近年來，物聯網應用越來越廣泛，將物聯網應用於溫室微氣候控制為現代農業系統的關鍵目標之一。
  在本論文中，設計了一套基於物聯網的溫室微氣候控制系統。利用感測器收集環境因子，將環境因子輸入決策分析中，利用貝氏網路進行決策判斷。目前多數設計之溫室微氣候控制系統都是針對單一因子進行環控，此套系統可以根據複數因子進行環控決策分析，避免針對單一因子進行環控導致其他環境因子異常的狀況。
  根據貝氏網路對各個因子分析決策後進行溫室微氣候控制，以提供作物適合的成長環境為本論文主要目的。

In recent years, the application of the Internet of Things (IoT) has become more and more widespread, and the application of the IoT to the greenhouse microclimate control is one of the key objectives of the modern agricultural system.
    In this thesis, a greenhouse microclimate control system based on IoT is designed. The sensor is used to collect environmental factors, and the Bayesian network is used for analysis and decision making. At present, most of the designed greenhouse microclimate control systems are controlled by a single factor. This system can conduct environmental control decision analysis based on multiple factors to avoid misjudgment due to single factor anomalies. 
    The main purpose of this thesis is to conduct greenhouse microclimate control after analyzing and determining the factors according to the Bayesian network to provide a suitable growth environment for crops.

目錄
第一章 緒論	1
1.1研究背景	1
1.2研究動機	2
1.3論文架構	2
第二章 相關研究	3
2.1基於物聯網的溫室農業	3
2.2溫室內作物影響因子	4
第三章 研究方法	7
3.1系統理論架構	7
3.2系統模型及決策	8
3.2.1長期開關策略模型	8
3.2.2 決策分析模組	9
3.3系統運作	12
3.3.1環控決策	12
3.3.2異常處理	13
第四章 模擬實作	18
4.1 模擬場域	18
4.2 系統架構與模型	18
4.3 決策分析模型	19
4.4 決策模擬	20
4.4.1 機率分配表	21
4.4.2 情境一	25
4.4.3 情境二	28
4.4.4 情境三	31
4.4.5 情境四	34
4.4.6 情境五	37
第五章 結論與未來展望	40
5.1 結論	40
5.2 未來展望	40
參考文獻	41
附錄一、英文論文	43
Applying IoT to Greenhouse Agriculture	43

 
圖目錄
圖 1、系統理論架構	7
圖 2、長期開關策略	8
圖 3、決策分析	9
圖 4、決策分析模組	10
圖 5、貝氏定理分析	11
圖 6、系統運作流程	12
圖 7、系統運行模擬	13
圖 8、系統正常運行	14
圖 9、室外感測資料遺失	14
圖 10、室內感測資料遺失	15
圖 11、傳輸異常發生	16
圖 12、環控決策遺失	17
圖 13、場域模擬	18
圖 14、模擬場域系統架構	19
圖 15、決策分析模型	20
圖 16、情境一	25
圖 17、情境二	28
圖 18、情境三	31
圖 19、情境四	34
圖 20、情境五	37

表目錄
表 1、常見升溫方式	5
表 2、常見降溫方式	5
表 3、常見加濕方式	5
表 4、常見除濕方式	6
表 5、機率分配表-空氣溫度	22
表 6、機率分配表-空氣濕度	22
表 7、機率分配表-空氣溫度趨勢	23
表 8、機率分配表-開關現狀	23
表 9、情境一綜合機率分配表	26
表 10、情境二綜合機率分配表	29
表 11、情境三綜合機率分配表	32
表 12、情境四綜合機率分配表	35
表 13、情境五綜合機率分配表	38

[1]	Hu, H., et al., Multi-objective control optimization for greenhouse environment using evolutionary algorithms. Sensors, 2011. 11(6): p. 5792-5807.
[2]	Mahdavian, M., M.B. Poudeh, and N. Wattanapongsakorn. Greenhouse lighting optimization for tomato cultivation considering Real-Time Pricing (RTP) of electricity in the smart grid. in 2013 10th International Conference on Electrical Engineering/Electronics, Computer, Telecommunications and Information Technology. 2013.
[3]	Siddiqui, M.F., et al. Automation and monitoring of greenhouse. in 2017 International Conference on Information and Communication Technologies (ICICT). 2017.
[4]	Pahuja, R., H.K. Verma, and M. Uddin, A Wireless Sensor Network for Greenhouse Climate Control. IEEE Pervasive Computing, 2013. 12(2): p. 49-58.
[5]	Li, R., X. Sha, and K. Lin. Smart greenhouse: A real-time mobile intelligent monitoring system based on WSN. in 2014 International Wireless Communications and Mobile Computing Conference (IWCMC). 2014.
[6]	Moon, A. and S. Lee. Design of the Farmer's Experience Based Greenhouse Operating Systems. in 2013 12th IEEE International Conference on Trust, Security and Privacy in Computing and Communications. 2013.
[7]	Weimin, Q., et al. Design of intelligent greenhouse environment monitoring system based on ZigBee and embedded technology. in 2014 IEEE International Conference on Consumer Electronics - China. 2014.
[8]	Somov, A., et al., Pervasive Agriculture: IoT-Enabled Greenhouse for Plant Growth Control. IEEE Pervasive Computing, 2018. 17(4): p. 65-75.
[9]	Vu, V.A., et al. Design of automatic irrigation system for greenhouse based on LoRa technology. in 2018 International Conference on Advanced Technologies for Communications (ATC). 2018.
[10]	Zheng, Z. and Y. Wang. Research on the relationship among the growth period environmental factors of tomato under the condition of mulched drip irrigation in greenhouse. in 2016 Fifth International Conference on Agro-Geoinformatics (Agro-Geoinformatics). 2016.
[11]	陈亮, 裴晓辉, and 刘韵婷, 基于 LSTM 的大棚环境变量预测. 沈阳理工大学学报, 2018(5): p. 13-19.