植物生长柜作为一种高端的植物生长装置,不仅能够提供全光谱的LED光照条件,还能够24h不间断地为植物提供营养补给。相对于自然条件下种植方式,具有不可比拟的优势。生菜是日常生活中常见的蔬菜之一,具有很高的营养价值。相比于自然条件,植物生长柜同样能够孕育出优质的生菜。而生菜最终的生长质量又是由多种环境因素共同决定的。在不同的环境变量影响下,生菜最终的形态和质量都会有所差异。当环境变量不适合生菜生长时,生菜会出现生长缓慢、甚至停滞生长的情况。针对以上问题,本文主要围绕着两个方面展开研究:建立BP神经网络模型,探究多变量环境融合与生菜基本特征的映射关系。首先,通过单一变量实验,总结了多种单一环境变量与生菜生长特征的映射关系。其次,为了探究多种环境变量融合下,环境变量与生菜生长特征的映射关系。结合BP神经网络模型特征,建立了相关模型,探究了多种环境变量融合下,生菜的生长特征值变化趋势。最后,通过测试集验证了该模型的准确性。搭建小型VGG网络模型,有效识别不同时期的生菜图像特征。生菜的生长过程主要分为育苗期、生长期、发棵期和成熟期,并且在每个时期的图像特征都有所不同。为了预防感知系统失调的缘故,导致生菜生长不良。本文采用深度学习算法,搭建了适合小样本训练的小型VGG网络模型。并实现了各个时期的生菜图像有效的识别和分类。结合相关硬件定期拍照识别、分类,能够有效预防生菜生长不良。