解析日光温室番茄全生育期环境特征并提出智能调控决策支持方法。
基于全生育期环境监测数据，分析积温匹配与相对增益指标。
温室缓冲力强但深冬热量不足、光能结构性不足、湿度昼夜失衡。
可研发温度—光照—湿度耦合的智能闭环控制算法，并验证其对番茄产量与能耗的协同优化效果。
论文解析日光温室番茄全生育期环境特征并提出温光湿耦合智能调控方案，结论有新意，对设施农业信息化有参考价值。
研究解析日光温室番茄全生育期环境特征，发现该类温室气候缓冲能力较强、有效积温与番茄生理需求呈双峰匹配，但相对增益指标揭示单位时间热量供给失衡、深冬热量不足以及光能结构性不足、湿度调控昼夜失衡等问题。作者建议构建温度—光照—湿度耦合的智能闭环控制系统。
近日，中国农业科学院农业环境与可持续发展研究所设施植物环境工程创新团队构建了知识与数据双驱动模型，实现温室番茄生长的高精度无损预测，研究成果发表在《农业计算机与电子学（Computers and Electronics in Agriculture）》上。科研团队提出一种尺度自适应时序卷积混合模型，根据番茄不同生育期动态调整时序特征提取尺度，结合机理模型合成数据预训练与生理阈值约束，实现番茄不同器官干物质及叶面积指数的精准预测。
中国农科院农业环境与可持续发展研究所设施植物环境工程创新团队联合荷兰瓦赫宁根大学,提出知识与数据双驱动的尺度自适应时序卷积混合模型(SATCN-Informer),根据番茄不同生育期动态调整时序特征提取尺度,结合机理模型(TOMSIM)合成数据预训练与生理阈值约束,实现番茄不同器官干物质及叶面积指数精准预测。研究成果发表于《农业计算机与电子学》(Computers and Electronics in Agriculture)。
中国农业科学院农业环境与可持续发展研究所设施植物环境工程创新团队提出知识与数据双驱动的尺度自适应时序卷积混合模型，根据番茄不同生育期动态调整时序特征提取尺度，结合机理模型合成数据预训练与生理阈值约束，实现番茄不同器官干物质及叶面积指数的精准预测。成果发表在《Computers and Electronics in Agriculture》。
构建Cuc-HiSeg框架，实现温室黄瓜冠层点云高精度叶片实例分割。
提出物联网集成LSTM与Bi-LSTM加权集成框架，实时预测温室微气候。
中国农业科学院农业环境与可持续发展研究所设施植物环境工程创新团队以番茄为对象，构建知识与数据双驱动的尺度自适应时序卷积混合模型，根据番茄不同生育期动态调整时序特征提取尺度，结合机理模型合成数据预训练与生理阈值约束，实现番茄不同器官干物质及叶面积指数的精准预测；研究成果发表在Computers and Electronics in Agriculture；仅依靠常规温室环境数据即可无损估算生长态势，对推动温室智能环控、产量预测具重要应用价值。