机构名称：
¥ 1.0
农业是人类文明的基础。然而，全球人口的快速增长对粮食需求增加，对这一基石提出了挑战。配备传感器和执行器的现代自主温室通过精确控制实现高效的粮食生产，为这一问题提供了一个有希望的解决方案。然而，自主温室的最优控制具有挑战性，需要基于高维传感数据进行决策，而生产规模受到能够处理这项任务的劳动力稀缺的限制。随着人工智能（AI）、物联网（IoT）和云计算技术的进步，我们希望提供一种解决方案来自动化和智能化温室控制，以应对上述挑战。在本文中，我们提出了一种名为 iGrow 的智能农业解决方案，用于自主温室控制（AGC）：（1）我们首次将 AGC 问题表述为马尔可夫决策过程 (MDP) 优化问题； (2) 设计基于神经网络的模拟器，结合增量机制，模拟自主温室的完整种植过程，为控制策略的优化提供试验平台；(3) 提出一种闭环双层优化算法，可在实际生产过程中利用新观测到的数据动态地重新优化温室控制策略。我们不仅进行模拟实验，还在真实场景中部署了 iGrow，实验结果证明了 iGrow 在自主温室模拟和最优控制方面的有效性和优越性。特别地，来自真实自主温室中番茄试点项目的令人信服的结果表明，与种植专家相比，我们的解决方案显著提高了作物产量（+10.15%）和净利润（+92.70%），具有统计学意义。我们的解决方案为温室生产开辟了一条新途径。代码可在 https://github.com/holmescao/iGrow.git 获得。
iGrow：实现温室自主控制的智能农业解决方案
主要关键词
相关文件推荐
