、湿帘与加温动作，同时保留规则兜底，保证极端天气下不越界运行。观测信号不依赖昂贵设备，主要来自常规温湿度传感器、光照记录与定时图像采样，用叶面积和株高的变化做弱监督，降低部署成本。

• 进展：在叶菜温室完成两季对照测试，产量与人工管理基本持平，用电量下降约9%~13%，夜间湿度波动幅度收窄；受天气差异影响，样本量仍在累积，暂不宣称可迁移性。
• 下一步：将病害风险作为约束项写入策略，验证跨季节、跨茬口的迁移能力，并补充传感器缺失时的降级策略与人工接管流程。