基于云边协同与数字孪生的果园智能化生产管理系统
本发明涉及智慧农业,具体为基于云边协同与数字孪生的果园智能化生产管理系统。
背景技术:
1、传统技术中的果园生态系统具有长滞后与累积效应,许多胁迫以极其缓慢的渐变形式演进,如土壤次生盐渍化、根际持续缺氧、微量元素隐性缺乏及土传病害潜伏期等。此类胁迫初期不触发常规报警,传感器读数未见显著异常,但树体生理活动已发生偏移,典型表现为叶绿素荧光参数、茎流昼夜比率等弱关联特征的缓慢漂移。现有云边协同数字孪生系统中,无论边缘轻量模型还是云端精细模型,均依赖时序数据直接驱动,其反映果树内在响应机制的核心参数,如果树根系吸水效率、气孔导度响应系数等,在两次云端更新周期内被视作恒定值。由于缺乏对上述缓慢胁迫所引发参数渐变的有效感知与在线整定机制,边缘端孪生体持续以正常参数推演,致使虚拟状态与果园真实状态间产生随时间积分式扩大的静默偏差,形成孪生体慢性失真。云端模型因同步频率低、特征信息过度压缩,难以从宏观统计中剥离该微弱漂移信号,无法触发参数在线校正。这种慢性失真使孪生体在胁迫累积后期已无法忠实映射果园实况,基于其推演生成的水肥决策不仅失去精准性,甚至可能对已处隐性胁迫的果树继续执行常规灌溉施肥方案,加剧树势衰退,背离精准管理初衷。
2、因此,如何让果园数字孪生系统具备对长周期缓慢胁迫的渐进感知能力,并在边缘与云端协同下实现孪生模型核心参数的在线自校正,杜绝孪生体慢性失真,成为本领域亟待解决的技术问题。
技术实现思路
1、本发明目的在于提供基于云边协同与数字孪生的果园智能化生产管理系统,以解决上述背景技术中提出的问题。
2、为解决上述技术问题,本发明提供如下技术方案:基于云边协同与数字孪生的果园智能化生产管理系统,包括云平台和边缘计算节点,所述边缘计算节点与传感器网络和执行机构网络通信连接,所述边缘计算节点运行有果园孪生模型,用于根据传感器数据推演果树状态并生成控制指令以驱动执行机构;所述边缘计算节点还集成有:
3、多源胁迫感知模块,用于对多源异构数据进行趋势解耦,生成慢性胁迫指数;所述多源异构数据至少包含果树生理维度的数据和根际环境维度的数据;
4、参数整定模块,其输入端与所述多源胁迫感知模块的输出端连接,其输出端作用于所述果园孪生模型;所述参数整定模块用于依据所述慢性胁迫指数,对所述果园孪生模型内部的非量测性核心参数进行在线修正,得到经校正的果园孪生模型;
5、其中,多源胁迫感知模块、参数整定模块与果园孪生模型构成局部即时闭环,该闭环运行于边缘计算节点侧,使推演生成的果树虚拟状态与果园真实状态同步;
6、所述非量测性核心参数为反映果树内在生理响应机制的参数。
7、优选的,所述多源胁迫感知模块包括:
8、生理感知子模块,用于通过高频微变传感器获取表征果树个体生理微变化的生理特征数据,所述高频微变传感器是指采样间隔不大于1小时、用于捕捉果树个体生理指标微幅瞬态变化的传感器组合,所述生理特征数据至少包括茎流昼夜比率特征和冠层叶绿素荧光参数特征;
9、土壤感知子模块,用于通过长周期离子选择性电极阵列获取表征根际环境累积变化效应的根际特征数据,所述根际特征数据至少包括特定深度土层中的离子累积速率特征和溶解氧分压下降趋势特征。
10、优选的,所述多源胁迫感知模块还包括:
11、趋势解耦子模块,分别与所述生理感知子模块和所述土壤感知子模块连接,用于对所述生理特征数据和所述根际特征数据进行跨时间尺度的趋势解耦,从中解耦并分离出周期性波动信号,提取指示胁迫渐进发展的静默漂移特征,并基于所述静默漂移特征生成所述慢性胁迫指数;其中,静默漂移特征是指从去除了周期性波动后的残余趋势中识别出的、在数周至数月时间尺度上持续朝单一方向演进的缓慢变化分量;所述周期性波动信号由昼夜节律和天气事件引起。
12、优选的,所述趋势解耦子模块集成有轻量级长序列记忆网络,所述轻量级长序列记忆网络用于学习数周至数月跨度内所述生理特征数据和所述根际特征数据的深层次时空关联模式。
13、优选的,所述参数整定模块包括应力参数映射表;所述参数整定模块设置为:接收所述慢性胁迫指数及构成该指数的静默漂移特征,当识别出特定类别的静默漂移特征组合时,依据应力参数映射表直接在线修改果园孪生模型的非量测性核心参数;
14、所述非量测性核心参数包括根系吸水效率常数和气孔导度响应系数。
15、优选的,所述边缘计算节点在完成所述非量测性核心参数的在线修正后,生成参数漂移向量和胁迫事件特征包;所述边缘计算节点将参数漂移向量和胁迫事件特征包上传至所述云平台。
16、优选的,所述云平台依据接收到的参数漂移向量,对云端运行的精细作物模型的长周期参数演化规律进行更新,并基于更新后的演化规律优化宏观种植策略,再将优化后的宏观种植策略所对应的模型参数和决策阈值下发至所述边缘计算节点。
17、优选的,所述边缘计算节点基于经校正的果园孪生模型,生成控制指令,以驱动执行机构网络中的水肥一体化设备和环境调控设备;所述边缘计算节点先依据当前慢性胁迫指数修正所述非量测性核心参数,再基于修正后的参数生成控制指令。
18、优选的,所述果园孪生模型为机理模型与数据驱动模型融合的混合模型。
19、优选的,所述边缘计算节点为工业边缘计算网关或嵌入式人工智能计算设备。
20、本发明提供了基于云边协同与数字孪生的果园智能化生产管理系统。具备以下有益效果:
21、通过借助多源胁迫感知模块从果树生理维度和根际环境维度的长期监测数据中提取静默漂移特征,生成慢性胁迫指数,再由参数整定模块依据该指数对果园孪生模型内部的根系吸水效率常数、气孔导度响应系数等非量测性核心参数进行在线修正,形成运行于边缘计算节点本地的感知、整定、推演即时闭环;使得果园孪生模型的虚拟状态能够跟随果园真实胁迫态势同步更新,消除因缓慢胁迫未被及时察觉而导致的孪生模型慢性失真问题,使得系统对次生盐渍化、根际缺氧、微量元素隐性缺乏等缓慢胁迫具备持续跟踪能力和响应能力。
22、在边缘侧完成参数在线自校正的基础上,将参数漂移向量和胁迫事件特征包以结构化形式上传至云平台,云平台不再直接处理海量原始传感数据,而是依据这些提炼后的特征信息更新精细作物模型中的长周期参数演化规律,并据此优化宏观种植策略后下发至边缘节点。边缘侧基于经校正的果园孪生模型生成水肥一体化设备和环境调控设备的控制指令,由于这些指令是在核心参数已根据当前胁迫状态修正之后生成的,因此与果树实际的生理承受能力更为匹配,避免了在胁迫潜伏期内继续执行常规灌溉施肥方案而加重树势衰退的情况。对此,系统通过边缘侧与云平台在数据层面和策略层面的协同,实现了对缓慢胁迫的及时发现、边缘侧即时响应和云端中长期优化的完整闭环,兼顾了局部精准调控与全局资源统筹的双重要求。
1.基于云边协同与数字孪生的果园智能化生产管理系统,包括云平台和边缘计算节点,所述边缘计算节点与传感器网络和执行机构网络通信连接,所述边缘计算节点运行有果园孪生模型,用于根据传感器数据推演果树状态并生成控制指令以驱动执行机构;其特征在于,所述边缘计算节点还包括:
2.根据权利要求1所述的基于云边协同与数字孪生的果园智能化生产管理系统,其特征在于,所述多源胁迫感知模块包括:
3.根据权利要求2所述的基于云边协同与数字孪生的果园智能化生产管理系统,其特征在于,所述多源胁迫感知模块还包括:
4.根据权利要求3所述的基于云边协同与数字孪生的果园智能化生产管理系统,其特征在于,所述趋势解耦子模块包括轻量级长序列记忆网络,所述轻量级长序列记忆网络用于学习数周至数月跨度内所述生理特征数据和所述根际特征数据的深层次时空关联模式。
5.根据权利要求4所述的基于云边协同与数字孪生的果园智能化生产管理系统,其特征在于,所述参数整定模块包括应力参数映射表;所述参数整定模块设置为:接收所述慢性胁迫指数及构成该指数的静默漂移特征,当识别出特定类别的静默漂移特征组合时,依据应力参数映射表修改果园孪生模型的非量测性核心参数;
6.根据权利要求5所述的基于云边协同与数字孪生的果园智能化生产管理系统,其特征在于,所述边缘计算节点在完成所述非量测性核心参数的在线修正后,生成参数漂移向量和胁迫事件特征包;所述边缘计算节点将参数漂移向量和胁迫事件特征包上传至所述云平台。
7.根据权利要求6所述的基于云边协同与数字孪生的果园智能化生产管理系统,其特征在于,所述云平台依据接收到的参数漂移向量,对云端运行的精细作物模型的长周期参数演化规律进行更新,并基于更新后的演化规律优化宏观种植策略,将优化后的宏观种植策略所对应的模型参数和决策阈值下发至所述边缘计算节点。
8.根据权利要求7所述的基于云边协同与数字孪生的果园智能化生产管理系统,其特征在于,所述边缘计算节点基于经校正的果园孪生模型,生成控制指令,控制指令驱动执行机构网络中的水肥一体化设备和环境调控设备;所述边缘计算节点先依据当前慢性胁迫指数修正所述非量测性核心参数,再基于修正后的非量测性核心参数生成控制指令。
9.根据权利要求8所述的基于云边协同与数字孪生的果园智能化生产管理系统,其特征在于,所述果园孪生模型为机理模型与数据驱动模型融合的混合模型。
10.根据权利要求9所述的基于云边协同与数字孪生的果园智能化生产管理系统,其特征在于,所述边缘计算节点为工业边缘计算网关或嵌入式人工智能计算设备。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com