Технология цифровых двойников в сельском хозяйстве: перспективы применения

Технология цифровых двойников (ЦД) пока недостаточно распространена в сельском хозяйстве. Внедрение адекватной модели цифрового двойника позволит сократить издержки при разработке, внедрении и обслуживании сельскохозяйственной техники. Основной проблемой при разработке цифровых двойников в сельском хозяйстве является высокая потребность проекта в ресурсах: от этапа создания лабораторного прототипа до пилотных и полевых испытаний прототипов сельскохозяйственных объектов. С целью сокращения затрат ресурсов при производстве образцов от идеи до серии и при дальнейшем их использовании в течение всего срока службы авторами предложена технология виртуального полигона с созданием цифровых образцов сельскохозяйственных машин (оборудования/деталей) для проведения виртуальных испытаний. Цифровые двойники в сельском хозяйстве разрабатываются с учетом обмена информации между цифровым двойником и физическим объектом. Таким образом, обеспечивается адекватность цифрового двойника в режиме реального времени изменения параметров цифрового двойника и достигается максимальное соответствие физического объекта цифровой копии. Применяя сформированные большие данные и искусственный интеллект, можно разрабатывать системы, которые в зависимости от изменения параметров физического и цифрового объекта автоматически изменяют параметры функционирования узлов/деталей/машин, что позволяет добиться наибольшей их эффективности. На примере животноводческой фермы и роботизированного доения рассмотрены возможные способы применения технологии ЦД. Предложен способ внедрения метода взаимодействия цифрового двойника с физическим объектом в лабораторные и натурные испытания. Разработанная технология цифровых двойников позволяет оставлять цифровую тень, иметь двухстороннюю связь между ЦД и испытываемым физическим объектом. Представленная концепция виртуального полигона дает возможность проводить виртуальные испытания сельскохозяйственных машин, изделий, технологий и систем.

1. Deraniyagala S. The impact of technology accumulation on technical efficiency: an analysis of the Sri Lankan clothing and agricultural machinery industries. Oxford Development Studies. 2001;29(1):101-114. https://doi.org/10.1080/13600810125542

2. Reddy P.K., Ankaiah R. A framework of information technology-based agriculture information dissemination system to improve crop productivity. Current Science. 2005;88(12):1905-1913. http://www.jstor.org/stable/24110616.

3. Yu F., Zhang Jf., Zhao Y., Zhao Jc., Tan C., Luan Rp. The research and application of virtual reality (VR) technology in agriculture science. Computer and Computing Technologies in Agriculture III. 2010;317. https://doi.org/10.1007/978-3-642-12220-0_79

4. Iqbal M., Ahmad M. Science & technology based agriculture vision of Pakistan and prospects of growth. MPRA. 2005. Р. 57441. https://mpra.ub.uni-muenchen.de/id/eprint/57441.

5. Parihar S.S., Mishra B., Rai D.P. Sustainable models of information technology for agriculture and rural development. Indian Research Journal of Extension Education. 2010;10(1):20-23.

6. Tso T.C. Agriculture of the future. Nature. 2004;428(6979):215-217. https://doi.org/10.1038/428215a

7. Chen H., Yada R. Nanotechnologies in agriculture: new tools for sustainable development. Trends in Food Science & Technology. 2011;22(11):585-594. https://doi.org/10.1016/j.tifs.2011.09.004

8. LuvisiA. Electronic identification technology for agriculture, plant and food. A review. Agronomy for sustainable development. 2016;36(1):1-14. https://doi.org/10.1007/s13593-016-0352-3

9. Sarcheshmeh E.E., Bijani M., Sadighi H. Adoption behavior towards the use of nuclear technology in agriculture: A causal analysis. Technology in Society. 2018;55:175-182. https://doi.org/10.1016/j.techsoc.2018.08.001

10. Bermeo-Almeida O., Cardenas-Rodriguez M., Samaniego-Cobo T., Ferruzola-Gómez E., Cabezas-Cabezas R., Bazán-Vera W. Blockchain in agriculture: A systematic literature review. International Conference on Technologies and Innovation. Springer, Cham. 2018;44-56. https://doi.org/10.1007/978-3-030-00940-3_4

11. Pandey N. Role of information and communication technology in agriculture development: a study of Nabarangpur district. Scholedge International Journal of Business Policy & Governance. 2017;4(4):2394-3351. http://dx.doi.org/ 10.19085/journal.sijbpg040401

12. Monteiro J., Barata J., Veloso M., Veloso L., NunesJ. Towards sustainable digital twins for vertical farming. Thirteenth International Conference on Digital Information Management (ICDIM). 2018;234-239. https://doi.org/10.1109/ICDIM.2018.8847169

13. Verdouw C.N., Kruize J.W. Digital twins in farm management: illustrations from the FIWARE accelerators SmartAgriFood and Fractals. Paper presented at PA17 – The International Tri-Conference for Precision Agriculture in 2017, Hamilton, New Zealand. https://doi.org/10.5281/zenodo.893661

14. Verdouw C., Kruize J.W. Digital twins in farm management: illustrations from the FIWARE accelerators SmartAgriFood and Fractals. PA17. The International Tri-Conference for Precision Agriculture in 2017. Hamilton, New Zealand. https://doi.org/10.5281/zenodo.893661

15. Yun S., Park J.H., Kim W.T. Data-centric middleware based digital twin platform for dependable cyber-physical systems. Ninth International Conference on Ubiquitous and Future Networks (ICUFN). IEEE. 2017;922-926. https://doi.org/ 10.1109/ICUFN.2017.7993933

16. Никитин Е.А., Павкин Д.Ю., Шилин Д.В. Система управления роботизированным устройством для обслуживания кормового стола // Агроинженерия. 2021. № 4(104). С. 4-8. https://doi.org/10.26897/2687-1149-2021-4-4-8

17. Звягина Е.М. Исследование возможности внедрения VR/AR-технологий в аграрно-промышленном комплексе // Известия Международной академии аграрного образования. 2020. № 48. С. 57-61. EDN: NGZJBT.

18. Neethirajan S. The role of sensors, big data and machine learning in modern animal farming. Sensing and Bio-Sensing Research. 2020;29:100367. https://doi.org/10.1016/j.sbsr.2020.100367

19. Huuskonen J., Oksanen T. Soil sampling with drones and augmented reality in precision agriculture. Computers and electronics in agriculture. 2018;154:25-35. https://doi.org/ 10.1016/j.compag.2018.08.039

20. Klerkx L., Jakku E., Labarthe P. A review of social science on digital agriculture, smart farming and agriculture 4.0: New contributions and a future research agenda. NJAS-Wageningen Journal of Life Sciences. 2019;90-91:100315. https://doi.org/ 10.1016/j.njas.2019.100315

21. Chaux J.D., Sanchez-Londono D., Barbieri G. A digital twin architecture to optimize productivity within controlled environment agriculture. Applied Sciences. 2021;11(19):8875. https://doi.org/10.3390/app11198875

22. González J.P., Sanchez-Londoño D., Barbieri G. A monitoring digital twin for services of controlled environment agriculture. IFAC-PapersOnLine. 2022;55(19):85-90. https://doi.org/ 10.1016/j.ifacol.2022.09.188

23. RogachevA.F., Skiter N.N., Ketko N.V., SimonovA.B., Makarevich I.V. Digital twins as a tool for systemic integration of innovative digital technologies in agriculture. IOP Conference Series: Earth and Environmental Science. 2022;1069(1):012042. https://doi.org/10.1088/1755-1315/1069/1/012042

24. Torky M., HassaneinA.E. Integrating blockchain and the internet of things in precision agriculture: Analysis, opportunities and challenges. Computers and Electronics in Agriculture. 2020;178:105476. https://doi.org/10.1016/j.compag.2020.105476

25. Xiong H., Dalhaus T., Wang P., Huang J. Blockchain Technology for Agriculture: Applications and Rationale. Front. Blockchain. 2020;3:7. https://doi.org/10.3389/fbloc.2020.00007

26. Lin W., Huang X., Fang H., Wang V., Hua Y., Wang J., Yin H., Yi D., Yau L. Blockchain technology in current agricultural systems: From Techniques to Applications. IEEE Access. 2020;8:143920-143937. https://doi.org/10.1109/ ACCESS.2020.3014522

27. ChenY., LiY., LiC. Electronic agriculture, blockchain and digital agricultural democratization: Origin, theory and application. Journal of Cleaner Production. 2020;268(3):122071. https://doi.org/10.1016/j.jclepro.2020.122071

28. Demestichas K., Peppes N., Alexakis T., Adamopoulou E. Blockchain in agriculture traceability systems: a review. Applied Sciences. 2020;10:4113. https://doi.org/10.3390/app10124113

29. Risco-Martín J.L., Mittal S. Model management and execution in DEVS unified process. Model Engineering for Simulation. 2019;291-313. https://doi.org/10.1016/B978-0-12-813543-3.00014-7

30. Beshears R., BoumaA. Engaging supportability analysis through model-based design. 2020 Annual Reliability and Maintainability Symposium (RAMS). IEEE; 2020:1-5. https://doi.org/10.1109/RAMS48030.2020.9153646

31. Bajzek M., Fritz J., Hick H., Maletz M., Faustmann C., Stieglbauer G. Model based systems engineering concepts. Systems Engineering for Automotive Powertrain Development (Powertrain). Springer, 2020. https://doi.org/10.1007/978-3-319-68847-3_8-1

32. Pavkin D.Yu., DorokhovA.S., Vladimirov F.E., Dovlatov I.M., Lyalin K.S. Algorithms for detecting cattle diseases at early stages and for making diagnoses and related recommendations. Applied Sciences (Switzerland). 2021;11 (23):11148. https://doi.org/10.3390/app112311148

33. DorokhovA.S., Ivanov Y.A., Kirsanov V.V., Pavkin D.Y., Vladimirov F.E. Diagnosing sub-acute rumen acidosis in cows in the post-calving period with digital technologies. Arquivo Brasileiro de Medicina Veterinaria e Zootecnia. 2021;73(2):271-276. https://doi.org/10.1590/1678-4162-12170

34. Павкин Д.Ю., Юрочка С.С., Шилин Д.В., Рузин С.С. Бесконтактная оценка упитанности молочных коров с использованием TOF-технологии // Агроинженерия. 2021. № 2 (102). С. 39-44. https://doi.org/10.26897/2687-1149-2021-2-39-44

35. Юрочка С.С., Хакимов А.Р., Довлатов И.М., Владимиров Ф.Е., Павкин Д.Ю., Матвеев В.Ю. Применение метода определения биометрических параметров вымени лактирующих животных с использованием сверточной нейронной сети // Вестник НГИЭИ. 2022. № 9 (136). С. 30-40. EDN: XLPHLO.