Разработка методологии, моделей и методов создания цифровых двойников сельскохозяйственных растений для использования их в цифровых платформах, работающих в режиме реального времени, и системах принятия решений для управления ресурсами агротехнических предприятий

Объектом исследования являются модели, методы и алгоритмы создания умных цифровых двойников растений (УЦДР), интегрирующих возможности киберфизических систем и интеллектуальных систем планирования и моделирования стадий роста и развития растений, синхронизируемых с состояниями реальных посевов. Цель настоящей работы состоит в развитии предложенных ранее моделей и методов создания УЦДР для пшеницы, базирующихся на использовании онтологий и мультиагентных технологий. В качестве примера зерновой культуры взята пшеница мягкая озимая, прототип цифрового двойника которой является предметом исследования. Описание предложенного ранее подхода к разработке прототипа приведено в научном отчете за первый этап выполнения тематики исследования. Разработанные в 2022 году модели и методы позволяют расширить состав и детализировать параметры каждой стадии развития посевов растений, а также связать их собственными зависимостями с учетом наличия требуемых ресурсов, с последующей перспективой применения разработанного подхода для управления выращиванием и других зерновых культур. В процессе исследований развита концепция УЦДР, формирующая представление о растении как о сложной адаптивной системе, построенной на основе взаимодействий стадий роста и развития растений, а также частей растения, с доступными им ограниченными ресурсами. Модифицирован метод адаптивного планирования стадий роста и развития растений на основе модифицированных классов программных агентов и протоколов их взаимодействия в сети потребностей и возможностей (ПВ-сети) посева растения, учитывающий возможное расширение состава входных и выходных параметров при принятии решений на каждой стадии и требуемые ресурсы. Показана возможность включения новых параметров стадий и зависимостей между ними в созданную раннее онтологию и базу знаний цифрового двойника растений, и возможность формирования запросов к агрономам в ходе синхронизации виртуальных и реальных растений по наблюдениям агрономов и на базе данных, поступающих с датчиков различного типа, для повышения точности прогнозов сроков стадий и параметров урожая. Собраны дополнительные теоретические сведения о стадиях роста и развития растений и влиянии условий окружающей среды на урожайность озимой пшеницы и сроки уборки урожая, которые формализованы в онтологии и базе знаний по выращиванию сортов озимой пшеницы. Разработаны предложения по реализации разработанной онтологически-настраиваемой мультиагентной модели УЦДР для планирования и моделирования роста и развития и прогнозирования урожая озимой пшеницы. Кроме того, для формирования массивов данных (дата-сетов) для создания и отработки модели УЦДР озимой пшеницы проводился полевой эксперимент согласно разработанной на первом этапе исследований методике, с фиксацией данных о погодных условиях и о параметрах растений, которые регулярно измерялись в ходе сезона. На текущем этапе описанная доработанная модель и метод работы УЦДР озимой пшеницы реализованы в программной системе, на основе которой проведены расчеты по данным из полученных в ходе выращивания пшеницы дата-сетов для сопоставления результатов моделирования и реального роста и развития посевов пшеницы, а также для обеспечения возможности постадийной синхронизации УЦДР и реальных растений. Проведен дополнительный обзор международных статьей и патентов по технологиям искусственного интеллекта в точном земледелии, который показал новизну подхода и перспективы гибридизации различных методов и средств разработки цифровых двойников растений для повышения качества прогноза и роста эффективности точного земледелия в крупных хозяйствах и для фермеров. Для оценки состояния посевов растений в ходе исследований были проведены гиперспектральные съемки экспериментальных полей НИИСХ им. Тулайкова с использованием гиперспектрометра Самарского университета. Полученные результаты показывают определенные перспективы по опережающему выявлению избытка и недостатка важных веществ, необходимых для роста и развития растений, а также возможности для более полного и частого массового проведения замеров с использованием гиперспектрометра, размещенного на дроне, для синхронизации виртуальных и реальных посевов, а также накопления в базе знаний эталонов для сопоставления с реальными данными о стадиях роста и развития растений и формирования рекомендаций агрономам. Разрабатываемый прототип УЦДР может быть в дальнейшем наполнен различными сортами озимой пшеницы и расширен для создания моделей других культурных растений, чтобы найти применение в технологиях точного земледелия для открытых полей, построения умных теплиц и других применений.