温度低了该不该开暖风？湿度上来了要不要通风？光照不足是先补光还是先遮阳？过去，这些判断几乎全靠种植户的经验和手感，稍有迟疑，一棚菜就可能错过最佳生长窗口。达康新能源科技有限公司的棚调雨顺研究团队设计的大棚蔬菜种植环境多因子监测与智能调控系统，正试图把这类"凭经验"的决策交给算法和嵌入式控制器——让大棚自己"看见"环境、"算出"方案、"动手"调节。

传统大棚的困境并不新鲜：参数判断主观、调控滞后、人力成本高。更麻烦的是，一座大棚里往往同时挂着多个传感器和多台执行设备，设备一多，"谁先动、谁后动、动多久"就成了新的难题。若各设备各自为战，还容易出现通风与供暖同时开启这类"打架"现象，白白耗能。

针对这些问题，团队构建了"感知与采集—通信与网络—应用与分析—执行与控制"四层闭环架构。系统以STM32嵌入式主控单元为核心，向下兼容多类环境感知器件，实时采集空气温湿度、光照强度、土壤水分与二氧化碳浓度；向上依托MQTT协议与云平台双向通信，把棚内数据同步送到Web端，也能把控制指令准确下发回现场。

系统的"稳"藏在细节里：主控端以10毫秒为周期轮询各类传感器，数据经滤波、校准后更新本地显示并封装上传；通信链路内置断线重连、本地缓存与消息确认机制，遇到弱网或短时中断能自动恢复并补传数据，不至于让环境曲线断出一截。

真正的"智慧"落在执行环节。设备联动控制单元统一调度供暖、送料、通风、补光、灌溉、遮阳六类执行设备，按阈值规则与智能决策结果协同动作：温度低于下限，送料机与加热炉风机同步启动；温度回到目标区间，二者自动停止，避免空烧浪费；土壤缺水启动灌溉，光照不足开启补光。团队还设置了"远程设定＋本地自治"的双层机制——管理人员在Web端统一设定各参数上下限，设备端即便遭遇弱网或断网，仍能依据本地阈值自主调控，不至于"一断网就失守"。

图1　系统实物与温室大棚环境模拟实验平台

在此之上，系统引入LSTM与XGBoost融合的智能决策引擎，在比对作物生长阈值的同时，结合时序数据预判环境变化趋势，提前生成联动策略，把调控从"事后补救"推进到"事前预判"。

值得一提的是团队对"耦合扰动"的处理。加热与送料在调节温度的同时，会牵动湿度和二氧化碳浓度——这是多执行器系统里容易被忽略的连带效应。系统为此设计了"感知—决策—执行—反馈"闭环抑制策略：参数一旦因加热或送料超限，便自动协调通风、补光、灌溉、遮阳等设备介入，抑制波动并快速回到目标范围，避免参数来回振荡、越调越乱。

调控之外，系统还得让人"看得见、管得住"。数据可视化大屏以"顶部标题栏＋左中右三栏"的布局，把环境参数、设备状态、锅炉温度与报警信息集中呈现，温湿度趋势与锅炉多点温度均以曲线绘出，管理人员一眼即可掌握全局。系统按角色分级授权：管理人员通览全部功能，农户只看自家大棚的数据与燃料余量，并可在线申请燃料兑换；报警模块把燃料不足、室内温度异常汇总成待处理清单。

图2　温室大棚智慧农业数据可视化大屏

从"看天吃饭"到"看数调控"，智慧农业的门槛正在被一层层降低。对种植户而言，一套能自主判断、协同动作、断网也能兜底的系统，意味着更少的守夜和更稳的品质；对行业而言，这类可复制、可推广的智控方案，或许正是设施农业走向规模化的那块拼图。