（ 于景鑫 国家农业信息化工程技术研究中心）在现代设施农业生产中，温室微环境的精准调控是提高作物产量和品质的关键。然而，由于温室内外环境因素的复杂多变，尤其是土壤温湿度的非线性、非平稳特性，传统的预测方法难以满足实际需求。近日，在北京市农林科学院智能装备技术研究中心的 于景鑫 、郑文刚 、王利春 、徐凡、魏晓明 、郭文忠等发明人持续攻关下，一种温室土壤温湿度预测模型构建方法喜获国家发明专利授权（专利号：ZL 2024 1 0661426.5），构建土壤之下的"晴雨表"，为温室环境调控插上了"智慧芯片"。
"打开温室环境调控的'黑匣子'，关键在于用数据说话"。土壤是作物的"摇篮"，是联结温室内外环境的"纽带"。但受限于传感器布设位置、采样频率等因素，土壤温湿度数据呈现多源异构、时空稀疏的特点，给预测模型的构建带来了极大挑战。为此，课题组创新性地提出了一个"选、融、建、训、用"五步走的系统方案。
首先是如何选取最具代表性、最有价值的数据特征。课题组另辟蹊径，将深度强化学习引入特征选择，让模型自主学习，根据不同的预测时域和季节，动态优化输入特征的组合权重，就像让模型拥有了自己的'选择器'，对海量数据进行优选。
图片来源：Proceedings of the 15th International Conference on Ubiquitous Computing & Ambient Intelligence (UCAmI 2023)-Reinforcement Learning Model in Automated Greenhouse Control
在数据预处理环节，研究人员发挥自编码器的特长，实现了多模态数据的降维和融合。"犹如将不同形状、不同成分的原料投入智能'熔炉'，烧制出性能优异的新材料"。在此基础上，课题组还巧妙地将图神经网络、双向长短期记忆网络、多头自注意力机制等先进模块进行叠加组合，搭建起创新预测模型，并采用元学习范式实现了模型的快速迁移训练。
图片来源：Survey of Bias Mitigation in Federated Learning -Conférence francophone d'informatique en Parallélisme, Architecture et Système (ComPAS'2021)
最后一公里的护航，研究团队瞄准了联邦学习。目标是让预测模型像滴滴打车一样便捷好用。通过将本地培育的模型上传至云端，利用区块链等技术实现数据隐私保护下的协同训练、共享应用，把每个温室都变成数据和算力的提供者、受益者，构建温室环境调控的生态圈。
据悉，该预测模型已在北京、山东等多地的智能温室中试应用，取得了显著成效。未来，该团队还将以此为基础，在作物长势诊断、环境调控优化等领域持续发力，为设施农业高质量发展贡献"智慧力量"。
