本文在分析基于“软传感”的温室双闭环最优控制仿真研究理论分析基础上,发现了实现基于作物状态在线反馈的温室双闭环最优控制算面临的问题,并进行了如下方面的研究:(1)将“暗期”引入LED光强的最优控制,避免温室LED补光最优控制会产生的连续光照;(2)研究利用计算机视觉技术实现作物状态反馈,解决“软传感”无法处理作物模型误差的情况(3)搭建远程连续量控制输入的温室最优控制物联网系统,为温室最优控制提供试验验证平台。本文的主要结论是:1.基于“软传感”的温室双闭环最优控制通过抵消长期天气预测、价格预测的误差,当预测误差在50%时对经济效益的提高不超过2.98%。若引入LED补光,不但可以将生产周期缩短为20天,还可将经济效益提高24.50%。2.在植物工厂环境下通过试验数据校正了生菜在LED光影响下的模型参数,通过切换函数实现LED光强最优控中的“暗期”,进行了在不同电费以及生菜售价下最优控制的经济效益,为将LED补光引入温室最优控制做了铺垫。3.建立了 CNN、SVR、RF及LR等深度学习和浅层机器学习的温室生菜长势参数估算模型,并对结果进行对比,发现基于深度学习的CNN模型的估算结果好于浅层机器学习的估算结果,未来进行群体估算研究可将估算精度提高至90%以上。4.搭建了温室最优控制试验物联网系统并对系统控制性能进行了相应的测试,并保留了 LED补光控制的接口,测试发现夏季降至需求温度上限需要同时开启湿帘和内遮阴,若在夏季实施最优控制需要将湿帘和内遮阴考虑进温室环境模型。