Akıllı tarımda ağ-fiziksel modelleme için katmanlar arası güvenilirlik analizi ve kenara uyarlanabilir çok amaçlı optimizasyon stratejileri CPS yönetimi

Summary

Bu protokol, akıllı sera yönetimi için katmanlar arası siber-fiziksel modelleme ve optimizasyon stratejisi sunarak güvenilirlik ve ekolojik performansın tekrarlanabilir değerlendirilmesini mümkün kılar.

Abstract

Artan gıda talebi ve iklim stresleri akıllı tarım uygulamasını tetikliyor, ancak mevcut Siber-Fiziksel Sistemler (CPS) güvenilir katmanlar arası entegrasyon ve gerçek zamanlı esneklikten yoksun, bu da dinamik ortamlarda performansı sınırlıyor. Bu protokol, akıllı sera tarımı için katmanlar arası bir siber-fiziksel modelleme ve optimizasyon stratejisi sağlamayı amaçlamaktadır. Tarımsal Siber-Fiziksel Sistemlerin güvenilirliğini ve uyum sağlayabiliciliğini artırmak için potansiyel uygulanabilirlik göstermektedir. Bu yaklaşım, toprak-bitki-atmosfer sürekliliği modeli ve doğru toprak nem tahmini için Ensemble Kalman Filtresi (EnKF) kalibrasyonu ile fiziksel bir katmanı entegre eder. İletişim güvenilirliğini değerlendirmek için Stokastik Petri Net modellemesi ile çoklu protokol füzyonu kullanan bir ağ katmanı içerir. Bir kontrol katmanı, ortak karar alma süreçlerini koordine etmek için stokastik hibrit sistem üzerine inşa edilir. Güvenilirlik, fonksiyonel-zamansal-ekolojik gösterge çerçevesi aracılığıyla daha fazla değerlendirilirken, optimizasyon çok amaçlı pekiştirme öğrenmesini güvenlik kısıtlamaları ve Bayes meta-öğrenmeyle birleştirerek ürün değişimi sırasında hızlı uyum sağlamayı sağlar. Kenar akıllı dağıtım, iletişim kesintileri sırasında sağlam kontrol sağlar. Çin'in Shouguang kentinde sera domates yetiştiriciliğinden elde edilen sonuçlar, zorlu koşullarda verim tahmini, su kullanım verimliliği ve kontrol gecikmesi konusunda tekrarlanabilir ve istikrarlı performans göstermektedir. Bu metodoloji, uyarlanabilir ve güvenilir tarımsal Siber-Fiziksel Sistemlerin uygulanması için pratik ve tekrarlanabilir bir iş akışı sağlar.

Introduction

Dünya nüfusu hızla artıyor ve kaynak erişimi azalıyor; bu da tarımın gelişim biçimini değiştiriyor. İş gücü ve malzeme girdisinin yüksek olduğu, doğal koşullara güçlü olan geleneksel tarım modelleri verimlilik ve sürdürülebilirlik sunamaz. Bu durumda akıllı tarım, dönüştürücü yaklaşım haline geldi. Nesnelerin İnterneti, büyük veri analitiği ve yapay zeka ve mekansal bilgi sistemlerinin birleşimi sayesinde tam bir alan algısı elde etmeye, doğru kararlar alınmasına ve alanı akıllıca kontrol etmenize olanak tanır; bu da kaynak kullanımının verimliliğini artırır ve sürdürülebilir tarımsal^{üretime katkıda bulunur}

Protocol

Bu protokolde insan veya omurgalı hayvanlar üzerinde yapılan herhangi bir deneyin yer almadığı belirtilmektedir. Gelecekte insan katılımı veya biyolojik örnekler içeren herhangi bir çalışma durumunda, bu durum ilgili kurumsal inceleme kurulu tarafından onaylanmalı ve uygulama öncesi onay numarası kaydedilmelidir.

1. Saha ve donanım hazırlığı

NOT: Bu adım, sonraki fiziksel modelleme ve kontrol için kullanılacak çevresel bilgiler sağlayan standartlaştırılmış bir sensör ağı oluşturur.

1. Seranın konumunu GPS koordinatlarını izleme yazılımına girerek belirle....

Results

SHAP özet grafikine göre, toprak nemi ve SNR, sulama kararları üzerinde en büyük olumlu SHapley Katkı Açıklamaları (SHAP) etkisine sahiptir (Şekil 3). Yüksek gecikme, politikayı muhafazakar yedek seçeneklere yönlendirir ve güvenilirlik farkında kontrol mimarisiyle uyumluluk gösterir. Tablo 4 , hesaplama modülleri için operasyonel talimatları ve yapılandırma detaylarını gösterir

Deneysel kurulum

Discussion

Deneysel kanıtlar, önerilen CPS çerçevesi ve optimizasyon stratejilerinin güvenilirlik, güvenlik ve hesaplama verimliliği gibi üç boyutta üstün olduğunu göstermektedir. Katmanlar arası bağlama modellemesi, fiziksel ve ağ temsilleri arasındaki tarihsel ayrımı başarıyla aşmaktadır. SPAC ve SPN'yi birleşik bir SHS çerçevesine gömmeklere, sistem aşırı yüksek sıcaklıklarda verim tahmin hatasını %32,7 azaltmış ve gecikmeleri %45 kısaltmıştır. Güvenlik kısıtlamaları ekolojik performansın zarar .......

Materials

List of materials used in this article

Name	Company	Catalog Number	Comments
Çoklu Spektral Kamera	MicaSense	RedEdge-MX	LAI tahmini için kanopi yansıtmasını yakalar
NVIDIA Jetson Nano	NVIDIA	945-13450-0000-100	Yerel yapay zeka çıkarımı için kenar cihazı
Toprak Nem Sensörü	Decagon Cihazları	EC-5	Topraktaki hacimsel su içeriğini ölçür
Hava Durumu İstasyonu	Campbell Scientific	CR300	Sıcaklık, nem ve yağış kaydediyor