近日，李天来院士团队孙周平教授课题组在农业综合性一区TOP期刊Computers and Electronics in Agriculture（IF5y = 8.3）上发表了题为“Understanding complex process sensor signal may be the source for Deep Learning: A smart IoT delving into a Tomato weight sensor”的研究论文，创建了基于物联网重量传感器的温室番茄冠层蒸腾新模型。博士研究生王晓桐为论文第一作者，孙周平教授为论文通讯作者。

        研究团队研发了一种利用物联网重量传感器的实时智能监测系统，可以连续跟踪温室番茄植株整体重量。该模型利用物联网技术，通过重量传感器实时监测温室番茄植株的水分变化，从而精确计算冠层蒸腾量。该成果提出光合有效叶面积指数（LAIp）这一新变量，解决温室番茄冠层光截获计算难题，优化番茄蒸腾过程建模中的能量平衡与分配，通过利用传感器收集的数据建立并训练了冠层蒸腾模型。该模型可集成到温室环境控制系统中，实现水肥管理的自动化和智能化，提升了番茄蒸腾预测的在线精度，提高资源利用效率。同时该模型具备实时生物反馈功能，扩展了其在亚适宜环境中的应用范围。在该模型支持下，通过对传感器信号的深入分析，成功实现对LAI（叶面积指数）和LAIp生长参数的非破坏性、实时获取，并且模拟结果与实测值高度一致（LAI模拟：R² = 0.99，NRMSE = 0.04；LAIp模拟：R² = 0.98，NRMSE = 0.04）。该研究揭示了通过单一传感器可以实时获取温室番茄生长的多个重要信息，为温室作物生长管理和决策的多参数评估提供了新的研究视角，为开展“Speaking Plants”研究提供了理论和技术依据。通过优化番茄生长环境，有助于提高产量和果实品质，为温室作物的智能化管理提供了技术支撑。这一研究成果展示了物联网技术在农业中的创新应用，为温室作物的精准管理提供了新的解决方案。

        相关研究得到国家自然科学基金、国家大宗蔬菜产业技术体系等项目资助。（李振涛）

审核人：王峰

编辑：王雪