相关实验视频
Updated: Jan 7, 2026
09:33
Scalable, Flexible, and Cost-Effective Seedling Grafting
Published on: January 6, 2023
2.3K
一个基于机器学习的模型,用于精确调节自动移植的番茄苗的生长
Yichi Wang1, Hongxuan Deng1, Huiwen Li1
1College of Engineering, South China Agricultural University, Guangzhou, Guangdong, China.
Frontiers in plant science
|December 29, 2025
概括
这项研究开发了一种使用机器学习的智能控制方法,以优化自动移植的苗木生长. 该系统通过精确控制光线条件,提高了接种成功率,证明了其在精密农业中的价值.
科学领域:
- 农业工程 农业工程
- 植物科学 植物科学
- 机器学习 机器学习
背景情况:
- 温室照明的变化阻碍了针对自动移植的种子控制.
- 植物工厂提供了可控的环境,以实现最佳的移植苗种植.
- 种子形态对于成功的自动移植至关重要.
研究的目的:
- 开发一种智能控制方法,用于精确种植苗.
- 为了满足不同自动接种机的特定要求.
- 通过调整环境因素,特别是光线来优化苗木质量.
主要方法:
- 建立了适合自动移植的西红苗的评估方法.
- 在不同时间点的轻度配方过渡后得分的苗木.
- 利用六个机器学习算法,基于苗木数据和光环境构建增长预测模型.
主要成果:
- 缺口细胞的长度和茎的直径是机械移植适合性的关键因素.
- 轻微的配方转换有效调节苗木质量.
- XGBoost模型在预测根茎和后代生长方面实现了高准确度 (R2 > 0.92).
- 智能照明控制系统将自动移植成功率提高了8.3%,移植后生存率提高了1.4%.
结论:
- 开发的模型和智能照明控制系统对于精密农业是可行的.
- 优化的光线条件提高了自动移植的苗木质量.
- 这种方法可以精确地种植适合接种机器的幼苗.
