基于农业经济状态表示与深度强化学习的以收益为导向的智能温室调控
《Sustainability》:Revenue-Oriented Smart Greenhouse Regulation Using Agro-Economic State Representation and Deep Reinforcement Learning
【字体:
大
中
小
】
时间:2026年07月18日
来源:Sustainability 4.1
摘要
智能温室管理需要做出平衡产量、成本、资源使用、排放和收入的决策。现有的基于阈值的控制方法以及许多学习模型主要利用传感器数据来实现环境反馈或产量预测,对于与农场盈利能力和资源效率相关的运营决策支持有限。本研究提出了AER-SFRDNet,这是一种多源传感器融合与深度强化学习框架,可用于实现以收入为目标的温室管理。该框架整合了番茄种植过程中的作物图像、环境传感器数据、管理记录、资源消耗数据以及经济变量,构建统一的农经状态表示。产量-成本-收入预测模块可估算产量、资源消耗、生产成本、销售收入和净收入,这些输出结果将为强化学习模块提供指导,帮助优化灌溉、通风、补光、供暖等连续动作。应用。与传统机器学习、单模态深度学习、多模态学习以及强化学习基准方法相比,该框架的预测误差更低,管理效果更好。AER-SFRDNet的产量平均绝对误差为,产量均方根误差为,产量为,成本均方根误差为,净收入平均百分比误差为。在管理实验中,累计净收入和投入产出比分别达到了和,而单位产量的标准化能源消耗、水资源消耗和碳排放则分别降低了、和。研究结果表明,农经状态建模有助于制定既考虑收入又兼顾可持续性资源效率的温室管理决策。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号