AI温室放风决策实验：温湿度耦合与能耗权衡

在连栋温室里，放风是调节温湿度最直接也最频繁的手段，但开窗时机与开度长期依赖经验：开早了热量流失、加温能耗上升；开晚了叶面结露，灰霉病风险抬升。本期农业AI实验室在一处玻璃温室搭建了轻量调控台，接入室内温湿度、CO₂、光照与室外气象共6类传感器，采样周期60秒，覆盖春季两茬番茄的完整生长段。

技术路线采用“物理模型打底 + 策略网络微调”：先用能量平衡方程估算温室热量收支，划出放风的可行动作区间，避免策略在极端天气下给出危险开度；再由策略网络在区间内选择开度，奖励函数同时惩罚温度越界、湿度过界与加温能耗，做到控制目标与能耗目标可调。

要点：
· 进展：连续运行41天，温度落在目标带内的时间占比由78%提升至91%，单位面积加温能耗下降约9%，叶面结露时长明显缩短；策略输出为开度百分比，可直接对接现有天窗执行机构。
· 下一步：接入天气预报做2小时前瞻决策，并将策略迁移到带遮阳与湿帘的温室类型，验证跨结构与跨作物的泛化能力。