Умный «цифровой двойник» брокколи: разработка адаптивных моделей, методов и средств для моделирования роста растений синхронно с ходом их культивации.

КАРТОЧКА ПРОЕКТА ФУНДАМЕНТАЛЬНЫХ И ПОИСКОВЫХ НАУЧНЫХ ИССЛЕДОВАНИЙ,
ПОДДЕРЖАННОГО РОССИЙСКИМ НАУЧНЫМ ФОНДОМ

Информация подготовлена на основании данных из Информационно-аналитической системы РНФ, содержательная часть представлена в авторской редакции. Все права принадлежат авторам, использование или перепечатка материалов допустима только с предварительного согласия авторов.

ОБЩИЕ СВЕДЕНИЯ

Номер проекта 22-41-08003

НазваниеУмный «цифровой двойник» брокколи: разработка адаптивных моделей, методов и средств для моделирования роста растений синхронно с ходом их культивации.

Руководитель Скобелев Петр Олегович, Доктор технических наук

Организация финансирования, регион федеральное государственное бюджетное образовательное учреждение высшего образования "Самарский государственный технический университет" , Самарская обл

Конкурс №62 - Конкурс 2021 года «Проведение фундаментальных научных исследований и поисковых научных исследований международными научными коллективами» (MOST)

Область знания, основной код классификатора 01 - Математика, информатика и науки о системах; 01-512 - Информационные технологии интеллектуальной поддержки принятия решений

Ключевые слова кибер-физическая система, цифровой двойник, мультиагентная система, онтология, база знаний, принятие решений, адаптивное планирование, реальное время, точное земледелие

Код ГРНТИ28.23.29

ИНФОРМАЦИЯ ИЗ ЗАЯВКИ

Аннотация
Одна из современных тенденций в сельском хозяйстве на открытом грунте и в теплицах - это разработка киберфизических систем (КФС) для точного земледелия, которые объединяют в себе датчики, вычислительные и коммуникационные блоки, а также исполнителей для управления выращиванием растений. Важный следующий шаг в развитии точного земледелия связывается с проектированием умных цифровых двойников растений (УЦДР) на основе интеграции КФС с вычислительными моделями и моделирующими системами (симуляторами) стадий роста и развития растений, синхронизированных с состояниями реальных посевов растений. Основная цель УЦДР - повысить устойчивость сельского хозяйства в условиях глобальных изменений климата и обеспечить необходимое качество урожая и эффективность бизнеса. Одним из наиболее перспективных современных способов разработки УЦДР является использование моделей, методов и инструментов искусственного интеллекта (ИИ) для моделирования поведения растений, например, с применением машинного обучения (МО). Но проблема в том, что на практике исследователи и фермеры не имеют достаточного количества исторических данных для обучения систем МО, доступные данные обычно очень сырые и требуют предварительной обработки, а знания по предметной области распределены во многих различных источниках, фрагментированы и не полностью определены. Кроме того, при глобальных изменениях климата погода становится очень неопределенной и турбулентной, и это требует периодического переобучения систем МО для моделирования растений, потому что извлеченные ранее правила принятия решений устаревают и становятся непригодными для использования. Для создания УЦДР в настоящем проекте будут разработаны новые адаптивные модели, методы и средства ИИ для планирования и моделирования стадий роста растений и прогнозирования урожая с использованием онтологической базы знаний и мультиагентной технологии. Это поможет собрать, формализовать и интегрировать знания различных предметных областей о развитии растений в специализированную базу знаний (БЗ) и разработать мультиагентный симулятор (МАС) для адаптивного планирования, оптимизации и контроля этапов развития растений. В 2019-2020 годах этот подход был успешно нами разработан и применен в России для построения интерактивного симулятора пшеницы. В предлагаемом проекте мы продолжим исследования и разработаем онтологию для овощей, усовершенствуем мультиагентные модели, методы и инструменты для брокколи с будущим применением для широкого спектра овощей. Мы интегрируем БЗ и МАС с компьютерной умной системой диагностики (УСД) листьев, заболеваний и вредителей на основе метода машинного обучения, чтобы синхронизировать рост виртуального и реального растения. Брокколи (Brassica oleracea L. var italic) - овощная культура семейства крестоцветных, один из наиболее перспективных продуктов для здорового питания. Прохладный и влажный климат оптимален для роста брокколи, а яровизация происходит, когда растение находится в стадии вегетации. Рост брокколи можно разделить на пять стадий: стадия прорастания, стадия проростков, стадия розетки, стадия образования соцветий и стадия цветения и посева. Первые три стадии - это вегетативная стадия, а период от образования соцветий до сбора урожая - репродуктивная стадия. Изучая рост брокколи «№ 42» и используя данные об окружающей среде, зарегистрированные метеостанцией, мы проанализируем влияние температуры, влажности и солнечного излучения в период роста на стадии роста и урожайность брокколи, выращенной в поле Тайваня. Изучим влияние условий окружающей среды на размер урожая и дату сбора урожая. Эта информация позволяет разработать предварительную модель роста и установить общую платформу для создания УЦДР для широкого спектра овощей. В процессе роста брокколи поражается различными болезнями и вредителями. Несвоевременный контроль приведет к снижению урожайности или даже неурожаю. Чтобы эффективно бороться с болезнями и вредителями и помочь фермерам улучшить урожай брокколи, очень важно, и самое главное - точно идентифицировать болезни и насекомых-вредителей, которые обычно появляются на разных этапах и во многом зависят от ежедневных погодных условий. У брокколи большие листья, привлекающие червей и других насекомых, которые питаются ими. Некоторые из этих нашествий вредителей можно легко вылечить с помощью органических инсектицидов, но другие могут быстро уничтожить брокколи. Повысить эффективность производства продуктов питания, сократить трудозатраты, правильно вносить удобрения и сократить потребление пестицидов или связанные с ними производственные затраты, сейчас становится особенно важным из-за растущих вызовов в экономике, обусловленных пандемией Covid 2019. В этой связи целью данного исследования также является разработка УСД вредителей и болезней брокколи с использованием технологии МО (УСД/МО), которая может автоматически определять распространенных вредителей и болезни брокколи. В ходе проекта разработанные системы БЗ/МАС и УСД/МО будут впервые интегрированы в УЦДР на примере брокколи, чтобы синхронизировать рост реального и виртуального растения и сделать моделирование брокколи одновременно с его выращиванием более точными. В этом исследовании будет также построена формула индекса менеджеров по закупкам сельскохозяйственной продукции (APMI) для отрасли брокколи с оптимальной комбинацией переменных. Индекс показывает экономическое состояние отрасли брокколи. Период с более высоким индексом (лучший экономический статус) является подходящим периодом для инвестирования. APMI может быть надежным ориентиром для агробизнеса и правительства при принятии решений или оценке инвестиций в отрасль брокколи. Разработанный УЦДР может быть использован для определения текущего состояния растений, моделирования роста растений в различных условиях, прогнозирования нормального или аномального развития растений и выработки рекомендаций действий для агрономов и фермеров, а также привлечения дополнительных инвестиций в индустрии брокколи, которая считается здоровой пищей будущего. Разработанный прототип УЦДР может быть расширен различными сортами брокколи и других овощей и использован для создания промышленных УЦДР для открытых полей и умных теплиц. Разработанный прототип УЦДР в будущем может также применяться для управления выращиванием растений по индивидуальным запросам потребителей, оптимизации процессов растениеводства, разработки автономных контейнеров для космонавтов и арктических экспедиций, изучения биологии в школах и многих других приложениях.

ОТЧЁТНЫЕ МАТЕРИАЛЫ

Публикации

1. Галузин В.А., Галицкая А.В., Грачев С.П., Ларюхин В.Б., Новичков Д.Е., Скобелев П.О., Жиляев А.А. Autonomous Digital Twin of Enterprise: Method and Toolset for Knowledge-Based Multi-Agent Adaptive Management of Tasks and Resources in Real Time Mathematics, Mathematics, 2022, 10(10), 1662 (год публикации - 2022)
10.3390/math10101662

2. Скобелев П.О.,Табачинский А.С., Симонова Е.В., Горянин О.И. Development of crop-simulation multiagent system for smart digital twin of plant 2022 8th International Conference on Information Technology and Nanotechnology, ITNT 2022, 2022 8th International Conference on Information Technology and Nanotechnology, ITNT 2022, 2022 (год публикации - 2022)
10.1109/ITNT55410.2022.9848748

3. Скобелев П.О., Табачинский А.С., Симонова Е.В., Ермаков В.В., Горянин О.И., Стрижаков А.О. Further advances in models and methods for digital twins of plants 16th International Conference on INnovations in Intelligent SysTems and Applications, INISTA 2022, 16th International Conference on INnovations in Intelligent SysTems and Applications, INISTA 2022, 2022 (год публикации - 2022)
10.1109/INISTA55318.2022.9894246

Публикации

1. Горянин О.И., Скобелев П.О., Симонова Е.В., Табачинский А.С. Towards National-Size Digital Platform and Eco-System of Smart Services for Precise Farming Int. J. Agriculture Innovation, Technology and Globalisation, Int. J. Agriculture Innovation, Technology and Globalisation, 2023, vol. 1, 24 p. – DOI: 10.1504/IJAITG.2023.10055138 (год публикации - 2023)
10.1504/IJAITG.2023.10055138

2. Скобелев П.О., Симонова Е.В., Табачинский А.С, Кудряков Е.В., Стрижаков А.О., Горянин О.И., Ермаков В.В., Чан И.К, Санг И., Ли Т.Р. Concept and development of a multi-agent digital twin of plant focused on broccoli Proceedings of the 7th International Conference on Intelligent Systems, Metaheuristics & Swarm Intelligence (ISMSI 2023), Proceedings of the 7th International Conference on Intelligent Systems, Metaheuristics & Swarm Intelligence (ISMSI 2023), Kuala Lumpur, Malaysia, April 23-24, 2023. – ACM, 2023. – P. 132-138. – https://doi.org/10.1145/3596947.3596952 (год публикации - 2023)
10.1145/3596947.3596952

3. Скобелев П.О., Табачинский А.С., Симонова Е.В., Горянин О.И., Журавель Ю.Н., Мятов Г.Н., Ермаков В.В. Development of a digital twin of plant based on the principles of emergent intelligence Proceedings of the 2023 IX International Conference on Information Technology and Nanotechnology (ITNT), Proceedings of the 2023 IX International Conference on Information Technology and Nanotechnology (ITNT), Samara, Russia, April 17-21, 2023. – IEEE, 2023. – P. 1-8. – DOI: https://doi.org/10.1109/ITNT57377.2023.10139177. (год публикации - 2023)
10.1109/ITNT57377.2023.10139177

4. Скобелев П.О. Emergent intelligence of Digital Twins: from Concept to Applications Lecture Notes in Networks and Systems, Lecture Notes in Networks and Systems, 2023, vol. 776, Springer, Cham. – P. 375–384. DOI: 10.1007/978-3-031-43789-2_35. ISBN 978-3-031- 43788-5 (год публикации - 2023)

5. Скобелев П.О., Табачинский А.С., Симонова Е.В., Стрижаков А., Ермаков В.В., Горянин О.И., Журавель Ю.Н. Developing digital twin of plant based on emergent intelligence concept, ontology and multi-agent technology SPRINGER (год публикации - 2023)

6. Скобелев П.О., Табачинский А.С., Симонова Е.В., Горянин О.И., Журавель Ю.Н., Мятов Г.Н., Ермаков В.В. Разработка цифрового двойника посевов растений на основе принципов эмерджентного интеллекта Самара: Изд-во Самарского университета, 2023, Труды IX международной конференции «Информационные технологии и нанотехнологии (ИТНТ)», Самара, Россия, 17-21 апреля, 2023. – Самара: Изд-во Самарского университета, 2023. – С. 40462. https://www.elibrary.ru/item.asp?id=54700272 (год публикации - 2023)

Аннотация результатов, полученных в 2024 году
В ходе исследования в 2024 году была предложена новая модель роста и развития растений, как сложной адаптивной системы, за счет включения в цифрового двойника растений программного агента целостности, отвечающего за основные параметры роста и развития растений. Этот агент призван оказывать влияние на входные параметры агентов каждой стадии, что позволяет сделать процесс моделирования роста и развития растений многоитерационным не только «по горизонтали» (между агентами стадий), но и «по вертикали» (меду агентом растения как целого, так и агентами его частей). Проведено обобщение данного подхода для построения гомеостатической модели растений нового класса коллективного «эмерджентного интеллекта», характерного для самоорганизующихся систем, построенных на перетоке энергии. Эта модель может быть универсализирована для широкого класса более сложных систем, где есть поддержка внутреннего гомеостаза системы, включая другие живые системы (например, организм человека) или сложные автономные робото-технические системы (спутники, дроны, подводные аппараты) с бортовым интеллектом для исследований дальнего космоса или в условиях сложной или агрессивной для человека среды. Разработанная ранее мультиагентная модель УЦДР брокколи была расширена для адаптивного изменения числа моделируемых параметров брокколи в базе знаний УЦДР. В частности, для исследуемой культуры по согласованию с агрономами русской и тайваньской команд определены следующие параметры, имеющие высокую важность для агронома для комплексной оценки состояния посевов: длительность каждой стадии роста и развития, длина стебля, количество листьев, площадь листьев, диаметр розетки, диаметр головы, масса одной головы, количество соцветий после среза основной головы (для сортов с боковыми побегами), итоговая биологическая урожайность. Проведена экспериментальная проверка разработанного прототипа УЦДР брокколи для всех исследуемых посевов (4 сорта, две локации, два варианта подкормок согласно методике эксперимента). В ходе эксперимента согласно разработанной ранее методике реальные посевы капусты брокколи выращивались одновременно с созданием их цифровых двойников в УЦДР брокколи, и выполнялась поэтапная синхронизация УЦДР в процессе наблюдения за реальными посевами. 1. Среднее отклонение расчёта длительности стадий в УЦДР от фактических до синхронизации посевов (при предварительном расчёте в момент сева капусты) до проведения синхронизации посевов составляет 15,9%, что объясняется неравномерностью развития сортов различных групп скороспелости брокколи по стадиям. При этом отклонение расчёта длительности в посевах, располагаемых в теплице, составляет 17,4%, а для посевов на открытом грунте 12,9%, что может быть связано с неучтёнными технологическими факторами выращивания в закрытом грунте, например, с увеличением концентрации углекислого газа и др. 2. Среднее отклонение расчёта УЦДР длительности срока вегетации в процессе постадийных синхронизаций последовательно уменьшается до 9,2% на этапе синхронизации стадии развития листьев; до 7,97% на этапе синхронизации при пересадке в открытый грунт; до 7,8% на этапе синхронизации стадии формирования головы. 3. Среднее отклонение прогноза урожайности от фактически собранного урожая при предварительном расчёте на момент сева капусты составляет 17,9%. 4. Среднее отклонение прогноза урожайности УЦДР в процессе постадийных синхронизаций последовательно уменьшается до 9,7% на этапе синхронизации стадии развития листьев; до 6,2% на этапе синхронизации при пересадке в открытый грунт; до 2,7% на этапе синхронизации стадии формирования головы. 5. Среднее отклонение прогноза УЦДР морфометрических параметров брокколи (длина стебля, количество листьев, площадь листьев) до синхронизаций составляет 26,4% и в процессе постадийных синхронизаций последовательно уменьшается до 21,5% на этапе синхронизации стадии развития листьев; до 9,6% на этапе синхронизации при пересадке в открытый грунт; до 5% на этапе синхронизации стадии формирования головы. 6. Среднее отклонение прогноза УЦДР количественных параметров урожая брокколи (диаметр розетки, диаметр головы, масса одной головы) составляет до синхронизаций составляет 39,8% и в процессе постадийных синхронизаций уменьшается до 7,7% на этапе синхронизации на начало стадии формирования головы.

Публикации

1. Скобелев П.О., Табачинский А.С., Стрижаков А.О., Кудряков Е.В., Симонова Е.В. Experimental studies of the digital twin of plant based on ontologies and multi-agent technologies WSEAS Transactions on Environment and Development Volume 20, 2024, WSEAS Transactions on Environment and Development, ISSN / E-ISSN: 1790-5079 / 2224-3496, Volume 20, 2024, Art. #60 Pages: 624-632 (год публикации - 2024)
10.37394/232015.2024.20.60

2. Скобелев П.О., Табачинский А.С., Симонова Е.В., Стрижаков А.О., Ермаков В.В., Горянин О.И., Журавель Ю.Н. Developing digital twin of plant based on emergent intelligence concept, ontology and multi-agent technology Springer: Studies in Computational Intelligence, Berlin, Studies in Computational Intelligence, 2024, 1136SCI, страницы 430-441 (год публикации - 2024)

3. Скобелев П.О., Табачинский А.С., Симонова Е.В., Стрижаков А.О., Кудряков Е.В., Тзонг-Ру Ли, Юнг-Куан Чан Multiparametric variety models in digital twin of plant for winter wheat IEEE, IEEE Xplore, ITNT 2024 (год публикации - 2024)
10.1109/ITNT60778.2024.10582352

4. Галицкая А.В., Галузин В.А., Гуськов Р.Д., Ларюхин В.Б., Мятов Г.Н., Новичков Д.Е., Скобелев П.О. Emergent Intelligence Platform for Developing Autonomous Resource Management Systems IEEE, IEEE / DOI 10.1109/COMCONF63340.2024.000242024 / International Conference on Computing in Natural Sciences, Biomedicine and Engineering (COMCONF) (год публикации - 2024)
10.1109/COMCONF63340.2024.00024

5. Cкобелев П.О., Табачинский А.С., Симонова Е.В., Новичков Д.Е. Model-Based Cyber-Physical Multi-Agent Systems for Autonomous Resource Management with Event Life-Cycle Time Metrics Springer Singapore, Intelligent Sustainable Systems Selected Papers of WorldS4 2024, Volume 3 (год публикации - 2024)

Возможность практического использования результатов
В ходе выполнения проекта была предложена новая модель роста и развития растений, как сложной адаптивной системы, за счет включения в цифрового двойника растений программного агента целостности, отвечающего за основные параметры роста и развития. Этот агент призван оказывать влияние на входные параметры агентов каждой стадии, что позволяет сделать процесс моделирования роста и развития растений многоитерационным не только «по горизонтали» (между агентами стадий), но и «по вертикали» (меду агентом растения как целого, так и агентами его частей). Проведено обобщение данного подхода для построения гомеостатической модели растений нового класса коллективного «эмерджентного интеллекта», характерного для самоорганизующихся систем, построенных на перетоке энергии. Эта модель может быть универсализирована для широкого класса более сложных систем, где есть поддержка внутреннего гомеостаза системы, включая другие живые системы (например, организм человека) или сложные автономные робото-технические системы (спутники, дроны, подводные аппараты) с бортовым интеллектом для исследований дальнего космоса или в условиях сложной или агрессивной для человека среды. Данные положения и предложения по применению результатов исследований опубликованы в отчётных работах по настоящему проекту.