设施番茄智能水肥决策模型预测数据

设施农业因环境可控、生产效率高，已逐渐成为现代农业发展的重要方向。设施番茄是设施农业中经济价值较高、应用较广的作物之一，其生长周期较长，对水肥供应和环境条件较为敏感。在温室基质栽培模式下，番茄根区环境相对独立，灌溉后的排液量能够较直观地反映水肥供应是否合理。本研究面向设施番茄基质栽培场景下灌溉量训练样本采集与标注困难的问题，围绕智能水肥决策模型的数据基础构建展开。研究以番茄理想排液状态为控制目标，利用自适应 PID 方法，根据上一轮灌溉后的排液反馈对当前灌溉时长进行动态修正，实现灌溉过程的闭环调节。（一）数据采集 人工录入上轮末次排液占比（Last Ratio，%）与排液EC值（Last EC，mS/cm）作为反馈输入。排液监测存在约50分钟物理延迟，PID决策时刻无法获取本轮实时排液数据，故以上轮末次排液占比作为当前排液占比输入，即 Current Ratio = Last Ratio。同理，Current EC = Last EC。 （二）数据检测 校验排液EC阈值：EC＞3.1 mS/cm判定根系高胁迫风险，提示清水灌溉并终止运算；0≤EC≤3.1 mS/cm为有效数据，EC=0代表无排液。阈值依据：番茄结果期营养液EC适宜范围1.8~3.5 mS/cm，排液EC通常高于供液EC约0.5~1.0 mS/cm，超过3.1表明根区盐分显著累积。 排液占比自动换算为分级编码，以百分比数值存储，采用左开右闭区间判定等级：0级：0%；1级：(0,11%]；2级：(11,18%]；3级：(18,30%]；4级：(30,100%]。目标排液占比18%~30%（等级2~3）；低于11%灌溉不足，高于30%灌溉过量。 （三）数据处理 采用位置式PID算法：u(t) = Kp·e(t) + Ki·∫e(t)dt + Kd·de(t)/dt。其中，e(t) = Current Ratio − 目标排液占比，对应字段Error，目标排液占比取区间下界18%，即Error = Current Ratio − 18%；∫e(t)dt为积分项（Integral）；de(t)/dt为误差变化率，由Previous Error与Error计算；u(t)经限幅后作为预测灌溉时长（Pre）。通过网格搜索迭代优化KP/KI/KD，范围Kp∈[0.01,0.50]、Ki∈[0.00001,0.001]、Kd∈[0.001,2.00]，以最小均方误差筛选最优参数，实现PID随番茄生长期自动校准。网格搜索按生长期触发，非每轮实时更新，同一阶段内参数保持不变。 结合历史积分与误差，采用增益调度自适应PID（根据最近10次误差均值动态调整增益系数）输出Pre。人机确认后执行：确认则按Pre灌溉，否认则录入实际时长（Actual）。执行后同步更新Integral、Previous Error，供下一轮调节。灌溉完成后可选追加至CSV训练集。全部状态与PID参数统一本地持久化。

搜集汇总

背景与挑战

背景概述

该数据集为浙江大印农业科技有限公司登记的设施番茄智能水肥决策模型预测数据，共1015条，以xlsx格式存储，每季度更新，数据源自温室基质栽培场景下的闭环灌溉调控记录。数据集基于自适应PID算法，以上轮排液占比和EC值为反馈输入，经数据校验与分级后，通过位置式PID输出预测灌溉时长，旨在为设施番茄智能水肥决策模型提供训练样本。