在设施农业中，补光灯常按固定时段开关，连阴天与晴天沿用同一策略，容易造成光能浪费或光亏缺。农业AI实验室近期的实验性探索，是把补光决策从“定时”改为“按需”。
我们以温室番茄为对象，采集冠层光合有效辐射累积量（DLI）、叶温、CO₂浓度与短时光合速率，训练一个轻量模型：给定当前光积累与天气趋势，预测未来2小时的光合响应，再反解为补光时长与开灯阈值。
阶段性进展：
· 连续三周分区对照中，按需补光区在DLI接近的前提下，日耗电量较定时策略下降约一成，叶片净光合速率未见下降；阴天转晴时的策略切换延迟由小时级缩短至15分钟级。
下一步计划：将模型接入温室环境控制器，加入分时电价约束，并在不同茬口与多云天气下验证稳定性。
评论