CN114328672A - 一种基于数字孪生的数字农田场景映射同步装置及方法 - Google Patents
一种基于数字孪生的数字农田场景映射同步装置及方法 Download PDFInfo
- Publication number
- CN114328672A CN114328672A CN202111670347.3A CN202111670347A CN114328672A CN 114328672 A CN114328672 A CN 114328672A CN 202111670347 A CN202111670347 A CN 202111670347A CN 114328672 A CN114328672 A CN 114328672A
- Authority
- CN
- China
- Prior art keywords
- digital
- farmland
- module
- data
- real
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000013507 mapping Methods 0.000 title claims abstract description 35
- 238000000034 method Methods 0.000 title claims abstract description 16
- 230000004927 fusion Effects 0.000 claims abstract description 42
- 238000004088 simulation Methods 0.000 claims abstract description 41
- 230000003993 interaction Effects 0.000 claims abstract description 27
- 238000005457 optimization Methods 0.000 claims abstract description 26
- 230000000007 visual effect Effects 0.000 claims abstract description 17
- 239000012773 agricultural material Substances 0.000 claims abstract description 15
- 238000004364 calculation method Methods 0.000 claims abstract description 14
- 238000000605 extraction Methods 0.000 claims abstract description 12
- 238000010223 real-time analysis Methods 0.000 claims abstract description 10
- 230000008447 perception Effects 0.000 claims abstract description 7
- 238000003860 storage Methods 0.000 claims abstract description 4
- 238000012800 visualization Methods 0.000 claims description 15
- 238000004458 analytical method Methods 0.000 claims description 13
- 238000005516 engineering process Methods 0.000 claims description 12
- 238000004519 manufacturing process Methods 0.000 claims description 9
- 230000010354 integration Effects 0.000 claims description 7
- 238000007619 statistical method Methods 0.000 claims description 7
- 238000009877 rendering Methods 0.000 claims description 5
- 238000013135 deep learning Methods 0.000 claims description 4
- 238000013461 design Methods 0.000 claims description 4
- 235000019580 granularity Nutrition 0.000 claims description 4
- 238000010801 machine learning Methods 0.000 claims description 4
- 230000007246 mechanism Effects 0.000 claims description 4
- 238000012544 monitoring process Methods 0.000 claims description 4
- 230000001360 synchronised effect Effects 0.000 claims description 4
- 238000001514 detection method Methods 0.000 claims description 3
- 238000005065 mining Methods 0.000 claims description 3
- 238000010977 unit operation Methods 0.000 claims description 3
- 238000012795 verification Methods 0.000 claims description 3
- 238000012732 spatial analysis Methods 0.000 claims description 2
- 239000000463 material Substances 0.000 claims 1
- 238000007726 management method Methods 0.000 abstract description 8
- 238000003745 diagnosis Methods 0.000 abstract description 4
- 230000007547 defect Effects 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 238000013178 mathematical model Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000012271 agricultural production Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000013439 planning Methods 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 238000012300 Sequence Analysis Methods 0.000 description 1
- 241000607479 Yersinia pestis Species 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000004720 fertilization Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000003973 irrigation Methods 0.000 description 1
- 230000002262 irrigation Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 229920001690 polydopamine Polymers 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000010206 sensitivity analysis Methods 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种基于数字孪生的数字农田场景映射同步装置及方法，其中，所述装置包括：农田场景单元，包括传感器、农机设备、农用物资、车辆、仓储、种植作物；数字孪生单元，与所述农田场景单元通过网络连接，包括物联感知模块、全要素数字化模块、可视化呈现模块、信息提取与融合模块、实时分析计算模块、模拟仿真推演模块、虚实融合互动模块和自学习优化模块。当农田场景单元运行时，数字孪生单元可根据物理参数及运行数据对农田场景单元运行状态进行判断，并对农田场景单元进行可视化呈现、模拟仿真推演、虚实融合互动，使得模型的时效性大大提升，从而能够为农田场景单元的运行管理提供诊断、预测和建议。
Description
技术领域
本发明涉及数据分析处理技术领域，更具体地说，涉及一种基于数字孪生的数字农田场景映射同步方法及装置。
背景技术
虽然数字农田建设取得了一定的成果，比如开发建设了种植、施肥、灌溉等各种信息系统，但在农业生产运营各环节中仍存在部分系统数字化程度低、系统间信息交互能力弱等不足，数字农田的智能化、服务化水平仍不能满足快速响应、实时管控、高效智能、灵活重构、便捷易用等多样化需求。近年来，数字孪生引起全球工业界与学术界的广泛关注和研究。作为一种实现数字化、网络化、智能化、服务化转型升级的有效手段，数字孪生以数字化方式创建物理实体的数字虚拟体，借助数据模拟物理实体在现实环境中的行为，通过虚实交互反馈、数据融合分析、决策迭代优化等手段，为物理实体增加或扩展新的能力。作为一种充分利用模型、数据、智能技术并集成多学科的技术，数字孪生可推动实现农田建设中复杂系统及复杂过程在空间维度和时间维度上的信息物理融合，为数字农田的信息化、自动化和互动化的实现提供新的可能。
发明内容
本发明要解决的技术问题在于现有农业生产运营各环节中仍存在部分系统数字化程度低、系统间信息交互能力弱的问题，针对现有技术的上述的缺陷，本发明一方面提供一种基于数字孪生的数字农田场景映射同步装置，包括：
农田场景单元，包括传感器、农机设备、农用物资、车辆、仓储、种植作物；
数字孪生单元，与所述农田场景单元通过网络连接，包括物联感知模块、全要素数字化模块、可视化呈现模块、信息提取与融合模块、实时分析计算模块、模拟仿真推演模块、虚实融合互动模块和自学习优化模块。
优选地，所述物联感知模块用于传感设备物理实体的数字建模，通过采用数字孪生建模语言，构建农田传感器、射频传感器、全球定位系统、红外感应器多传感器组件模型库。优选地，所述全要素数字化模块用于农田对象物理实体的数字语义化建模，通过为数据设计统一的定义、存储、索引及服务机制，实现数据统一接入、交换和高效共享，构建全要素数据库；融合点云数据、GIS基础数据和IoT数据等业务数据，匹配不同尺度与不同颗粒度数据，生成多尺度数据融合标准，以此标准为依据，自定义不同层级呈现的数据主题，基于数字孪生建模语言、BIM技术和深度学习进行以农田场地环境、农机、农资、人员、作物信息为内容的多种场景下的事件检测、事件相关元素及事件间的关系抽取，再进一步做单体的语义建模，提供农田场地环境、农机、农资、人员、作物组件模型库。
优选地，所述可视化呈现模块用于数据的可视化呈现，采用可视化引擎工具对数据进行多层次实时渲染，提供场景可视化组件、统计分析可视化组件和业务逻辑可视化组件，通过终端显示设备完成可视化呈现。
优选地，所述信息提取与融合模块用于对物体实体产生的不同类型、不同形态、不同来源的数据，在数字空间进行多层次时空数据融合，提供数据关联集成组件、数据时空融合组件。优选地，所述实时分析计算模块用于数据的分析计算，提供空间分析计算组件、统计分析组件、智能分析组件。
优选地，所述模拟仿真推演模块用于对物体实体在数字空间进行仿真推演，按被仿真的对象进行组件设计，提供农田场地环境模拟仿真组件、农机模拟仿真组件、农资模拟仿真组件、人员模拟仿真组件、作物模拟仿真组件，通过调用物联感知模块、全要素数字化模块，建立与实际生产数据一致的仿真生产数据库，并仿真运行，产生实时的仿真生产数据对物理实体进行同步验证、虚拟调试。
优选地，所述虚实融合互动模块用于物理实体和数字孪生体的数据交互和实时同步，提供农田对象实时视频融合监控、跨终端人机交互组件，通过打通不同控制设备的执行协议，借助5G低时延网络、数据处理中心和边缘计算中心提供的高性能协同计算能力，以人机操作方式将控制指令反馈给物理对象，实现对控制终端的操作，完成虚实信息融合和控制融合。
优选地，所述自学习优化模块用于数字孪生体模型的优化，利用机器学习和知识图谱对历史数据进行学习发现其中规律，给出优化策略，生成数字孪生体模型。
另一方面，本发明还提供了一种基于数字孪生的数字农田场景映射同步方法，执行于上述基于数字孪生的数字农田场景映射同步装置，包括步骤：
S1、由物联感知模块实时感知农田几何面积、作物布局信息和运行信息；
S2、将所述农田几何面积、作物布局信息和运行信息传送到全要素数字化模块，进行全要素数字化和语义化建模，实现数字空间与物理空间一一映射；
S3、对经过全要素数字化和语义化建模后的数据信息进行分析和价值挖掘；
S4、通过自学习优化模块，对数字孪生单元进行置换或者参数更新，实现农田场景单元到数字孪生单元的映射同步；
S5、将所述数字孪生单元产生的所述农田场景单元运行的优化参数和运行优化指令，通过网络连接传送到所述农田场景单元，实现所述数字孪生单元到所述农田场景单元的映射同步。
实施本发明的基于数字孪生的数字农田场景映射同步方法，具有以下有益效果：
首先，通过在虚拟空间建立一个与所述农田场景单元实体同步运行的所述数字孪生单元，当所述农田场景单元运行时，所述数字孪生单元可根据物理参数及运行数据对所述农田场景单元运行状态进行判断，并对所述农田场景单元进行可视化呈现、模拟仿真推演、虚实融合互动，避免了传统数学模型无法对变化的环境和工况做出准确模拟的问题，使得模型的时效性大大提升，从而能够为所述农田场景单元的运行管理提供诊断、预测和建议。
其次，将基于所述农田场景单元物理信息的确定性建模与基于实时运行数据的不确定性建模结合起来，克服了物理知识缺乏的不足。同时，可根据传感器采集的运行数据对所述数字孪生单元进行修正和更新，保证了所述数字孪生单元的实时性和准确性。
再次，所述数字孪生单元可部署在本地，也可部署在远端，支持以私有协议加密方式连接，灵活的部署方式可以兼顾实时性处理和安全要求，降低对网络带宽的要求。
附图说明
通过阅读下文优选的具体实施方式中的详细描述，本发明各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。说明书附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。显而易见地，下面描述的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
下面将结合附图及实施例对本发明作进一步说明，附图中：
图1是本发明一种基于数字孪生的数字农田场景映射同步装置结构示意图。
图2是本发明一种基于数字孪生的数字农田场景映射同步方法流程图。
具体实施方式
下面结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例仅仅是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下，所获得的所有其他实施例，都属于本申请保护的范围。
本申请实施例提供的基于数字孪生的数字农田场景映射同步方法可应用于各种服务器端、终端。该服务器端、终端设备包括但不限于个人计算机、服务器计算机、手持式或膝上型设备、移动设备(如手机、移动电话、平板电脑、PDA、媒体播放器等)、消费型电子设备、车载计算机、智能手表、电视机，以及其他具有显示屏幕的终端设备等等。
实施例一
请参阅图1，为本发明基于数字孪生的数字农田场景映射同步方法流程图。如图1所示，在本发明第一实施例提供的基于数字孪生的数字农田场景映射同步装置，至少包括：
农田场景单元，包括传感器、农机设备、农用物资、车辆、仓储、种植作物；
数字孪生单元，与所述农田场景单元通过网络连接，包括物联感知模块、全要素数字化模块、可视化呈现模块、信息提取与融合模块、实时分析计算模块、模拟仿真推演模块、虚实融合互动模块和自学习优化模块。
具体实施时，所述物联感知模块用于传感设备物理实体的数字建模，通过融合传感器采用数字孪生建模语言(主要有Modelica、UML、SysML、AutomationML和XML)，构建农田传感器、射频传感器、全球定位系统、红外感应器多传感器组件模型库。
物联感知模块通过农田传感器、射频识别技术、全球定位系统、红外感应器等各种装置与技术感知真实物理农田，为数字农田提供海量数据。支持对海量设备和数据进行统一管理，支持协议解析，实现不同泛在设备的协议解析功能；支持远程参数同步配置。
具体实施时，所述全要素数字化模块包括：
该模块主要用于农田对象物理实体的数字语义化建模，通过为数据设计统一的定义、存储、索引及服务机制，实现数据统一接入、交换和高效共享，构建全要素数据库；融合点云数据、GIS基础数据、IoT数据及其他业务数据，匹配不同尺度与不同颗粒度数据，生成多尺度数据融合标准，以此标准为依据，自定义不同层级呈现的数据主题，基于数字孪生建模语言、BIM技术和深度学习技术进行以农田场地环境、农机、农资、人员、作物等信息为主要内容的多种场景下的事件检测、事件相关元素及事件间的关系抽取，再进一步做单体的语义建模，提供农田场地环境、农机、农资、人员、作物等组件模型库。
所述全要素数字化模块通过对农田进行全要素数字化和语义化建模，实现由粗到细、从宏观到微观等不同粒度、不同精度的农田孪生还原，形成全空间一体化并且相互关联的农田数据底板，实现数字空间与物理空间一一映射。
具体实施时，所述可视化呈现模块用于数据的可视化呈现，采用可视化引擎工具对数据进行多层次实时渲染，提供场景可视化组件(涵盖农田场地、作物、农机等全要素实体类型状态呈现)、统计分析可视化组件(包括直方图、趋势图、饼图等各类统计分析图形化工具)和业务逻辑可视化组件(提供业务管理与业务流程的可视化呈现)，通过大屏端、桌面端、网页端、移动端等终端显示设备完成可视化呈现。
可视化呈现模块通过图形引擎、多层次实时渲染呈现数字孪生体，实现农田全貌大场景到农田细节，再到农田实时视频的多层次渲染，真实展现农田样貌、农田细节、作物实时长势等各种场景，实现空间分析、大数据分析、仿真结果等可视化，实现大屏端、桌面端、网页端、移动端等多终端一体化展示。
具体实施时，所述信息提取与融合模块用于对物体实体产生的不同类型、不同形态、不同来源的海量数据在数字空间进行多层次时空数据融合，提供数据关联集成组件、数据时空融合组件等。其中数据关联集成组件通过对分散在各系统的农田对象各种属性信息、业务状态信息进行多维关联，实现数据关联、业务集成；数据时空融合组件通过构建农田对象之间的关联关系、时空关系等，融通农田对象运行数据及它们之间的关系数据等相关数据资源，形成相关数据的数据组装能力并提供统一接口，满足业务场景应用需求。所述信息提取与融合模块面对物理农田产生的不同类型、不同形态、不同来源的海量数据，在保证数据实时性要求、质量要求的前提下，以数据流方式供给数字孪生模型，使数字孪生能够更为准确全面的呈现和表达，更准确地实现动态监测、趋势预判、虚实互动等核心功能。
具体实施时，所述实时分析计算模块用于数据的分析计算，提供空间分析计算组件(包括距离测量、面积测量、序列分析、路径规划等)、统计分析组件(包括方差分析、敏感性分析、高斯过程回归、支持向量机回归、随机森林分析等)、智能分析组件(包括作物水分胁迫识别、作物病虫害识别、人员身份识别、农产品溯源等)。
所述实时分析计算模块针对具体业务需求，进行农田数据相关计算、分析、查看、展示，例如种植面积测量和田块测量，全景图定制和场景标注等。
具体实施时，所述模拟仿真推演模块用于对物体实体在数字空间进行仿真推演，按被仿真的对象进行组件设计，提供农田场地环境模拟仿真组件、农机模拟仿真组件、农资模拟仿真组件、人员模拟仿真组件、作物模拟仿真组件，通过调用物联感知模块、全要素数字化模块，建立与实际生产数据一致的仿真生产数据库，并仿真运行，产生实时的仿真生产数据对物理实体进行同步验证、虚拟调试。
所述模拟仿真推演模块在数字空间中通过数据建模进行某些特定事件的评估、计算、预测，为农田管理方案和设计方案提供反馈参考。与物理世界相比，数字世界具有可重复性、可逆性、全量数据可采集、重建成本低、实验后果可控等特性，可为农田规划、作物种植等方案的评估与优化提供细化的、量化的、直观化的分析与评估。
具体实施时，所述虚实融合互动模块用于物理实体和数字孪生体的数据交互和实时同步，提供农田对象实时视频融合监控、跨终端人机交互等组件。通过打通不同控制设备的执行协议，借助5G低时延网络、数据处理中心和边缘计算中心提供的高性能协同计算能力，以友好的人机操作方式(支持虚拟/增强/混合现实沉浸式体验为特征的人机交互技术)将控制指令反馈给物理对象，实现对控制终端的操作，完成虚实信息融合和控制融合。
所述虚实融合互动模块针对农田的具体对象或业务，进行数字空间与物理空间之间的互相操作与双向互动，既能在数字空间再现与影响物理世界，也可在物理世界中进入数字空间，二者满足实时、动态、自动、互动等属性。
具体实施时，所述自学习优化模块用于数字孪生体模型的优化，利用机器学习和知识图谱对历史数据进行学习发现其中规律，给出优化策略，生成能够不断学习和不断适应新事件发生的数字孪生体模型。
其中，模型的优化更新支持自定义，默认为自动更新。
所述自学习优化模块利用计算机视觉、机器学习、知识图谱等人工智能技术，实现农田数据感知-图像智能识别-知识图谱构建-数据深度学习-智能决策的循环，推动数字农田自我优化运行，满足不同用户的按需、即时和精准决策需求。
实施本实施例，其有益效果是：通过在虚拟空间建立一个与所述农田场景单元实体同步运行的所述数字孪生单元，当所述农田场景单元运行时，所述数字孪生单元可根据物理参数及运行数据对所述农田场景单元运行状态进行判断，并对所述农田场景单元进行可视化呈现、模拟仿真推演、虚实融合互动，避免了传统数学模型无法对变化的环境和工况做出准确模拟的问题，使得模型的时效性大大提升，从而能够为所述农田场景单元的运行管理提供诊断、预测和建议；
将基于所述农田场景单元物理信息的确定性建模与基于实时运行数据的不确定性建模结合起来，克服了物理知识缺乏的不足。同时，可根据传感器采集的运行数据对所述数字孪生单元进行修正和更新，保证了所述数字孪生单元的实时性和准确性；
数字孪生单元可部署在本地，也可部署在远端，支持以私有协议加密方式连接，灵活的部署方式可以兼顾实时性处理和安全要求，降低对网络带宽的要求。
实施例二
请参阅图2，为本发明一种基于数字孪生的数字农田场景映射同步方法流程图。一种基于数字孪生的数字农田场景映射同步方法，包括步骤：
S1、由物联感知模块实时感知农田几何面积、作物布局信息和运行信息。
通过所述物联感知模块实时感知真实农田几何面积、作物布局等物理信息和运行信息，可以为数字农田提供海量数据。物联感知模块设有多个传感器，可由多个传感器直接采集农田场景环境信息，包括土壤EC值、空气温湿度、光照强度、风速等。
S2、将所述农田几何面积、作物布局信息和运行信息传送到全要素数字化模块，进行全要素数字化和语义化建模，实现数字空间与物理空间一一映射；
由于获得的数据类型多样，首先，对数据设计统一定义、存储、索引及服务机制，实现数据统一接入、交换和高效共享；然后，融合点云数据、GIS基础数据、IoT数据及其他业务数据，利用数字孪生建模语言、BIM技术和深度学习技术进行以农田场地环境、农机、农资、人员、作物等信息为主要内容的多场景语义建模，提供农田场地环境、农机、农资、人员、作物等组件模型库。
S3、对经过全要素数字化和语义化建模后的数据信息进行分析和价值挖掘；
通过物联感知模块和全要素数字化模块对农田物理实体进行了虚拟映射(即农田数字孪生体)，可通过可视化呈现模块等对农田数字孪生体进行分析，支撑不同业务应用。
通过可视化呈现模块、信息提取与融合模块、实时分析计算模块、模拟仿真推演模块、虚实融合互动模块对信息进行分析和价值挖掘，支持进一步的业务应用。
S4、通过自学习优化模块，对数字孪生单元进行置换或者参数更新，实现农田场景单元到数字孪生单元的映射同步；
数字孪生体模型是根据既有数据和业务、专家知识进行构建的，在实际运行中模型的精度和速率并不一定能满足业务需求，结合运行过程中产生的大量数据，通过自学习优化模型对历史数据进行学习发现其中规律，从而不断更新数字孪生体模型，实现自我迭代优化。
S5、将所述数字孪生单元产生的所述农田场景单元运行的优化参数和运行优化指令，通过网络连接传送到所述农田场景单元，实现所述数字孪生单元到所述农田场景单元的映射同步。
通过打通不同控制设备的执行协议，借助5G低时延网络、数据处理中心和边缘计算中心提供的高性能协同计算能力，以友好的人机操作方式将控制指令反馈给物理对象，实现对控制终端的操作。
所述网络连接方式包括Modbus、工业以太网，光纤网络、WiFi、WLAN、移动无线网络(GPRS、4G、5G等)、LPWAN等，并支持MQTT、TCP\IP、或私有协议等传输协议。所述数字孪生单元和所述农田场景单元之间的数据传送可采用加密格式进一步保证数据安全性、可靠性。其中，所述加密格式可以基于SSL、TLS、HTTPS、AES、RSA加密。
实施本实施例，其有益效果是：通过在虚拟空间建立一个与所述农田场景单元实体同步运行的所述数字孪生单元，当所述农田场景单元运行时，所述数字孪生单元可根据物理参数及运行数据对所述农田场景单元运行状态进行判断，并对所述农田场景单元进行可视化呈现、模拟仿真推演、虚实融合互动，避免了传统数学模型无法对变化的环境和工况做出准确模拟的问题，使得模型的时效性大大提升，从而能够为所述农田场景单元的运行管理提供诊断、预测和建议；
将基于所述农田场景单元物理信息的确定性建模与基于实时运行数据的不确定性建模结合起来，克服了物理知识缺乏的不足。同时，可根据传感器采集的运行数据对所述数字孪生单元进行修正和更新，保证了所述数字孪生单元的实时性和准确性；
数字孪生单元可部署在本地，也可部署在远端，支持以私有协议加密方式连接，灵活的部署方式可以兼顾实时性处理和安全要求，降低对网络带宽的要求。
本发明是根据特定实施例进行描述的，但本领域的技术人员应明白在不脱离本发明范围时，可进行各种变化和等同替换。此外，为适应本发明技术的特定场合，可对本发明进行诸多修改而不脱离其保护范围。因此，本发明并不限于在此公开的特定实施例，而包括所有落入到权利要求保护范围的实施例。
Claims (10)
1.一种基于数字孪生的数字农田场景映射同步装置，其特征在于，包括：
农田场景单元，包括传感器、农机设备、农用物资、车辆、仓储、种植作物；
数字孪生单元，与所述农田场景单元通过网络连接，包括物联感知模块、全要素数字化模块、可视化呈现模块、信息提取与融合模块、实时分析计算模块、模拟仿真推演模块、虚实融合互动模块和自学习优化模块。
2.根据权利要求1所述的基于数字孪生的数字农田场景映射同步装置，其特征在于，所述物联感知模块用于传感设备物理实体的数字建模，通过采用数字孪生建模语言，构建农田传感器、射频传感器、全球定位系统、红外感应器多传感器组件模型库。
3.根据权利要求1所述的基于数字孪生的数字农田场景映射同步装置，其特征在于，所述全要素数字化模块用于农田对象物理实体的数字语义化建模，通过为数据设计统一的定义、存储、索引及服务机制，实现数据统一接入、交换和高效共享，构建全要素数据库；融合点云数据、GIS基础数据和IoT数据等业务数据，匹配不同尺度与不同颗粒度数据，生成多尺度数据融合标准，以此标准为依据，自定义不同层级呈现的数据主题，基于数字孪生建模语言、BIM技术和深度学习进行以农田场地环境、农机、农资、人员、作物信息为内容的多种场景下的事件检测、事件相关元素及事件间的关系抽取，再进一步做单体的语义建模，提供农田场地环境、农机、农资、人员、作物组件模型库。
4.根据权利要求1所述的基于数字孪生的数字农田场景映射同步装置，其特征在于，所述可视化呈现模块用于数据的可视化呈现，采用可视化引擎工具对数据进行多层次实时渲染，提供场景可视化组件、统计分析可视化组件和业务逻辑可视化组件，通过终端显示设备完成可视化呈现。
5.根据权利要求1所述的基于数字孪生的数字农田场景映射同步装置，其特征在于，所述信息提取与融合模块用于对物体实体产生的不同类型、不同形态、不同来源的数据，在数字空间进行多层次时空数据融合，提供数据关联集成组件、数据时空融合组件。
6.根据权利要求1所述的基于数字孪生的数字农田场景映射同步装置，其特征在于，所述实时分析计算模块用于数据的分析计算，提供空间分析计算组件、统计分析组件、智能分析组件。
7.根据权利要求1至6任意一项所述的基于数字孪生的数字农田场景映射同步装置，其特征在于，所述模拟仿真推演模块用于对物体实体在数字空间进行仿真推演，按被仿真的对象进行组件设计，提供农田场地环境模拟仿真组件、农机模拟仿真组件、农资模拟仿真组件、人员模拟仿真组件、作物模拟仿真组件，通过调用物联感知模块、全要素数字化模块，建立与实际生产数据一致的仿真生产数据库，并仿真运行，产生实时的仿真生产数据对物理实体进行同步验证、虚拟调试。
8.根据权利要求1至6任意一项所述的基于数字孪生的数字农田场景映射同步装置，其特征在于，所述虚实融合互动模块用于物理实体和数字孪生体的数据交互和实时同步，提供农田对象实时视频融合监控、跨终端人机交互组件，通过打通不同控制设备的执行协议，借助5G低时延网络、数据处理中心和边缘计算中心提供的高性能协同计算能力，以人机操作方式将控制指令反馈给物理对象，实现对控制终端的操作，完成虚实信息融合和控制融合。
9.根据权利要求1至6任意一项所述的基于数字孪生的数字农田场景映射同步装置，其特征在于，所述自学习优化模块用于数字孪生体模型的优化，利用机器学习和知识图谱对历史数据进行学习发现其中规律，给出优化策略，生成数字孪生体模型。
10.一种基于数字孪生的数字农田场景映射同步方法，其特征在于，执行于如权利要求1至9任意一项所述的装置，包括步骤：
S1、由物联感知模块实时感知农田几何面积、作物布局信息和运行信息；
S2、将所述农田几何面积、作物布局信息和运行信息传送到全要素数字化模块，进行全要素数字化和语义化建模，实现数字空间与物理空间一一映射；
S3、对经过全要素数字化和语义化建模后的数据信息进行分析和价值挖掘；
S4、通过自学习优化模块，对数字孪生单元进行置换或者参数更新，实现农田场景单元到数字孪生单元的映射同步；
S5、将所述数字孪生单元产生的所述农田场景单元运行的优化参数和运行优化指令，通过网络连接传送到所述农田场景单元，实现所述数字孪生单元到所述农田场景单元的映射同步。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111670347.3A CN114328672A (zh) | 2021-12-31 | 2021-12-31 | 一种基于数字孪生的数字农田场景映射同步装置及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111670347.3A CN114328672A (zh) | 2021-12-31 | 2021-12-31 | 一种基于数字孪生的数字农田场景映射同步装置及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114328672A true CN114328672A (zh) | 2022-04-12 |
Family
ID=81021017
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111670347.3A Pending CN114328672A (zh) | 2021-12-31 | 2021-12-31 | 一种基于数字孪生的数字农田场景映射同步装置及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114328672A (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115237077A (zh) * | 2022-07-28 | 2022-10-25 | 广东鉴面智能科技有限公司 | 一种基于5g边缘计算的工业数字孪生系统 |
| CN115373290A (zh) * | 2022-10-27 | 2022-11-22 | 极晨智道信息技术(北京)有限公司 | 一种基于数字孪生的数字化车间仿真方法与系统 |
| CN115495485A (zh) * | 2022-09-30 | 2022-12-20 | 广西产研院人工智能与大数据应用研究所有限公司 | 一种具有区块链特征的物联网应用数字孪生方法 |
| CN116050699A (zh) * | 2023-03-24 | 2023-05-02 | 南京数溪智能科技有限公司 | 一种果园管理数据平台及其控制方法 |
| CN116069206A (zh) * | 2023-01-28 | 2023-05-05 | 厦门农芯数字科技有限公司 | 基于数字孪生的可视化猪场管理方法、系统及存储介质 |
| CN116843831A (zh) * | 2023-06-20 | 2023-10-03 | 成都信息工程大学 | 一种农产品仓储保鲜库孪生数据管理方法及系统 |
| WO2023207437A1 (zh) * | 2022-04-28 | 2023-11-02 | 长安大学 | 一种基于动态轨迹流的场景流数字孪生方法及系统 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110399642A (zh) * | 2019-06-21 | 2019-11-01 | 浙江大学 | 一种针对生产流水线的数字孪生体及其构建方法和应用 |
| CN111210359A (zh) * | 2019-12-30 | 2020-05-29 | 中国矿业大学(北京) | 面向智能矿山场景的数字孪生演化机理及方法 |
| CN111507857A (zh) * | 2020-04-22 | 2020-08-07 | 青岛逸景数字科技有限公司 | 一种基于物联网技术的数字化农业种植系统和方法 |
| CN112418651A (zh) * | 2020-11-19 | 2021-02-26 | 江西农业大学 | 一种基于数字孪生的共享农机实时调度方法 |
| CN112988946A (zh) * | 2021-05-07 | 2021-06-18 | 泰瑞数创科技(北京)有限公司 | 一种地理实体数据库用户定制化方法 |
| CN113223162A (zh) * | 2021-04-13 | 2021-08-06 | 交通运输部科学研究院 | 一种内河航道数字孪生场景的构建方法及装置 |
| CN113591964A (zh) * | 2021-07-26 | 2021-11-02 | 武汉理工大学 | 一种仿真知识模型文件格式及数据融合系统和融合方法 |
-
2021
- 2021-12-31 CN CN202111670347.3A patent/CN114328672A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110399642A (zh) * | 2019-06-21 | 2019-11-01 | 浙江大学 | 一种针对生产流水线的数字孪生体及其构建方法和应用 |
| CN111210359A (zh) * | 2019-12-30 | 2020-05-29 | 中国矿业大学(北京) | 面向智能矿山场景的数字孪生演化机理及方法 |
| CN111507857A (zh) * | 2020-04-22 | 2020-08-07 | 青岛逸景数字科技有限公司 | 一种基于物联网技术的数字化农业种植系统和方法 |
| CN112418651A (zh) * | 2020-11-19 | 2021-02-26 | 江西农业大学 | 一种基于数字孪生的共享农机实时调度方法 |
| CN113223162A (zh) * | 2021-04-13 | 2021-08-06 | 交通运输部科学研究院 | 一种内河航道数字孪生场景的构建方法及装置 |
| CN112988946A (zh) * | 2021-05-07 | 2021-06-18 | 泰瑞数创科技(北京)有限公司 | 一种地理实体数据库用户定制化方法 |
| CN113591964A (zh) * | 2021-07-26 | 2021-11-02 | 武汉理工大学 | 一种仿真知识模型文件格式及数据融合系统和融合方法 |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2023207437A1 (zh) * | 2022-04-28 | 2023-11-02 | 长安大学 | 一种基于动态轨迹流的场景流数字孪生方法及系统 |
| CN115237077A (zh) * | 2022-07-28 | 2022-10-25 | 广东鉴面智能科技有限公司 | 一种基于5g边缘计算的工业数字孪生系统 |
| CN115495485A (zh) * | 2022-09-30 | 2022-12-20 | 广西产研院人工智能与大数据应用研究所有限公司 | 一种具有区块链特征的物联网应用数字孪生方法 |
| CN115495485B (zh) * | 2022-09-30 | 2023-07-14 | 广西产研院人工智能与大数据应用研究所有限公司 | 一种具有区块链特征的物联网应用数字孪生方法 |
| CN115373290A (zh) * | 2022-10-27 | 2022-11-22 | 极晨智道信息技术(北京)有限公司 | 一种基于数字孪生的数字化车间仿真方法与系统 |
| CN116069206A (zh) * | 2023-01-28 | 2023-05-05 | 厦门农芯数字科技有限公司 | 基于数字孪生的可视化猪场管理方法、系统及存储介质 |
| CN116069206B (zh) * | 2023-01-28 | 2023-08-29 | 厦门农芯数字科技有限公司 | 基于数字孪生的可视化猪场管理方法、系统及存储介质 |
| CN116050699A (zh) * | 2023-03-24 | 2023-05-02 | 南京数溪智能科技有限公司 | 一种果园管理数据平台及其控制方法 |
| CN116843831A (zh) * | 2023-06-20 | 2023-10-03 | 成都信息工程大学 | 一种农产品仓储保鲜库孪生数据管理方法及系统 |
| CN116843831B (zh) * | 2023-06-20 | 2024-03-15 | 成都信息工程大学 | 一种农产品仓储保鲜库孪生数据管理方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114328672A (zh) | 一种基于数字孪生的数字农田场景映射同步装置及方法 | |
| CN110795148B (zh) | 编排文件的生成方法、装置及电子设备 | |
| Mazon-Olivo et al. | Rules engine and complex event processor in the context of internet of things for precision agriculture | |
| US8656350B2 (en) | Event-based process configuration | |
| Bahga et al. | Internet of Things: A hands-on approach | |
| Allam | Exploratory Study for Big Data Visualization in the Internet of Things | |
| US20170017903A1 (en) | User Interface for a Unified Data Science Platform Including Management of Models, Experiments, Data Sets, Projects, Actions, Reports and Features | |
| US10832457B2 (en) | Interface for data analysis | |
| US20190068455A1 (en) | System and Method for IoT Device Signal Simulation | |
| US10685155B2 (en) | Method and system for designing a distributed heterogeneous computing and control system | |
| US20230017701A1 (en) | Intelligent lifecycle management of analytic functions for an iot intelligent edge with a hypergraph-based approach | |
| US11182697B1 (en) | GUI for interacting with analytics provided by machine-learning services | |
| WO2021096953A1 (en) | Computerized system and method for a distributed low-code / no-code computing environment | |
| KR102543064B1 (ko) | Ｒｐａ 기반 제조환경 모니터링 서비스 제공 시스템 | |
| Sara et al. | Assessment of video see-through smart glasses for augmented reality to support technicians during milking machine maintenance | |
| Ravi et al. | A survey of visualization techniques and tools for environmental data | |
| Rebelo et al. | An Immersive web visualization platform for a big data context in bosch’s industry 4.0 movement | |
| Damaj et al. | Integrated mobile solutions in an Internet-of-Things development model | |
| Matsoukas | Collection, management and visualization of agricultural data and electronic systems via internet of things. | |
| Almutairi et al. | Advancements and Challenges in IoT Simulators: A Comprehensive Review | |
| Saidivya et al. | Intelligent Greenhouse Monitoring and Automatic Controlling Protocol by Using Python on Raspberry Pi | |
| KR20130082697A (ko) | 학습 지식 위계와 연동한 학습 지식 콘텐츠의 제공 방법 및 장치 | |
| Schmidt | Interfaces to Scripting Languages in Visual Analytics Applications | |
| Walunj et al. | Full Paper: Ontology-Based Digital Twin Framework for Smart Factories | |
| Matekaire et al. | Smart Farming Irrigation Systems Using Internet of Things |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |