设施番茄栽培中光谱—热环境自适应光照管理：深度学习与帕累托决策融合框架（Adaptive spectral–thermal illumination management for protected tomato cultivation: a fused deep learning and pareto-based decision framework）

方法

CNN-ELM光合预测结合MOEA/D多目标优化，110天设施试验验证。

发现

LED碳排降38.4%、净光合速率升22.6%、可收产量增31.7%。

机会点

可探索跨温室工况与多作物迁移泛化，并纳入更多环境与经济目标。

融合CNN-ELM光合预测与MOEA/D多目标优化，构建设施番茄补光控制框架，110天试验显示LED碳排降38.4%、净光合速率升22.6%、可收产量增31.7%。结论限于验证工况，外推需谨慎。