Method Article

지능형 농업 CPS 관리에서 네트워크-물리 모델링을 위한 크로스레이어 신뢰성 분석 및 엣지 적응형 다목적 최적화 전략

DOI:

10.3791/69826

⸱

January 20th, 2026

 , 
1School of Economics and Management, Huzhou College, 2School of Intelligent Manufacturing, Huzhou College

In This Article

Summary

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

이 프로토콜은 지능형 온실 관리를 위한 다층 사이버-물리 모델링 및 최적화 전략을 제시하여 신뢰성과 생태학적 성과를 재현 가능하게 합니다.

Abstract

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

증가하는 식량 수요와 기후 스트레스는 스마트 농업 도입을 촉진하지만, 기존의 사이버-물리 시스템(CPS)은 신뢰할 수 있는 크로스 레이어 통합과 실시간 유연성이 부족해 역동적인 환경에서 성능을 제한하고 있습니다. 이 프로토콜은 지능형 온실 농업을 위한 크로스레이어 사이버-물리 모델링 및 최적화 전략을 제공하는 것을 목표로 합니다. 이는 농업용 사이버-물리 시스템의 신뢰성과 적응성을 향상시키는 잠재적 적용 가능성을 입증합니다. 이 접근법은 물리적 층과 토양-식물-대기 연속체 모델과 앙상블 칼만 필터(EnKF) 보정을 통합하여 정확한 토양 수분 예측을 수행합니다. 통신 신뢰성을 평가하기 위해 다중 프로토콜 융합과 확률적 페트리 넷 모델링을 사용하는 네트워크 계층을 포함합니다. 제어 계층은 확률적 하이브리드 시스템을 기반으로 하여 공동 의사결정을 조정합니다. 신뢰성은 기능-시간-생태 지표 프레임워크를 통해 추가로 평가되며, 최적화는 다중 목적 강화 학습과 안전 제약 조건, 베이지안 메타 학습을 결합하여 작물 전환 시 신속한 적응을 가능하게 합니다. 엣지 인텔리전트 배포는 통신 중단 시 강력한 제어를 보장합니다. 중국 쇼광에서 온실 토마토 재배 결과는 어려운 조건에서 수확량 예측, 물 사용 효율, 지연 조절에서 재현 가능하고 안정적인 성능을 보여주었습니다. 이 방법론은 적응적이고 신뢰할 수 있는 농업 사이버-물리 시스템을 구현하기 위한 실용적이고 복제 가능한 워크플로우를 제공합니다.

Introduction

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

세계 인구는 빠르게 증가하고 있으며, 자원의 가용성은 감소하고 있어 농업 개발 방식을 변화시키고 있습니다. 노동과 자재가 많이 투입되고 자연 환경에 강한 의존도를 가진 전통적인 농업 모델은 효율성과 지속 가능성을 제공할 수 없습니다. 이 경우 스마트 농업이 변혁적 접근법이 되었습니다. 이는 사물인터넷, 빅데이터 분석, 인공지능, 공간 정보 시스템의 결합을 통해 완전한 현장 인식을 달성하고, 정확한 의사결정을 내리며, 현장을 지능적으로 제어할 수 있게 하여 자원 사용 효율성을 높이고 지속 가능한 농업 생산에 기여합니다 1,2.

스마트 농업 시장은 전 세계적으로 기하급수적으로 성장하고 있으며, 미국은 정밀 농업 기술에서, 이스라엘은 물 절약 관개 기술에서, 일본은 스마트 온실 시스템 분야에서 성장하고 있습니다. 중국에서는 국가 농업 및 농촌 정보화 개발 14차 5개년 계획이 농업의 디지털 전환을 이끌었으며, 이는 디지털 육종, 지능형 기계, 규모 기반 스마트 농업 프로젝트 등 4....

Access restricted. Please log in or start a trial to view this content.

Protocol

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

이 프로토콜에는 인간이나 척추동물을 대상으로 한 실험이 포함되지 않는다는 점이 언급됩니다. 향후 인간 참여나 생물학적 샘플이 포함된 연구가 있을 경우, 해당 기관 심사 위원회의 승인을 받아야 하며, 승인 번호는 실행 전에 기록되어야 합니다.

1. 현장 및 하드웨어 준비

참고: 이 단계는 표준화된 센서 네트워크를 구축하여 이후 물리적 모델링 및 제어에 사용할 환경에 대한 정확하고 동기화된 정보를 제공합니다.

  1. 모니터링 소프트웨어에 GPS 좌표를 입력하여 온실의 위치를 확인하세요. 제공된 작물 라이브러리에서 작물 종을 선택하고 환경 목표(기온: 20-28 °C, 상대 습도: 50%-70%)를 설정하세요.
  2. 온실 크기, 환기 시스템, 그늘 구성을 기록하세요.
  3. 모든 장치를 네트워크 시간 프로토콜(NTP)13을 사용하여 통합 클럭에 동기화합니다.
  4. 제조사 규격에 따라 토양 수분, 온도, 습도, 빛,CO2 센서를 설치하세요.
    1. 무선 토양 수분 및 온도 센서 60개(정확....

Access restricted. Please log in or start a trial to view this content.

Results

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

SHAP 요약 그래프(그림 3)에 따르면, 토양 수분과 SNR이 관개 결정에 가장 큰 긍정적 영향을 미친다(SHAP). 높은 지연은 정책을 보수적인 후퇴 옵션으로 유도하며, 신뢰성 인식 제어 아키텍처와의 일치를 보여줍니다. 표 4는 계산 모듈의 운영 명령어와 구성 세부사항을 보여줍니다

실험 장치

제안된 농업 CPS 네트워크 물리 모델링 구조와 신뢰성 최적화 정책의 효율성을 확인하기 위해 쇼광에서 온실 토마토 실험이 수행되었습니다. 이 설계는 통제된 시험을 포함한 극한 환경 시뮬레이션을 포함하여, 전통적 및 주류 지능형 제어 접근법과의 비교를 가능하게 했습니다. 신뢰성, 안전성, 계산 효율성 관점을 바탕으로 평가되었으며, 코어 모듈의 메커니즘을 밝히기 위한 소.......

Access restricted. Please log in or start a trial to view this content.

Discussion

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

실험적 증거는 제안된 CPS 프레임워크와 최적화 전략이 신뢰성, 안전성, 계산 효율성의 세 가지 차원에서 우수함을 보여줍니다. 크로스 레이어 결합 모델링은 물리적 표현과 네트워크 표현 간의 역사적 분리를 성공적으로 극복합니다. SPAC과 SPN을 통합된 SHS 프레임워크 내에 내장함으로써, 시스템은 극한 고온에서 수율 예측 오차를 32.7% 줄이고 지연을 45% 단축시켰습니다. 안전 제약으로 인해 생태학적 성능이 저해되지 않았으며, WUE는 19% 개선된 반면 근대 EC 초과는 2.1%에 머물렀습니다. 베이지안 메타러닝과 엣지 인텔리전스 다운그레이딩의 도입은 새로운 작물 품종에 대한 신속한 적응과 통신 중단 시 안정적인 운영을 가능하게 하여, 역동적인 농업 환경에 대한 실용적인 견고성을 입증했습니다23.

결정적인 프로토콜 단계는 시스템의 성공을 정의하는 데 매우 중요합니다. 구.......

Access restricted. Please log in or start a trial to view this content.

Disclosures

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

저자들은 공개할 것이 없습니다.

Acknowledgements

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

이 연구는 후저우 대학 과학 연구 프로젝트(보조금 번호 2024HXKM15)와 후저우 대학 인재 연구 스타트업 프로젝트(보조금 번호)의 지원을 받았습니다. RK65010). 저자들은 쇼광 국가현대농업산업단지가 실험 시설과 기술 지원을 제공해 준 것에 감사를 표합니다. 또한 후저우 칼리지와 저장농림대학교 동료들의 귀중한 통찰에 감사드립니다.

....

Access restricted. Please log in or start a trial to view this content.

Materials

List of materials used in this article
NameCompanyCatalog NumberComments
다중분광 카메라미카센스레드엣지-MXCAI 추정을 위한 캐노피 반사율 포착
엔비디아 젯슨 나노엔비디아945-13450-0000-100로컬 AI 추론을 위한 엣지 장치
토양 수분 센서데카곤 디바이스EC-5토양 내 수분 함량 측정
기상 관측소캠벨 사이언티픽CR300기록된 온도, 습도, 강수량

References

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. A novel framework for smart agriculture using internet of things and enabling technologies. Haq, Z. A., Jaffery, Z. A., Mehfuz, S. 2022 Int Conf Advancement Tech (ICONAT), , 1-6 (2022).
  2. Quy, V. K., et al. Iot-enabled smart agriculture: Architecture, applications, and challenges. Appl Sci. 12 (7), 3396(2022).
  3. Oecd-fao agricultural outlook 2024-2033. , FAO.

Access restricted. Please log in or start a trial to view this content.

Reprints and Permissions

Request permission to reuse the text or figures of this JoVE article

Request Permission

Tags

Cyber Physical SystemsIntelligent AgricultureCross Layer ModelingMulti Objective OptimizationSoil Moisture PredictionEnsemble Kalman FilterStochastic Petri NetReinforcement LearningEdge Intelligent ControlGreenhouse Management

Related Articles