节选自OA论文 https://doi.org/10.1002/moda.70044

S. Wang, L. Kang, Q. Zhu, et al., “Chuiyuan: A Large Language Model-Driven AI Agent for Plant Factories-Applications and Perspectives,” Modern Agriculture (2026): e70044, https://doi.org/10.1002/moda.70044.

4.1 物联网技术支持的PFALs实时数据采集

作为数据采集的重要终端组件，传感器的性能与结构升级是推动PFALs技术发展的关键因素，它直接决定了植物生长调控的精度与效率。在未来的PFALs系统中，传感器的应用将加速其向多参数融合、小型化、低功耗及高精度方向的发展。为实现这一目标，应优先研发集成型微多光谱传感器。通过微电机械系统（MEMS）技术和纳米生物技术，可以缩小传感器的尺寸，使其能够直接嵌入作物叶片或培养基中，从而实现精准的数据采集[26, 27]。结合LoRaWAN和NB-IoT等低功耗广域网技术，传感器的续航时间可延长至10年以上，从而有效解决当前传感器设备成本高昂、续航时间短且维护复杂的难题。未来的PFALs系统将采用基于边缘计算和云计算的协作架构[28, 29]：部署在种植现场的边缘计算节点可对采集到的数据进行实时预处理和本地快速处理，从而减轻偏远地区的传输压力；而云平台则负责存储大量历史数据，进行深入分析及全局优化，以此揭示植物生长规律并优化生长模型。