基于數字孿生的煙田管理系統

詹莜國 李洪明 李偉 楊興黨 麻莉娜 呂明站

摘要 煙草農業已通過實施設施農業和全程機械化等手段來提升煙葉的生產效率、烘烤煙草的品質以及農民的收益，但在煙田管理上仍然面臨由非線性、互饋性、多尺度等難題帶來的效率低下問題。采用數字孿生理論和技術，以昆明地區的煙田管理系統為研究對象，設計多要素物聯網數據采集裝置，結合無人機傾斜攝影技術，建立一種以虛控實的數字化在線推理和反饋體系的煙田數字模型，以煙草氮元素管理為實踐應用，實現了數據驅動的煙田農事管理。結果表明，數字孿生技術能顯著提升煙草農業的管理效率，其中氮元素管理服務效率提升71%。數字孿生技術在煙田管理的全過程中都有廣泛的應用潛力，為煙草農業的數字化轉型提供應用參考。

關鍵詞 數字孿生；煙田管理；虛擬模型；傾斜攝影；氮元素管理

中圖分類號 S 126? 文獻標識碼 A

文章編號 0517-6611（2024）12-0222-06

doi：10.3969/j.issn.0517-6611.2024.12.047

Application Research and Implementation of Digital Twin Technology in Tobacco Field Management System

ZHAN You-guo，LI Hong-ming，LI Wei et al

（Kunming Municipal Tobacco Company，Kunming，Yunnan 650051）

Abstract Tobacco agriculture has improved the production efficiency of tobacco leaves，the quality of cured tobacco and farmers income through the implementation of facility agriculture and full-process mechanization.However，it still faces efficiency problems in tobacco field management caused by non-linearity，interactivity，and multi-scale challenges.We applied digital twin theory and technology to a tobacco field management system in the Kunming area.A multi-element Internet of Things （IoT） data collection device was designed，combined with unmanned aerial vehicle oblique photography technology，to establish a digital twin model of the tobacco field.This model created a virtual control over the reality through online reasoning and feedback systems，with a practical application in tobacco nitrogen management.This resulted in data-driven tobacco field farm management.The results showed that digital twin technology could significantly improve the management efficiency of tobacco agriculture，with nitrogen management efficiency increased by 71%.Digital twin technology had broad application potential in the entire process of tobacco field management，providing a reference for the digital transformation of tobacco agriculture.

Key words Digital Twin;Tobacco field management;Virtual modeling;Tilt photography;Nitrogen element management

基金項目 中國煙草總公司云南省公司科技項目（2020530000241029）。

作者簡介 詹莜國（1981—），男，湖南常寧人，高級農藝師，碩士，從事煙草綠色生產新技術與推廣研究。*通信作者，中級工程師，碩士，從事智慧農業研究。

收稿日期 2023-07-20；修回日期 2024-02-27

2020年，在我國“十四五”規劃和2035年遠景目標綱要中，明確指出“加快數字化發展，建設數字中國”［1］，同時對數字農業進行了明晰的應用場景描述。煙田作為煙草農業的基礎生產要素，是煙草農業最先開展數字化研究的領域，國內外很多國家和地區省份通過衛星遙感、無人機等手段獲取煙田多尺度圖像數據，構建煙田數字化地圖［2-8］。在該底圖基礎上，研究人員結合其他自然數據開展了地形地貌、土壤肥力、病蟲害監測、災害評估、種植區劃分類等［9-12］方面的研究。

近年來互聯網、物聯網技術、數字孿生技術在數字農業和煙草工業中得到了大量應用，如智慧農業系統中的三維可視化、智慧化的表型組學研究、大數據應用的精準滴灌、數字孿生應用等［13-16］。劉光亮等［17-19］提出了煙草科學大數據、數字化育種、智慧煙葉生產等方向；煙草工業采用數字孿生來實現實體和虛擬信息體之間的融合，實現物流、倉儲的人、機、料、法、環數據驅動的過程管理［20-21］。

參照數字孿生在煙草工業中的應用，煙草農業數字孿生系統可以通過物聯網手段建立煙田的準實時數字化鏡像，基于專家知識進行超實時推演來制定生產決策，再通過設施農業交互反饋來對煙葉生長發育實現影響。數字孿生的應用，為煙草農事管理實現智能化、無人化、標準化提供技術基礎。

目前，數字孿生技術在煙草農業的應用還鮮見公開的研究成果，因此在前人利于數字孿生開展煙草工業和其他農業的基礎上，筆者以典型的昆明煙田管理系統為例，采用數字孿生的技術思想，設計了一套全要素的煙田管理系統，集成了一套8要素物聯網采集裝置，對當地煙田進行了數字虛擬建模，最后以氮元素缺失監控為應用點予以應用，驗證了對應數字孿生技術的能力和價值。

1 材料與方法

1.1 系統定義

根據煙田的基本農田屬性和煙葉自身生長的要求，該研究對于數字煙田管理系統的關鍵采集數據進行歸納總結和合并，定義了6個屬性描述為其基本數字化內容，具體內容見表1。

1.2 總體設計 基于數字孿生構建煙田管理系統，其包括數據采集、數據存儲、業務服務和前臺系統4個組成部分，系統架構設計見圖1。

業務系統采用微服務模式設計，微服務包括各類微服務組件的集合和微服務組件的管理能力，通過微服務層管理功能對各微服務組件的注冊、調用、配置進行有效管理。

1.2.1 關鍵技術設計。

1.2.1.1 數字建模技術。建立數字孿生體是數字孿生技術區別于物聯網監控技術、專家決策系統等其他技術手段的最關鍵任務。數字孿生體是將現有物理世界的煙田進行數字建模，通過實測、仿真和數據分析來實時感知、診斷、預測，同時通過模型來發出指令，調控對應的生產參數。因此，該研究首先采用無人機對煙田進行傾斜攝影，在三維渲染中，對煙區進行單體化套合，采用Unity3d進行3D建模，使用WebGL和VUE實現數字孿生體。

1.2.1.2 云化技術。基于數據應用云化理念，打造數據應用的統一交付平臺。基于微服務架構實現數據應用的統一交付，有效解決數據應用的開發建設和用戶體驗的問題。煙田管理系統中，報表、指標、可視化圖表等需要的量比較大，因此該研究采用云化的統一組件進行交付，能實現更加高效的應用展示和大數據創新。

1.2.1.3 人工智能技術。ChatGPT［22］的出現，體現了人工智能在多模態全場景上面的技術優勢。數字孿生系統使用傳感器采集信息會涉及多場景的視頻、音頻、文本、結構化數據，因此系統設計需要支持人工智能技術的應用，如引入Transformer［23］，因此在系統中包括支持AI計算框架PyTorch、AI服務及開發部署、模型管理、AI應用環境等。

1.2.2 采集和數據處理。

數據平臺層提供數據支持，數據平臺獲取業務系統或者其他三方接口活動的多維數據，包括氣候、土壤、地理信息、無人機遙感等，實現對數據的管理功能，并把運行和分析結果反饋給業務平臺。

1.2.3 服務平臺。

服務平臺提供整個系統的核心業務功能，包括數字煙田、農事管理、智能盤點、可視化建模模塊、數字生長、趨勢反演。數據驅動業務的方式采用基于專家先驗知識、業務流程、人工智能算法形成的模型，根據系統設置的閾值來驅動觸發對應的業務流程。

1.2.4 前臺運用。前臺運用包括微信小程序、業務系統前端等，核心是前臺應用更加直觀和智能。對反饋結果的展示和時空結合，不再是靜態固定數據。

1.3 實現方法

1.3.1 數據采集。

該研究設計了一套大田可視化物聯網采集裝置和一套無人機機載作業監控裝置。

大田采集裝置中，基于低功耗數據采集技術可以實現“生、氣、水、土”多要素數據的自動采集和無線傳輸，具體結構如圖2所示。其主要技術特點如下：①實現煙田“生、氣、水、土”多要素數據采集；②基于云端圖像AI識別技術，實現煙田冠層、高度的自動識別；待機功耗小于5 mw；③無人值守，太陽能供電，支持4G/LORA組網/衛星通信；④遠程控制，可通過軟件遠程修改相機拍照時間，可間隔拍照或選定某個時刻拍攝；⑤可通過軟件遠程修改數據采集與數據上傳時間，可間隔上傳或定時上傳。

1.3.2 煙田可視化建模。

采用無人機傾斜攝影的方式建模是可視化的常見方法。在無人機完成傾斜攝影后，建立三維點云，構建TIN網，構建白模，進行映射紋理貼圖。因為煙田中有煙草基礎設施，如大棚、水路、倉庫、烤房、煙田等，數字孿生技術需要對單個要素進行定義。因此，通過傾斜攝影單體化對各個要素進行區分，采用將三維矢量數據貼合在特定的空間位置，形成對目標模型的貼合，然后對屬性進行定義或者擴充。完成煙田可視化建模。空間數據采用Arcgis 10.2完成數據融合。

1.3.3 基于微服務的軟件框架建設。

系統架構采用 B/S 模式，主要包括數據處理模塊、中間件模塊、應用模塊等，具體功能包括用戶管理、菜單管理、權限管理、無人機管理、基本日志管理、煙田數據分析、數據管理分析、模型開發、專題管理等。系統開發框架為VUE+WebGL+Unity3D，開發環境為IDEA，開發語言為JAVA和C#，數據庫為MySQL。緩存使用Redis，安全框架使用Apache Shiro。

系統底層主要模塊包括GIS基礎功能、農機設備數據管理、煙田數據信息等。

1.3.4 智能化應用方案。

系統的應用模塊都以數據驅動為核心，以提高效率，規范管理為目標來進行設計和試驗，具體模塊如下：①數字生長。通過對應品種生長的專家知識，對目前品種的煙葉生長速度、對應的產量、品種進行預測，指導生產用水、用藥、用肥的精準處方建議。②智能盤點。每天自動盤點倉庫、物資、農機等，降低臨時、重復搬運生產資料的成本。③電子看板。將煙技員需要查看的數據，匯總成量化數據，在手機和大屏實現電子看板。④預警預報。通過后臺數據設置，在發現有對應的災害和問題時，直接一鍵直達煙技員。

2 結果與分析

2.1 基礎信息采集和建模

試驗區倘甸隸屬于云南省昆明市尋甸回族彝族自治縣，地處尋甸回族彝族自治縣西北部，區域總面積21 200 hm2。倘甸鎮耕地總面積2 733 hm2，有旱地、水田，主要種植烤煙、玉米、水稻等作物，其中烤煙種植面積533 hm2，安裝的煙田生態信息采集設備見圖3。

使用大疆M300RTK無人機搭載大疆P1可見光相機獲取研究區煙田的傾斜攝影，設置參數為表2所示。

無人機完成傾斜攝影后，采用PIX4D進行數據處理，完成煙田建模，建模界面見圖4。

2.2 數據驅動業務應用

該研究以氮元素管理為典型應用，進行了數字孿生系統能力應用驗證。其中，煙葉葉片氮含量（leaf nitrogen content，LNC）是對評價煙草品質的重要指標，煙草缺氮或者過度施用氮肥，都會導致品質下降，因此對氮含量進行監控并及時調整，對煙草產量和品質把控有重要價值。

通過前期研究，對煙葉葉片含氮量LNC進行了建模，選取與氮素相關的差值植被指數（DVI）、綠色歸一化差值植被指數（GNDVI）、改進非線性植被指數（MNLI）等11個植被指數和5個波段反射率，共計16個光譜變量對煙草氮含量（LNC）進行估算。利用回歸模型的顯著性水平和回歸模型回歸參數的顯著性水平相結合的準則，構建煙葉LNC估計模型，得到最優回歸方程如公式（1）所示。

y=b1×x-b0（1）

式中：b1=1.497 5；b0=1.246 3。

由圖5可知，系統通過設置的氮元素數值變化，帶入模型進行運算，發現發生區域和LNC數值達到既定閾值，系統演算得出存在氮缺失，必須進行小范圍施肥作業，孿生系統推送該消息到煙農、煙技員。

煙農或煙技員根據系統信息，在煙田現場查看確認后，當即通過微信小程序“空中煙農”發布施肥作業需求［24］（圖6）。服務機構可以根據自己的服務能力、位置、價格等響應對應的服務需求，雙方按照孿生系統定義的流程進行線上合同簽訂和作業。

整個數據驅動業務的流程實現了農事管理的及時發現、反饋和處置，處理速度從傳統的7 d左右縮短到了2 d，同時給出了需要處置的面積，明確了農資的需求數量和品種，降低了藥劑藥械的損耗。

3 結論

通過將數字孿生技術關鍵的數據采集、系統建模、系統反饋、可視化服務、智能化演算在煙草農業進行研究和分析，應用于氮元素管理服務上，既實現了數據驅動業務和工作協同的目的，又實現了降低工作成本，其中通過虛實結合，實現氮元素管理效率提升71%。煙田數字化是實現智慧煙草的第1步，采用更多新的技術手段會讓數字發揮更多價值，如邊緣計算［25］等，在此基礎上實現網絡化、智能化，通過數字提供服務，實現可持續高效的現代農業。今后，可以參照數字孿生的6個成熟度模型［26-27］，逐步建立煙草農業數字化成熟度等級，為將來建立高效煙草農業打下堅實基礎。

參考文獻

［1］ 國家發展和改革委員會.加快數字化發展 建設數字中國［M］//國家發展和改革委員會.中華人民共和國國民經濟和社會發展第十四個五年規劃和2035年遠景目標綱要.北京：人民出版社，2021.

［2］ FALCO N，WAINWRIGHT H，ULRICH C，et al.Remote sensing to UAV-based digital farmland［C］//2018 IEEE international geoscience and remote sensing symposium.Valencia，Spain：IEEE，2018.

［3］ 蒙繼華，程志強，董文全，等.面向精準農業的農田信息遙感獲取系統［J］.高技術通訊，2018，28（6）：477-487.

［4］ 杜蒙蒙，劉穎超，姬江濤，等.基于無人機與激光測距技術的農田地形測繪［J］.農業工程學報，2020，36（22）：60-67.

［5］ 冉穎杭，謝天鏵，霍連飛，等.農田背景噪聲下的土壤結構體數字圖像信息特征［J］.江蘇農業學報，2019，35（2）? 313-320．

［6］ CHIMI-CHIADJEU O，HGARAT-MASCLE S，VANNIER E，et al.Automatic clod detection and boundary estimation from Digital Elevation Model images using different approaches［J］.CATENA，2014，118（1）：73-83.

［7］ 李熙全，代飛，陽成剛，等.基于多尺度遙感和精密定位的煙田數字化識別方法［J］.農技服務，2019，36（7）：47-50.

［8］ 唐艾，羅貞寶，方圓，等.多尺度遙感和精密定位的煙田數字化識別和技術應用效果分析［J］.大科技，2020（43）：217-218.

［9］ 劉國順，常棟，葉協鋒，等.基于GIS 的緩坡煙田土壤養分空間變異研究［J］.生態學報，2013，33（8）：2586-2595.

［10］ 蔡長春，鄧環，趙云飛，等.湖北省植煙區生態氣候因子的主成分分析和區域劃分［J］.煙草科技，2011，44（2）：64-69.

［11］ 李蒙，朱勇，吉文娟.基于GIS 的云南煙區冰雹災害風險評價［J］.中國農業氣象，2012，33（1）：129-133.

［12］ 馬云強，李宇宸，劉夢盈，等.基于無人機多光譜影像的云南切梢小蠹危害監測反演研究［J］.西南農業學報，2021，34（9）：1878-1884.

［13］ 楊文慶，劉天霞，唐興萍，等.智慧農業背景下的植物表型組學研究進展［J］.河南農業科學， 2022，51（7）：1-12.

［14］ 趙迪，楊陽，陳立偉.農作物生產三維可視化仿真系統設計與應用：以懷地黃為例［J］.河南農業科學，2022，51（10）：169-180.

［15］ 鄭蕾娜，王易玄，劉美玲，等.基于數字孿生的智慧農業云服務關鍵技術研究［J］.浙江萬里學院學報，2022，35（5）：84-90.

［16］ 顧生浩，盧憲菊，王勇健，等.數字孿生系統在農業生產中的應用探討［J］.中國農業科技導報，2021，23（10）：82-89.

［17］ 劉光亮，徐茜，徐辰生，等.煙葉生產大數據管理信息系統設計及應用［J］.中國煙草科學，2019，40（2）：92-98.

［18］ 宋常迎，鄭少鋒，鄭雯雯.“十四五”時期數字農業關鍵技術發展的創新路徑［J］.科學管理研究，2022，40（1）：79-85.

［19］ 李中皓，毛健，曹培健，等.數字化轉型：中國煙草科技創新發展的必然選擇［J］.煙草科技，2022，55（1）：1-8.

［20］ 盧志敏，饒偉，江琳，等.數字孿生技術在煙絲庫的應用研究與實現［J］.自動化儀表，2022，43（10）：91-95，100.

［21］ 尚立新，李常非，桑騰，等.數字孿生模型在煙草智能倉儲中的應用［J］.數字技術與應用，2022，40（2）：75-77.

［22］ BUBECK S，CHANDRASEKARAN V，ELDAN R，et al.Sparks of artificial general intelligence：Early experiments with GPT-4［EB/OL］.［2023-03-26］.http：//arxiv.org/pdf/2303.12712.

［23］ VASWANI A，SHAZEER N M，PARMAR N，et al.Attention is all you need［C］//31st conference on neural information processing systems.Long Beach，CA，USA：NIPS，2017：1-15.

［24］ 鄧巍，陳立平，張瑞瑞，等.無人機精準施藥關鍵技術綜述［J］.農業工程，2020，10（4）：1-10.

［25］ 黃成龍，柯宇曦，華向東，等.邊緣計算在智慧農業中的應用現狀與展望［J］.農業工程學報，2022，38（16）：224-234.

［26］ 陶飛，張賀，戚慶林，等.數字孿生模型構建理論及應用［J］.計算機集成制造系統，2021，27（1）：1-15.

［27］ 陶飛，張辰源，戚慶林，等.數字孿生成熟度模型［J］.計算機集成制造系統，2022，28（5）：1267-1281.