基于反向传播神经网络预测混合白光发光二极管的光合作用参数

《Optics and Lasers in Engineering》：Prediction of photosynthetic parameters of hybrid white light-emitting diodes based on back-propagation neural network

　　

叶林宇|尹秀佳|黄佳怡|庄书燕|刘新源|蔡新云|杨家琪|廖全全|吴一卓|李子恒|夏峰|廖新勤|陈忠|郭子权

• •
  本研究提出了一种新颖的混合模型，该模型结合了遗传算法（GA）和反向传播神经网络（BP-NN），能够根据目标光学参数准确预测LED驱动电流，从而实现对植物栽培所需光照环境的精确和智能控制。
• •
  创新混合模型：本研究通过整合遗传算法（GA）和反向传播神经网络（BP-NN）开发了一种新型混合模型。利用遗传算法优化网络结构和训练过程，该模型在预测LED驱动电流方面实现了更高的准确性和更快的收敛速度。
• •
  关键参数的精确控制：该模型建立了预测驱动电流与关键光生物学/光度参数之间的精确可逆映射关系，这些参数包括PPF、R/B、PLER（仅针对植物场景）以及CRI、CCT、LER、PLER、PAF（针对混合场景），从而能够根据植物生长和视觉质量需求进行光谱调节。
• •
  扩展到混合场景：该框架进一步扩展到了需要平衡人类视觉舒适度和植物生产力的混合场景中，通过引入色渲染指数（CRI）和相关色温（CCT）等光度参数。该方法在仅针对植物的应用和人-植物结合的应用中均表现出高准确性和稳定性，为温室、垂直农场和受控环境农业中的动态光照优化提供了一种多功能且可靠的工具。