摘要：如何提高农作物的生产质量,已经成为当前农业的工作重点;神经网络技术是现今农业信息化、精准化的一种表现形式。在参考国内外LED光源应用于农业现状的基础上,研究农业LED光源模拟环境;论述了环境系统的总体设计和模块原型,并将BP神经网络技术结合到该环境中,建立BP神经网络预测模型,利用神经网络学习理论对农业光源环境进行初步研究。研究显示BP神经网络技术在农业LED光源环境中具有良好的应用价值,对农作物生长的光环境研究具有重要的意义。

　　农作物生长的光环境是影响作物光合作用最重要的因素，并且直接影响到作物的生长和健康状况。长期以来在农业领域使用的人工光源主要有高压钠灯、荧光灯、金属卤素灯、白炽灯等;这些光源的突出缺点是能耗大、运行费用高。LED 在农业与生物领域的应用已经显示出旺盛的活力，LED 光源在满足植物光合作用需求的同时，能够节省大量能源。

　　本研究拟在分析目前国内外农作物生长环境中使用的光源的基础上，重点研究影响农作物生长状态的LED 光源环境;通过以温室为主体的人工光植物生长的环境，在不同光质、光强、光照时间的作用下，对农作物的一系列生长状态进行相关性研究[1];利用BP 神经网络技术对植物生长过程的光参数进行自学习和自适应，建立基于LED 光源和BP 神经网络技术的农作物生长光环境。BP(Back Propagation)网络是一种按误差逆向传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一。近年来，BP 神经网络强大的非线性映射能力使其在农业研究方面得到广泛应用。

......