《Smart Agricultural Technology》：A Digital Framework for Smart Greenhouse Tomato Cultivation
编辑推荐：
为解决传统温室番茄栽培管理滞后、信息化程度低和人力依赖性强等问题，研究人员融合物联网、大数据分析、人工智能和数字孪生技术，构建了一个集实时监控、智能预测与精准控制于一体的数字系统。在广东温室的应用示范中，该系统显著优化了生长环境，使番茄生长周期缩短10%-15%，产量提高20%-30%，并实现了约60%的节水，为精准智慧农业的产业转型提供了可行的技术方案。
随着全球人口增长和城市化进程加速，人们对蔬菜的需求持续攀升。番茄作为全球贸易量前三的蔬菜，其生产和消费在中国占据着举足轻重的地位。然而，传统的温室番茄栽培面临着诸多困境：管理模式落后，高度依赖人工经验，导致劳动强度大且效率低下；信息化水平不足，使得种植者难以实时获取温室环境与作物生长的关键信息，管理决策缺乏科学依据；此外，作物病害（如灰霉病）的威胁日益严重，一旦爆发，可导致20%-30%甚至更高的感染率，给产量和品质带来巨大损失。这些挑战共同制约着番茄产业的可持续发展。面对全球粮食生产到2050年需增长70%的巨大压力，如何运用现代科技赋能农业，实现高效、精准、智能的生产管理，已成为一项紧迫的课题。
为了应对上述挑战，发表在《Smart Agricultural Technology》上的这项研究，构建了一个面向智能温室番茄栽培的综合数字化系统。该系统旨在通过集成物联网(Internet of Things, IoT)、大数据分析(Big Data Analytics)、人工智能(Artificial Intelligence, AI)和数字孪生(Digital Twin)等先进技术，实现对温室环境与番茄生长的全流程数字化管理，从而提升生产效率、优化资源利用并保障产品品质。
研究人员为开展此项研究，主要应用了以下关键技术方法：
- 1.
物联网传感与数据采集：在温室内部署由温湿度、光照强度、二氧化碳(CO2)浓度、土壤温湿度等传感器组成的网络，结合机器视觉系统，以10分钟为间隔持续采集环境与作物生长的实时数据。
- 2.
大数据分析与关键因子识别：运用主成分分析(Principal Component Analysis, PCA)方法，对采集的多维度环境数据进行降维处理，识别出影响作物生长的关键环境因子，如空气温度、空气湿度、土壤湿度和二氧化碳浓度。
- 3.
人工智能预测与识别模型构建：建立了基于优化长短期记忆网络(Long Short-Term Memory, LSTM)的环境参数预测模型（特别是采用小波变换(Wavelet Transform, WT)降噪和粒子群优化(Particle Swarm Optimization, PSO)算法调优的WT-LSTM-PSO模型用于CO2预测），以及集成了纹理注意力机制的轻量级卷积神经网络(Convolutional Neural Network, CNN)用于番茄病害的智能识别。
- 4.
云端智能决策与数字孪生集成：将上述模型集成到云端平台，结合数字孪生技术，构建了一个“感知-分析-决策-执行”的闭环智能云决策与控制系统，实现环境预警、水肥一体化精准管理和生产过程的可视化。
2. 温室番茄栽培数字化系统的构建
2.1. 温室番茄栽培数字化系统总体框架设计
系统的总体框架包含环境监测、栽培操作数字化记录、数据分析和智能决策支持四个核心模块。通过物联网确保数据的实时在线获取，并集成了基于机器学习的预测控制、基于机器视觉的目标识别等知识库与模型库，最终构建了基于“数字孪生”的精准控制云服务平台和可视化应用系统。
2.1.1. 数据采集与分析
在山东新县的一个樱桃番茄生产基地，系统连续采集了2024年4月至6月的数据，获得了约8000条有效记录。数据采集层通过DHT22、BH1750、MH-Z19B等型号的传感器，经由RS485、LoRa和MQTT协议将数据传输至云端MySQL数据库，为后续建模提供了实证基础。
2.1.2. 信息处理
采集的温室参数数据经过预处理后，输入基于大数据分析和人工智能的模型。通过大数据分析技术深度挖掘环境与生长数据中的有用信息和模式，为栽培管理提供科学依据。机器学习模型能够预测番茄生长和未来一段时期内的温室状况，并据此调整环境参数以实现优化控制。
2.1.3. 环境预警与精准控制
系统集成了基于机器学习和人工智能的多种决策支持模型，包括环境控制、病虫害识别与防治、水肥管理等模型。通过建立云服务平台，实现了对温室环境的精准控制，并支持番茄产品质量安全追溯。数字孪生技术实现了物理与虚拟环境的实时同步与优化。
2.2. 物联网监测系统
2.2.1. 温室环境监测
通过在温室内战略性布设传感器网络，实现了对温度、湿度、光照等环境参数的实时监控。采集的数据通过物联网技术传输至系统平台，为环境控制提供了科学依据，确保了番茄生长环境的稳定适宜。
2.2.2. 土壤监测与管理
系统配备了土壤水分和pH值传感器，实时监测土壤湿度和养分含量等指标。通过综合分析土壤监测数据与环境数据，系统能够全面评估土壤状况，为番茄生长提供最优土壤条件，并根据数据驱动的建议指导农户进行土壤管理。
2.3. 智能识别与生产控制
2.3.1. 主成分分析
通过主成分分析，研究人员确定影响温室作物生长的关键环境因子为空气温度、空气湿度、土壤湿度和二氧化碳。累积方差解释图表明，最优主成分数量为四个，这为后续的监测和模型构建指明了重点。
2.3.2. 生长状态监测与预警
建立了生长状态监测模型，利用图像识别等技术实时监测番茄生长状态并提供预警功能。系统通过摄像头捕获植株图像，并利用机器学习算法进行分析，可识别植株生长状况、叶色、果实大小等。当监测数据超过预设阈值时，系统会及时发出警报。
2.3.3. 智能病虫害识别与防治
开发了融合图像识别与机器学习的智能病虫害识别系统，能够对温室内的病虫害进行早期识别与预防。系统利用训练好的模型和算法，可检测番茄植株上的叶斑病、蚜虫等病虫害。结合实时环境与生长数据，还能分析和预测病虫害发生规律，使农户能够提前采取预防措施。
2.3.4. 水肥一体化管理
建立了水肥一体化管理系统，通过实时监测土壤和植株需求，提供精准的水肥管理服务。系统利用土壤传感器监测关键参数，并据此智能控制水肥供应，实现灌溉和施肥量的精确管理。统计显示，该一体化系统相比传统灌溉方法可节约60%的水资源，农户可通过手机应用轻松远程控制灌溉。
2.4. 自动化与智能装备的应用
温室内部署了包括自动灌溉系统、智能施肥系统、环境控制设备和自动采收机器人等多种智能装备。这些设备与中央控制系统联动，实现了番茄栽培全流程的自动化管理，显著提高了生产效率和产品品质，同时降低了农户的劳动强度。
2.5. 数字农业精准管理云服务平台
集成上述物联网、智能识别、健康评估与生产管理模型，开发了数字农业精准管理云服务平台。该平台具备系统开发、设备管理、参数管理、大数据分析和可视化等功能，实现了对温室番茄栽培过程中各类数据的集中管理、追溯与共享，为农户提供精准管理服务。
2.6. 基于数字孪生的可视化系统
2.6.1. 温室场景可视化建模
运用数字孪生技术，创建了温室栽培场景的虚拟模型。该模型对真实温室环境、番茄植株生长状况等要素进行数字化表达与仿真。农户可通过虚拟模型直观了解温室内部结构布局、温湿度分布、光照强度等，实现对栽培环境的全方位监控与管理。
2.6.2. 生长过程监控与统计分析
系统开发了智能监控系统，实现对番茄生长过程的实时监控与统计分析。通过将数字孪生模型与实际温室环境数据相结合，系统能够实时捕获植株生长状态、生长速率、果实成熟度等关键信息，并进行统计分析及可视化呈现。
2.6.3. 个体监控与品质评估
基于数字孪生模型，系统实现了对番茄的个体监控与品质评估。通过数字化记录和分析番茄植株的生长状况、果实大小与形态特征，系统能够精确评估每一株番茄的生长状态和品质特性，支持个性化管理和高品质生产。
2.6.4. 系统优势与应用前景
数字孪生技术的应用不仅使农户能全面掌控温室环境，还能利用虚拟模型的仿真功能预先评估各种管理策略的效果。这种精准智能的管理方式，将传统农业带入新时代，极大提高了生产效率和资源利用率。
3. 应用与示范
本研究在广东省的一个温室番茄栽培基地进行了应用示范。示范基地面积约600平方米，配备了全套环境监测设备、智能控制设备和管理系统。通过实时采集温室环境与番茄生长数据，并进行数据分析与智能决策，示范基地实现了番茄栽培全过程的数字化管理。在应用示范期间，系统根据实际情况持续优化管理策略，进一步实现了管理的标准化与精细化。
4. 结论
4.1. 系统应用效果总结
应用结果表明，该温室番茄栽培数字化系统显著提高了生产效率和产品品质。在广东的示范应用中，番茄生长周期缩短了10%-15%，产量提高了20%-30%，产品均一性与品质得到显著改善。同时，数字系统降低了劳动强度和对人工经验的依赖，提升了管理的科学化与精细化水平。该系统为温室番茄栽培的数字化转型提供了可行路径。
4.2. 未来发展方向
尽管取得了积极成果，但本研究也存在一些局限性，例如系统性能在特定区域和规模下验证，模型的普适性有待在不同气候、土壤和品种条件下进一步测试，且初期投资成本可能对小规模农户构成门槛。未来的研究将专注于以下几个具体方向：增强模型的鲁棒性和适应性，通过模块化与开源设计降低成本，开展大规模可行性研究，以及推动系统向智能、主动的管理平台演进。随着数字技术的不断发展和普及，温室番茄栽培数字化系统将进一步得到完善和优化，为农业生产提供更先进高效的管理工具，并有望推动整个番茄栽培产业链的全面数字化与智能化，为实现农业现代化和可持续发展提供强有力的技术支撑。
