Debido al complejo acoplamiento de los entornos de invernadero, se han encontrado una serie de desafíos en la investigación del control automático en invernaderos de Venlo. La mayoría de los algoritmos solo se preocupan por la precisión, sin embargo, el control de ahorro de energía es de gran importancia para mejorar los beneficios económicos. El aprendizaje por refuerzo, como un método de aprendizaje automático no supervisado con un marco similar al del control de retroalimentación, es una herramienta poderosa para la toma de decisiones autónoma en entornos complejos. Sin embargo, la pérdida de beneficios y el aumento del costo en tiempo en el proceso de exploración dificultan su aplicación en escenarios prácticos. Este trabajo propone un algoritmo de control de ahorro de energía para las ventanas de techo y el ventilador de cortina húmeda de los invernaderos de Venlo basado en Aprendizaje por Refuerzo con Máscara de Acción Suave (SAM), que establece una red SAM entrenable con reglas artificiales para lograr una iniciación de política subóptima, exploración segura y optimización eficiente. Los experimentos en un modelo simulado de invernadero de Venlo muestran que el enfoque, que es una solución factible que codifica el conocimiento humano para mejorar el proceso de aprendizaje por refuerzo, puede comenzar con un nivel seguro y subóptimo y lograr de manera efectiva y eficiente reducciones en el consumo de energía, proporcionando un ambiente adecuado para los cultivos y evitando la operación frecuente de la instalación durante el proceso de control.