LED植物生长柜是一种采用高精度环境控制来实现作物全年持续生产的高效高产农业系统,主要由计算机对作物生长生育整个生命周期中的温度、湿度、光照、CO2浓度及营养液等环境要素进行自动智能控制,且极少受自然环境约束的省力型生产方式。植物生长柜使用LED人工光源,LED具有发热少、单色可组合、节能环保、使用寿命长等诸多优势,可大幅度缩小栽培层间距,适用于密闭植物生长柜的集约型生产模式,极大提高了光源利用率和空间利用率。物联网在植物生长柜的应用近年来已经成为研究的热点,将物联网技术和植物生长柜进行结合,建立智能化的物联网植物生长柜系统,通过射频识别、传感器等技术手段实现对植物生长柜系统进行实时信息收集和获取;并通过各种通信网络,可靠地实现信息实时通信和共享;最后,对获取的数据信息进行分析和处理,建立植物生长状态模型,预测对植物长势,实现对植物生长柜的智能化决策和远程监控,以便能智能调整植物生长所需的环境,使植物生长柜内的植物始终处于最佳的生长状态,最终实现植物生长柜高效、高产、智能地生产绿色无污染的蔬菜、作物等。本文围绕LED智能植物生长柜数据分析和处理,开展以下几方面的研究工作:1.设计和搭建了物联网LED智能植物生长柜系统,包括硬件测控端、Android测控软件和物联网服务器,实现作物整个生命周期内的生长环境信息和作物生长特征图像的采集、获取、实时传输和存储,为植物生长柜的数据分析和处理提供研究数据和实验平台。2.根据植物特征信息测量流程,比较了图像增强与去噪方法、图像阈值分割方法、图像中植物特征提取方法等;选取适当的方法,测量出作物的冠层叶面积和株高等有效特征信息;并利用参照物进行等比例变换获取作物的实际生长特征数据,为后续的数据分析与处理做好数据储备。3.提出了基于Kalman滤波改进的BP神经网络植物生长状态预测模型,采用植物生长过程中生长环境要素(温度、湿度、光照等)与植物生长特征数据(冠层叶面积和株高)建立植物生长状态预测模型,并采用Kalman滤波对BP神经网络模型进行改进,提高了预测精度,并验证了模型的有效性。提出了基于ARMAX模型和ARX模型的植物生长状态预测模型,分别建立了植物冠层叶面积预测模型和植物株高预测模型,结果表明:冠层叶面积和株高的预测值和实际测量值的变化趋势一致,并通过模型验证方法验证了模型的有效性。