AI温室环境调控定制：小气候分区与执行器联动

在连栋温室里，温度、湿度与CO₂并非均匀分布，棚顶与作物冠层的差异常让单点传感器读数失去代表性。本实验室近期围绕「小气候分区调控」做了阶段性验证：用分区温湿度、叶面温度与光照数据训练轻量时序模型，输出各分区的加温、开窗、遮阳与环流风机联动策略，再交由既有环境控制器执行。

进展与数据：在约2000㎡试验温室连续运行6周，分区温差由平均3.1℃收窄至1.4℃，夜间高湿时长下降约28%，加温能耗同期下降约9%；模型推理置于边缘盒，单次策略刷新控制在秒级，断网时回退到原控制器阈值逻辑，不影响生产安全。

下一步计划：一是把作物生育期与蒸腾模型纳入特征，避免「控环境但不控长势」；二是补充不同温室结构与天气过程的迁移测试，检验策略冷启动的可用性。我们认为，温室AI的价值不在替代控制器，而在于把分散的传感器与执行器组织成可解释、可回退的协同关系。