技术特征：
1.一种设施蔬菜环境参数的数据融合方法，其特征在于，包括：获取大棚内各预设位置处不同时刻的设施蔬菜的至少一个环境参数的值；将相同时刻的各环境参数的值分别组成环境参数序列，得到不同时刻的各环境参数序列；对所述各环境参数序列进行加权融合计算，以获得不同时刻的各环境参数序列的融合值。2.根据权利要求1所述的方法，其特征在于，所述对所述各环境参数序列进行加权融合计算，以获得不同时刻的各环境参数序列的融合值，包括：根据预设的大棚内各预设位置的权重分配规则，确定每个环境参数序列中各值对应的权重值；将每个环境参数序列均分为两个子序列，根据所述每个环境参数序列中各值对应的权重值，确定所述两个子序列对应的标准误差；根据所述两个子序列对应的标准误差及两个子序列对应的系数矩阵，确定各环境参数的不同时刻的融合值。3.根据权利要求2所述的方法，其特征在于，所述将每个环境参数序列均分为两个子序列，根据所述每个环境参数序列中各值对应的权重值，确定所述两个子序列对应的标准误差，包括：将每个环境参数序列均分为两个子序列，确定每个环境参数序列中两个子序列对应的权重平均值；根据所述两个子序列对应的权重平均值及两个子序列中各值对应的权重值，确定所述每个环境参数序列中两个子序列对应的标准误差。4.根据权利要求2所述的方法，其特征在于，所述根据所述两个子序列对应的标准误差及两个子序列对应的系数矩阵，确定各环境参数的不同时刻的融合值，包括：根据所述两个子序列对应的标准误差，确定每个环境参数序列的方差及两个子序列对应的协方差矩阵；根据所述每个环境参数序列的方差、所述两个子序列对应的协方差矩阵及所述系数矩阵，确定各环境参数的不同时刻的融合值。5.根据权利要求1所述的方法，其特征在于，在所述对所述各环境参数序列进行加权融合计算之前，所述方法还包括：去除所述各环境参数序列中的异常数据；相应地，所述对所述各环境参数序列进行加权融合计算，包括：对去除异常数据的各环境参数序列进行加权融合计算。6.根据权利要求1或5所述的方法，其特征在于，在所述对所述各环境参数序列进行加权融合计算之前，所述方法还包括：对每个环境参数序列进行滑动平均窗滤波，得到滤波的各环境参数序列；相应的，所述对所述各环境参数序列进行加权融合计算，包括：对滤波的各环境参数序列进行加权融合计算。7.根据权利要求5所述的方法，其特征在于，所述去除所述各环境参数序列中的异常数据，包括：计算各环境参数序列的平均值及各环境参数序列中每个值与所属环境参数序列的平均值之间的剩余误差，得到每个环境参数序列的各剩余误差；根据每个环境参数序列的所述平均值及所述各剩余误差，计算每个环境参数序列的标准误差；根据所述每个环境参数序列的各剩余误差及所述标准误差，确定每个环境参数序列中的异常数据。8.根据权利要求7所述的方法，其特征在于，所述根据所述每个环境参数序列的各剩余误差及所述标准误差，确定每个环境参数序列中的异常数据，包括：根据以下公式确定每个环境参数序列中的异常数据vi>1.5σ'；其中，vi是每个环境参数序列中的第i个数值对应的剩余误差，i∈[1，N]，N为每个环境参数序列中的数值个数，σ'为每个环境参数序列的标准误差。9.一种设施蔬菜环境参数的数据融合装置，其特征在于，包括：获取单元，用于获取大棚内各预设位置处不同时刻的设施蔬菜的至少一个环境参数的值；序列组成单元，用于将相同时刻的各环境参数的值分别组成环境参数序列，得到不同时刻的各环境参数序列；融合计算单元，用于对所述各环境参数序列进行加权融合计算，以获得不同时刻的各环境参数序列的融合值。10.一种设施蔬菜环境参数的数据融合系统，其特征在于，包括：多个空气温湿度传感器、多个土壤温湿度传感器、多个光照强度传感器、多个二氧化碳浓度传感器及如权利要求9所述的设施蔬菜环境参数的数据融合装置；所述多个空气温湿度传感器、所述多个土壤温湿度传感器、所述多个光照强度传感器及所述多个二氧化碳浓度传感器分别与所述设施蔬菜环境参数的数据融合装置连接；所述多个空气温湿度传感器，用于在大棚内预设的不同采集位置处采集空气温度和空气湿度的值，并将采集到的空气温度的值和空气湿度的值发送给所述设施蔬菜环境参数的数据融合装置；所述多个土壤温湿度传感器，用于在大棚内预设的不同采集位置处采集土壤温度和土壤湿度的值，并将采集到的土壤温度的值和土壤湿度的值发送给所述设施蔬菜环境参数的数据融合装置；所述多个光照强度传感器，用于在大棚内预设的不同采集位置处采集光照强度的值，并将采集到的光照强度的值发送给所述设施蔬菜环境参数的数据融合装置；所述多个二氧化碳浓度传感器，用于在大棚内预设的不同采集位\t置处采集二氧化碳浓度的值，并将采集到的二氧化碳浓度的值发送给所述设施蔬菜环境参数的数据融合装置。