CN101470421B

CN101470421B - 一种基于人工智能技术的植物生长室及其控制系统

Info

Publication number: CN101470421B
Application number: CN2007101592919A
Authority: CN
Inventors: 刘作新; 王振营
Original assignee: Institute of Applied Ecology of CAS
Current assignee: Institute of Applied Ecology of CAS
Priority date: 2007-12-28
Filing date: 2007-12-28
Publication date: 2012-01-11
Anticipated expiration: 2027-12-28
Also published as: CN101470421A

Abstract

本发明涉及一种基于人工智能技术的植物生长室及其控制系统，具有环境参数传感器，环境参数变送器的信号输入端接有环境参数传感器，输出端与人工智能调试设备的信号输入端相连；人工智能调试设备，根据作物类型及试验条件，通过专家系统设置植物生长室的环境条件；环境控制驱动器，驱动环境控制执行器中各设备的启停；环境控制执行器，控制各种环境参数达到目标设置值；植物生长室的框架、安装于框架顶部的上盖以及由框架支撑的生长室主体均以可拆卸的形式装配。本发明可模拟出不同气候环境，为深入研究不同环境因子及其组合对植物生理生态的影响规律提供了有利条件，智能化程度高，可选取最优化的控制方式，并具有容量大，使用寿命长等特点。

Description

一种基于人工智能技术的植物生长室及其控制系统

技术领域

本发明涉及一种科研上应用的超大型植物生长室，具体地说是一种可方便拆卸及安装的基于人工智能技术的植物生长室及其控制系统。

背景技术

我国为农业大国，长期在自然环境条件下对植物生长进行研究，其研究相对落后。传统的植物生长田间观测研究受环境因素影响大，导致实验周期过长，实验数据不完善。用计算机辅助农业生产，模拟自然环境中的温度、湿度和光照等与植物生长有关的生态因素，创造局部人工气候，以寻求各种农作物的最佳生长条件，探索植物的生长、发育规律，将使农业获得高产，保证产品优质，提高农业生产的经济效益。在计算机辅助农业生产中，植物生长室是植物科学研究的有效工具之一，它是具有光、温、湿、气等生态因子可调的多功能、高精度的人工智能设备，可为用户提供理想的人工气候实验环境。植物生长室不仅可用作植物的发芽、育苗、组织细胞、微生物的培养，还可用作昆虫、小动物的饲养，水体分析的BOD测定以及其它用途的人工生态气候试验，用途广泛，是遗传工程、医学、农业、林业、环境科学、畜牧、水产等生产及科研部门较理想的试验设备。

随着对植物生长规律的深入研究，越来越多的需要大型植物生长室作为实验手段。但现有的植物生长室不能有效的拆装和生长室环境参数调节范围小，功能少，性能和智能化程度低，控制精度低，操作复杂，成本却很高，难以满足日益增长的科研工作需要。如国产的TPG-640-TH型植物生长室，其内部空间尺寸仅130×100×49厘米，仅能满足多数作物苗期生长的实验条件，不能满足高大作物和多数作物整个生长季的实验要求；而国外进口同类产品虽然部分功能可达到科研要求，但价格极为昂贵，维修和运行成本大，因此，开发出大容量智能型植物生长室意义十分重大。

发明内容

针对现有技术中成本高、常规植物生长室不能有效的拆装和生长室环境参数调节范围小等的不足，本发明要解决的技术问题是提供一种大容量、可拆装、高精度、低成本的基于人工智能技术的植物生长室。

为解决上述总是，本发明采用的技术方案是：

本发明基于人工智能技术的植物生长室控制系统具有：环境参数传感器，采集植物生长室内的各种环境信号；环境参数变送器，作为人工智能调试设备的数据采集电路，其信号输入端接有环境参数传感器，输出端与人工智能调试设备的信号输入端相连；人工智能调试设备，作为植物生长室的控制核心，根据作物类型及试验条件，通过专家系统设置植物生长室的环境条件；环境控制驱动器，根据人工智能调试设备输出的控制信号分别驱动环境控制执行器中各设备的启停；环境控制执行器，按照环境要求控制驱动器的控制信号启动或停止，以控制各种环境参数达到目标设置值。

所述人工智能调试设备包括：

过程控制器，存有控制程序，根据环境参数变送器输入的环境参数传感器采集的环境信号以及智能化调试设置器输入的设置值进行比较判断，形成控制决策输出至环境控制执行器；通过网络设备与局域网连接，实施远程CS(client-server)结构管理；智能化调试设置器，为人机对话接口，显示各种设备的状态，计算并显示保存各种传感器数据；存有专家系统软件，根据实验作物的需求向过程控制器自动配置并输入人工模拟环境参数。

所述环境参数传感器包括空气温度传感器、空气湿度传感器、氧气传感器、二氧化碳传感器、光强度传感器以及土壤水分水势传感器，分别通过温度变送器、湿度变送器、氧气变送器、二氧化碳变送器、光强度变送器以及土壤水分水势变送器经串行总线接至过程控制器的输入端。

所述环境控制执行器包括制冷设备及加温设备、加湿设备、加氧设备、二氧化碳设备、照明设备以及通风设备。

所述专家系统包括参数数据库、知识管理系统、知识库及实时推理机，其中知识管理系统为通过系统开发工具将农业专家知识处理形成，并以知识库和参数数据库的形式存储；实时推理机通过调用知识库信息和参数数据库信息推导出控制方案送至过程控制器。

所述专家系统的实时推理机采用向前推理的方法对知识库进行搜索，即在过程控制器的控制下进行环境参数采样，由信息预处理机提供当前采样信息，并利用动态数据库作为先决条件，在知识库内寻找与动态数据库内的先决条件相匹配的知识规则，若匹配成功，找到目标状态，过程控制器执行一系列有关规则结论的控制，若匹配不成功，则继续搜索，寻找匹配原则。

所述知识库包括生长期气象参数库、作物知识库、土壤知识库以及实时数据库，其中生长期气象参数库存有温度、风力及风向参数，作物知识库存有作物类型、作物生长期以及土壤持水量，土壤知识库包括土壤理化性质，实时数据库包括土壤湿度、空气温湿度、二氧化碳浓度、氧气浓度。

所述过程控制器采用模糊控制算法，即接收采样得到的测量数据存储于知识库的实时数据库；将接收采样数据通过模糊化过程由精确值变为模糊量；根据模糊量及模糊控制规则推理生成模糊查询控制表；按模糊查询控制表计算出模糊控制量；将模糊控制量转化为精确的控制量输出至环境控制驱动器。

本发明基于人工智能技术的植物生长室具有框架、安装于框架顶部的上盖以及由框架支撑的生长室主体，框架、安装于框架顶部的上盖以及由框架支撑的生长室主体均以可拆卸的形式装配；所述生长室主体分为培养室及控制室两部分，其中培养室采用内、外壁双层结构，外壁采用冷轧钢板，内壁采用不锈钢，外壁与内壁之间填充保温材料；生长室主体的门上设有观察窗，门的四边设有密封条；控制室内安装有控制系统，该控制系统的环境参数传感器及环境控制执行器设于生长室主体中或与生长室相通。

所述培养室内装配有土壤箱，其底部安装可自由移动的轮；土壤箱底部设有排水孔。所述排水孔孔壁外翻，呈漏斗状。

本发明具有以下有益效果及优点：

1.可模拟出不同气候环境。本发明利用人工智能技术模拟出不同气候条件下植物生长所需的环境，可根据用户或环境需求调控光照、温度、湿度、二氧化碳浓度以及氧气浓度，为深入研究不同环境因子及其组合对植物生理生态的影响规律提供了有利条件；

2.智能化程度高。本发明人工智能技术采用的是专家系统，将专利知识和经验以知识库的形式存入计算机中，模拟人类大脑的思维过程，对输入的原始事实进行复杂的推理，并作出判断和决策，从而起到专门领域专家的作用，与植物生长室的硬件设备有机地结合，在特定领域内以人类专家的水平解决了本发明的技术问题，极大地提高了发发明的智能化程度；

3.生长室容量大。本发明生长室的内部尺寸比国外同类产品加大1倍达2520升，可以满足高大作物和多数作物整个生长季的实验要求；

4.性能价格比极高。本发明的全套件价格比国外小容积型号的同类产品降低近一倍，比近似容积型号的产品价格降低60％以上；

5.可扩展性能强。本发明可选配件丰富，能够满足大多数用户的未来功能扩展需求。

6.使用寿命长。本发明在控制软件中加入了智能化处理能力，可根据用户的参数设定值选取最优化的控制方式，有效避免执行机构的频繁启动，延长了设备的使用寿命。

附图说明

图1为本发明系统结构框图；

图2为本发明系统控制关系图；

图3为本发明的专家系统组成图；

图4为本发明的专家系统中知识库构成图；

图5为本发明专家系统中实时推理机流程图；

图6为本发明的过程控制器的模糊控制示意图；

图7为本发明系统总体控制流程图；

图8为本发明植物生长室结构示意图。

具体实施方式

为了能在多种可能条件下人工模拟植物生长环境，本发明可根据用户或环境需求调控光照、温度、湿度、气体，为深入研究不同环境因子及其组合对植物生理生态的影响规律提供有利条件。

如图1所示，本发明基于人工智能技术的植物生长室控制系统包括：

环境参数传感器1，采集植物生长室内的各种环境信号；环境参数变送器2，作为人工智能调试设备7的数据采集电路，其信号输入端接有环境参数传感器1，输出端与人工智能调试设备7的信号输入端相连；人工智能调试设备7，作为植物生长室的控制核心，根据作物类型及试验条件，通过专家系统设置植物生长室的环境条件；

环境控制驱动器5，根据人工智能调试设备7中过程控制器3输出的控制信号分别驱动环境控制执行器6中各设备的启停；环境控制执行器6，按照环境要求控制驱动器5的控制信号启动或停止，以控制各种环境参数达到目标设置值。

上述人工智能调试设备7包括：过程控制器3，存有控制程序(要提供各种参数的控制过程流程图)，根据环境参数变送器2输入的环境参数传感器1采集的环境信号以及智能化调试设置器4输入的设置值进行比较判断，形成控制决策输出至环境控制执行器5，通过网络设备与局域网连接，实施远程操作控制器即CS(client-server)结构管理；智能化调试设置器4，为人机对话接口，显示各种设备的状态，计算并显示保存各种传感器数据，存有专家系统软件，根据实验作物的需求向过程控制器3自动配置并输入人工模拟环境参数。

如图2所示，所述环境参数传感器1包括空气温度传感器、空气湿度传感器、氧气传感器、二氧化碳传感器、光强度传感器以及土壤水分水势传感器，分别通过温度变送器、湿度变送器、氧气变送器、二氧化碳变送器、光强度变送器以及土壤水分水势变送器经串行总线接至过程控制器3的输入端；所述环境控制执行器6包括制冷设备及加温设备、加湿设备、加氧设备、二氧化碳设备、照明设备以及通风设备，还具有紫外线设备用以杀菌。

如图3所示，存储于智能化调试设置器4中的专家系统包括参数数据库、知识管理系统、知识库及实时推理机(虚拟装置)，其中知识管理系统为通过系统开发工具将农业专家知识处理形成，并以知识库和参数数据库的形式存储；实时推理机通过调用知识库信息和参数数据库信息推导出控制方案送至过程控制器。

如图4所示，上述知识库包括生长期气象参数库、作物知识库、土壤知识库以及实时数据库，其中生长期气象参数库存有温度、风力及风向参数，作物知识库存有作物类型、作物生长期以及土壤持水量，土壤知识库包括土壤理化性质，实时数据库包括土壤湿度、空气温湿度、二氧化碳浓度、氧气浓度。

如图5所示，上述专家系统中的实时推理机采用向前推理的方法对知识库进行搜索，即在过程控制器3的控制下进行环境参数采样，由信息预处理机提供当前采样信息，并利用动态数据库作为先决条件，在知识库内寻找与动态数据库内的先决条件相匹配的知识规则，若匹配成功，找到目标状态，过程控制器执行一系列有关规则结论的控制，若匹配不成功，则继续搜索，寻找匹配原则。本发明的知识库主要采用产生式表示法。产生式规则是常用的表示方法，这种表示形式的可用性，是由于每一条规则的应用条件阐述得比较明确，而且规则之间的相互作用较小(即一条规则不调用其他的规则)，便于人们对拥有大量知识的系统进行理解和修改。

所述过程控制器3采用模糊控制算法，以模糊集合论，模糊语言变量以及模糊逻辑推理为基础的一种计算机数字控制，从线性和非线性控制的角度分类，模糊控制是一种非线性控制，同时模糊控制也属于智能控制的范畴，并已成为目前智能控制的一种重要有效的形式，当面对一个复杂的非线性、随时间变化且难以精确测量的系统时，利用模糊控制理论来设计控制器是很好的做法，具体如图6所示：

接收采样得到的测量数据存储于知识库的实时数据库；将接收采样数据通过模糊化过程由精确值变为模糊量；根据模糊量及模糊控制规则推理生成模糊查询控制表；按模糊查询控制表计算出模糊控制量；将模糊控制量转化为精确的控制量输出至环境控制驱动器。

本实施例中生长室的控制量包括温度、湿度、二氧化碳、氧气、光照等，设其测量值分别为U1(K)、U2(K)、U3(K)、U4(K)、U5(K)。为了减少控制的复杂性，氧气、光照的控制仍然采用上、下限控制，而温度、湿度、二氧化碳则利用模糊控制来进行。若将系统设置的温度、湿度、二氧化碳参数作为给定值U1、U2、U3，则过程控制器3的输入变量(即测量值)与给定值的误差为：

E1＝U1(K)-U1；

E2＝U2(K)-U2；

E3＝U3(K)-U3；

过程控制器3的输出变量为：

V1-加温/制冷时间；

V2-通风时间；

V3-加湿时间

V4-加氧/二氧化碳的时间；

输入变量的语言描述：

E1＝{PS PL Z0 NL NS}；

E2＝{PS PL Z0 NL NS}；

E3＝{PS PL Z0 NL NS}；

输出变量的语言描述：

V1＝{0 PL PS}；

V2＝{0 PL PS}；

V3＝{0 PL PS}；

V4＝{0 PL PS}；

模糊控制规则：

在生长室的环境中，温度、湿度、二氧化碳不但受控制的影响，而且它们之间也相互影响，例如温度过高，可能要开启鼓风器及制冷器制，则必然要降低温室内的湿度和二氧化碳浓度，其他因素也是同样道理，因此系统是一个耦合系统，而且是一个非线性，大滞后的环节，考虑以上原因，设计了人工解耦规则，制定模糊查询控制表如下：

如果已知系统误差Ei的论域、误差变化ECi的论域，那么根据系统的控制规则所决定的模糊关系R，应用推理合成规则计算出在Ei和ECi情况时反映控制量变化的模糊集合Uij。然后采用适当的方法如MIN-MAX重心法、模糊加权型推理法等对其进行模糊判决，由控制量U的论域可以获得最终加到被控对象的实际控制量的精确值uij。对系统误差E、误差变化EC中全部元素的所有组合计算出相应的控制量的精确值，写成矩阵形式就构成了模糊查询控制表。通常将模糊查询控制表存放到计算机中，在过程控制中，计算机直接根据采样和论域变换得来的以论域元素形式表现的E和EC的值，通过查询表得出相应的控制量的值，加到控制过程中。

一般情况下，模糊查询控制表是通过离线计算得到的，一旦将其存放到计算机中，在实时控制过程中，实现模糊控制的过程便转化成计算量不大的查找查询表的过程。因此，尽管在离线情况下完成模糊控制算法的计算量很大并且费时，但是以查询表的形式实现的模糊控制却有良好的实时性。

如图7所示，本发明控制系统的总体控制过程如下：

确定作物对象；

根据作物类型从专家系统的数据库中读取该作物不同生育阶段的环境信息；

根据环境参数传感器发送的数据计算当前环境的空气湿度、温度、二氧化碳浓度、氧气浓度、光照强度以及土壤水分水势等参数数值；

将上述各计算数据与专家系统的数据库中设定的环境参数数值进行比较、分析；

判断比较、分析的结果是否在相应的设定范围内，如在设定范围内，则根据数据库中作物不同生育阶段天数记录植物生长室运行时间；

如果该作物所有生育阶段均完成，则结束控制过程；

进入下一阶段的控制，回到根据环境参数传感器发送的数据计算当前环境的空气湿度、温度、二氧化碳浓度、氧气浓度、光照强度以及土壤水分水势等参数数值阶段，循环进行，直到该作物所有生育阶段完成；

如果判断比较、分析的结果不在相应的设定的范围内，则启动相应的环境控制执行器6，按照环境控制驱动器5的控制信号启动或停止，以控制相应的环境参数达到目标设置值。

本发明基于人工智能技术的植物生长室具有以下结构：框架11、安装于框架11顶部的上盖以及由框架支撑的生长室主体，框架、安装于框架顶部的上盖以及由框架支撑的生长室主体均以可拆卸的形式装配；述生长室主体分为培养室13及控制室16两部分，其中培养室13采用内、外壁双层结构，外壁采用冷轧钢板，内壁采用不锈钢，外壁与内壁之间填充保温材料；生长室主体的门上设有观察窗12，门的四边设有密封条；控制室16内安装有控制系统，该控制系统的环境参数传感器1及环境控制执行器6设于生长室主体中或与生长室相通；所述培养室13内装配有土壤箱14，其底部安装可自由移动的轮；土壤箱14底部设有孔壁外翻呈漏斗状的排水孔。

框架11包括上梁组件，下梁组件，立柱组件(六件)及地脚螺拴，用十二个三角形(三维)连接件组成上梁组件和下梁组件，再用螺拴将立柱组件(六件)紧固，最后安装带有托板的地脚螺拴成为一体；上盖部分包括灯箱、侧盖及抽屉组件，灯箱与侧盖采用分体式结构及抽屉组件，灯箱前部有门；照明灯具安装在专门的框架上，框架可随意取出，以方便维护；灯箱内上部附有反光膜，有利于提高光照度；灯箱左侧有散热孔，后部设有排热风扇15(二个)，有利于降低灯箱内部的温度；

培养室13包括顶板、左侧板、右侧板、后板(二件)、门(二件)、小门(二件)、底板(二件)、右侧门，底板，后板；顶板用中空玻璃和塑钢型材组合，有利于屏蔽灯箱内的温度；左右侧板，后板(二件)、门(二件)以及底板(二件)外壁采用冷轧钢板制造，以保证足够的强度，内壁采用8k不锈钢板加工，以保证足够的光照度和长期使用不生锈；外壁与内壁之间用保温材料填充，以保护室内温度的稳定性；两扇门上各有一个观察窗，不用时可将门关上，门的四边安有密封磁条，以保护室内环境；

土壤箱14采用不锈钢板加工，底部的孔壁外翻呈漏斗状的排水孔可防止水四溢；土壤箱14上部安有提梁，底部四角安装轮子，在保证长期使用不生锈的同时更加方便灵活；

培养室13内还设有摆放架及盛水盘，摆放架为在不使用土壤箱育苗、采用盆装育苗时的辅助器具，分三层，可根据实需要随意调整高度，不用时可分拆存放；盛水盘是盛接土壤箱或花盆中土壤因水分饱和后渗水的器皿。

本发明植物生长室的外表面全部喷塑，外部尺寸为192cm(长)×84cm(宽)×230cm(高)，内部尺寸为120cm(长)×70cm(宽)×200cm(高)；灯箱为20cm(高)，土壤箱(二个)为59cm(长)×70cm(宽)×60cm(高)，可分体组合，拆卸自如，方便安装。

本实施例中，田间模拟试验以大田作物玉米为例，在辽宁省节水农业重点实验室中，参照辽西农田玉米的生长气候条件和水肥试验结果，同时调用专家系统的数据库中有关玉米需水、需肥的建议，在供水充足的条件下进行水分监测、肥料施用试验，进行从玉米苗期到玉米收获期实验室模拟，比较模拟产量和田间产量差异，判断基于人工智能技术植物生长室的性能指标。

由专家系统的数据库得知玉米的需水、需肥特性如下：

玉米苗期需水较少，比较耐旱，拔节以后，营养生长和生殖生长并进，植株生长加快，需水量急剧增加，抽雄前10天至开花后20天是玉米需水的临界期，对缺水的反应非常敏感，此时干旱会延迟抽雄吐絮，成为“卡脖旱”。灌浆期是玉米茎、光叶光合作用积累的营养物质向籽粒输送的时期，需水量仍比较多。进入蜡熟期以后，植株衰老，叶面积蒸腾减少，需水强度迅速下降。参见玉米需水量表：

玉米需水量(mm)

生育阶段	播种-拔节	拔节-抽雄	抽雄-灌浆	灌浆-成熟	全生育期
						阶段需水量	86	119	77	91	373

玉米的需肥量较大，在不同生育时期，玉米吸收氮磷钾速度和数量是不同的。幼苗期生长慢、植株小，吸收养分少；拔节期至开花期，生长很快，此时是雌雄穗形成发育时期，吸收养分速度快、数量多，是玉米需要养分的关键时期；生育后期，吸收速度逐渐缓慢，吸收数量也少。玉米一生中吸收的养分，以钾为最多，氮次之，磷较少。参见玉米各生育阶段需肥量表：

玉米各生育阶段需肥量(kg/hm²)

生育期	N	P₂O₅	K₂O
				拔节期	5.95	0.82	9.8
喇叭口期	50.60	23.95	61.45
				抽雄-灌浆期	169.8	33.25	246.7
成熟期	228	76.06	310.4

玉米的全生育期从播种到收获共103天，其生育阶段为播种-出苗，8天；出苗-拔节，23天；拔节-抽穗，26天；抽穗-灌浆，10天；灌浆-蜡熟，26天；蜡熟-收获，11天；各个生育阶段每天的空气温湿度，二氧化碳浓度，氧气浓度，通风状况均由专家系统的数据库给出；在收获后，对玉米进行考种估产，结果表明其产量与田间产量相当，说明该人工智能技术植物生长室的性能指标达到科研技术要求。

Claims

1.一种基于人工智能技术的植物生长室控制系统，其特征在于具有：

环境参数传感器(1)，采集植物生长室内的各种环境信号；

环境参数变送器(2)，作为人工智能调试设备(7)的数据采集电路，其信号输入端接有环境参数传感器(1)，输出端与人工智能调试设备(7)的信号输入端相连；

人工智能调试设备(7)，作为植物生长室的控制核心，根据作物类型及试验条件，通过专家系统设置植物生长室的环境条件；

环境控制驱动器(5)，根据人工智能调试设备(7)输出的控制信号分别驱动环境控制执行器(6)中各设备的启停；

环境控制执行器(6)，按照环境要求控制驱动器(5)的控制信号启动或停止，以控制各种环境参数达到目标设置值；

所述人工智能调试设备(7)包括：

过程控制器(3)，存有控制程序，根据环境参数变送器(2)输入的环境参数传感器(1)采集的环境信号以及智能化调试设置器(4)输入的设置值进行比较判断，形成控制决策输出至环境控制执行器(5)；通过网络设备与局域网连接，实施远程CS结构管理；

智能化调试设置器(4)，为人机对话接口，显示各种设备的状态，计算并显示保存各种传感器数据；存有专家系统软件，根据实验作物的需求向过程控制器(3)自动配置并输入人工模拟环境参数；

专家系统包括参数数据库、知识管理系统、知识库及实时推理机，其中知识管理系统为通过系统开发工具将农业专家知识处理形成，并以知识库和参数数据库的形式存储；实时推理机通过调用知识库信息和参数数据库信息推导出人工模拟环境参数送至过程控制器。

2.按权利要求1所述的基于人工智能技术的植物生长室控制系统，其特征在于：所述环境参数传感器(1)包括空气温度传感器、空气湿度传感器、氧气传感器、二氧化碳传感器、光强度传感器以及土壤水分水势传感器，分别通过温度变送器、湿度变送器、氧气变送器，二氧化碳变送器、光强度变送器以及土壤水分水势变送器经串行总线接至过程控制器(3)的输入端。

3.按权利要求2所述的基于人工智能技术的植物生长室控制系统，其特征在于：

所述环境控制执行器(6)包括制冷设备及加温设备、加湿设备、加氧设备、二氧化碳设备、照明设备以及通风设备。

4.按权利要求1所述的基于人工智能技术的植物生长室控制系统，其特征在于：所述专家系统的实时推理机采用向前推理的方法对知识库进行搜索，即在过程控制器的控制下进行环境参数采样，由信息预处理机提供当前采样信息，并利用动态数据库作为先决条件，在知识库内寻找与动态数据库内的先决条件相匹配的知识规则，若匹配成功，找到目标状态，过程控制器执行一系列有关规则结论的控制，若匹配不成功，则继续搜索，寻找匹配原则。

5.按权利要求1所述的基于人工智能技术的植物生长室控制系统，其特征在于：所述知识库包括生长期气象参数库、作物知识库、土壤知识库以及实时数据库，其中生长期气象参数库存有温度、风力及风向参数，作物知识库存有作物类型、作物生长期以及土壤持水量，土壤知识库包括土壤理化性质，实时数据库包括土壤湿度、空气温湿度、二氧化碳浓度、氧气浓度。

6.按权利要求1所述的基于人工智能技术的植物生长室控制系统，其特征在于：所述过程控制器(3)采用模糊控制算法，即接收采样得到的测量数据存储于知识库的实时数据库；将接收采样数据通过模糊化过程由精确值变为模糊量；根据模糊量及模糊控制规则推理生成模糊查询控制表；按模拟查询控制表计算出模糊控制量；将模糊控制量转化为精确的控制量输出至环境控制驱动器。