近日，我院智慧农业系青年教师牛源艺在《Computers and Electronics in Agriculture》（中科院一区TOP，IF=10.3）上在线发表了题为 “Intelligent red-blue supplemental lighting control system for greenhouses: balancing photosynthesis and carbon footprint” 的研究论文。该研究通过融合机器学习、多目标优化算法与物联网技术，构建了兼顾作物光合效率与LED能耗的作物红蓝补光系统。        光照不足是制约温室作物高产稳产的关键环境限制因子之一。补光技术虽能有效提升温室作物产量与品质，但传统补光策略往往只关注光强控制而忽略光谱优化，且高能耗带来的碳足迹问题日益突出，制约了农业生产的可持续发展。如何在提升光合效率的同时降低补光碳排放，是当前作物栽培管理面临的重要课题。        研究构建了作物红蓝光智能补光系统，通过GA-LSSVR光合速率预测模型（R²=0.968）与碳足迹函数双目标优化，实现了光强与红蓝光配比的联合寻优。系统基于ZigBee无线传感网络和4G DTU实现环境实时感知，通过PWM独立调控红蓝双通道LED，决策模型部署于ECS并实时生成控制指令，红光与蓝光平均控制误差分别为-2.52%和-2.48%。        验证实验表明，双目标优化组在120 DAT的单叶净光合速率（14.90 μmol·m⁻²·s⁻¹）较未补光对照组（12.03 μmol·m⁻²·s⁻¹）提升23.86%，较仅控制光强的单目标策略（14.00 μmol·m⁻²·s⁻¹）仍高出6.43%；相比正常运行系统，双目标策略降低补光碳足迹33.80%；该研究为温室补光从“单一光强控制”向“光强-光谱协同决策”的智能化升级提供了可行路径，对低碳智慧农业生产具有重要参考价值。        我院青年教师牛源艺为论文第一作者，我院熊淑萍教授和中国农大张漫教授为本论文的共同通讯作者。该研究得到了国家自然科学基金（32371994、32372239）、河南省自然科学基金（262300420462）、河南省重点研发计划（241111111500）和国家重点研发计划（2023YFD2301503）等项目的资助。
       论文链接：https://doi.org/10.1016/j.compag.2026.112229