基于数字孪生的烟田管理系统

詹莜国 李洪明 李伟 杨兴党 麻莉娜 吕明站

摘要 烟草农业已通过实施设施农业和全程机械化等手段来提升烟叶的生产效率、烘烤烟草的品质以及农民的收益，但在烟田管理上仍然面临由非线性、互馈性、多尺度等难题带来的效率低下问题。采用数字孪生理论和技术，以昆明地区的烟田管理系统为研究对象，设计多要素物联网数据采集装置，结合无人机倾斜摄影技术，建立一种以虚控实的数字化在线推理和反馈体系的烟田数字模型，以烟草氮元素管理为实践应用，实现了数据驱动的烟田农事管理。结果表明，数字孪生技术能显著提升烟草农业的管理效率，其中氮元素管理服务效率提升71%。数字孪生技术在烟田管理的全过程中都有广泛的应用潜力，为烟草农业的数字化转型提供应用参考。

关键词 数字孪生；烟田管理；虚拟模型；倾斜摄影；氮元素管理

中图分类号 S 126  文献标识码 A

文章编号 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

基金项目 中国烟草总公司云南省公司科技项目（2020530000241029）。

作者简介 詹莜国（1981—），男，湖南常宁人，高级农艺师，硕士，从事烟草绿色生产新技术与推广研究。*通信作者，中级工程师，硕士，从事智慧农业研究。

收稿日期 2023-07-20；修回日期 2024-02-27

2020年，在我国“十四五”规划和2035年远景目标纲要中，明确指出“加快数字化发展，建设数字中国”［1］，同时对数字农业进行了明晰的应用场景描述。烟田作为烟草农业的基础生产要素，是烟草农业最先开展数字化研究的领域，国内外很多国家和地区省份通过卫星遥感、无人机等手段获取烟田多尺度图像数据，构建烟田数字化地图［2-8］。在该底图基础上，研究人员结合其他自然数据开展了地形地貌、土壤肥力、病虫害监测、灾害评估、种植区划分类等［9-12］方面的研究。

近年来互联网、物联网技术、数字孪生技术在数字农业和烟草工业中得到了大量应用，如智慧农业系统中的三维可视化、智慧化的表型组学研究、大数据应用的精准滴灌、数字孪生应用等［13-16］。刘光亮等［17-19］提出了烟草科学大数据、数字化育种、智慧烟叶生产等方向；烟草工业采用数字孪生来实现实体和虚拟信息体之间的融合，实现物流、仓储的人、机、料、法、环数据驱动的过程管理［20-21］。

参照数字孪生在烟草工业中的应用，烟草农业数字孪生系统可以通过物联网手段建立烟田的准实时数字化镜像，基于专家知识进行超实时推演来制定生产决策，再通过设施农业交互反馈来对烟叶生长发育实现影响。数字孪生的应用，为烟草农事管理实现智能化、无人化、标准化提供技术基础。

目前，数字孪生技术在烟草农业的应用还鲜见公开的研究成果，因此在前人利于数字孪生开展烟草工业和其他农业的基础上，笔者以典型的昆明烟田管理系统为例，采用数字孪生的技术思想，设计了一套全要素的烟田管理系统，集成了一套8要素物联网采集装置，对当地烟田进行了数字虚拟建模，最后以氮元素缺失监控为应用点予以应用，验证了对应数字孪生技术的能力和价值。

1 材料与方法

1.1 系统定义

根据烟田的基本农田属性和烟叶自身生长的要求，该研究对于数字烟田管理系统的关键采集数据进行归纳总结和合并，定义了6个属性描述为其基本数字化内容，具体内容见表1。

1.2 总体设计 基于数字孪生构建烟田管理系统，其包括数据采集、数据存储、业务服务和前台系统4个组成部分，系统架构设计见图1。

业务系统采用微服务模式设计，微服务包括各类微服务组件的集合和微服务组件的管理能力，通过微服务层管理功能对各微服务组件的注册、调用、配置进行有效管理。

1.2.1 关键技术设计。

1.2.1.1 数字建模技术。建立数字孪生体是数字孪生技术区别于物联网监控技术、专家决策系统等其他技术手段的最关键任务。数字孪生体是将现有物理世界的烟田进行数字建模，通过实测、仿真和数据分析来实时感知、诊断、预测，同时通过模型来发出指令，调控对应的生产参数。因此，该研究首先采用无人机对烟田进行倾斜摄影，在三维渲染中，对烟区进行单体化套合，采用Unity3d进行3D建模，使用WebGL和VUE实现数字孪生体。

1.2.1.2 云化技术。基于数据应用云化理念，打造数据应用的统一交付平台。基于微服务架构实现数据应用的统一交付，有效解决数据应用的开发建设和用户体验的问题。烟田管理系统中，报表、指标、可视化图表等需要的量比较大，因此该研究采用云化的统一组件进行交付，能实现更加高效的应用展示和大数据创新。

1.2.1.3 人工智能技术。ChatGPT［22］的出现，体现了人工智能在多模态全场景上面的技术优势。数字孪生系统使用传感器采集信息会涉及多场景的视频、音频、文本、结构化数据，因此系统设计需要支持人工智能技术的应用，如引入Transformer［23］，因此在系统中包括支持AI计算框架PyTorch、AI服务及开发部署、模型管理、AI应用环境等。

1.2.2 采集和数据处理。

数据平台层提供数据支持，数据平台获取业务系统或者其他三方接口活动的多维数据，包括气候、土壤、地理信息、无人机遥感等，实现对数据的管理功能，并把运行和分析结果反馈给业务平台。

1.2.3 服务平台。

服务平台提供整个系统的核心业务功能，包括数字烟田、农事管理、智能盘点、可视化建模模块、数字生长、趋势反演。数据驱动业务的方式采用基于专家先验知识、业务流程、人工智能算法形成的模型，根据系统设置的阈值来驱动触发对应的业务流程。

1.2.4 前台运用。前台运用包括微信小程序、业务系统前端等，核心是前台应用更加直观和智能。对反馈结果的展示和时空结合，不再是静态固定数据。

1.3 实现方法

1.3.1 数据采集。

该研究设计了一套大田可视化物联网采集装置和一套无人机机载作业监控装置。

大田采集装置中，基于低功耗数据采集技术可以实现“生、气、水、土”多要素数据的自动采集和无线传输，具体结构如图2所示。其主要技术特点如下：①实现烟田“生、气、水、土”多要素数据采集；②基于云端图像AI识别技术，实现烟田冠层、高度的自动识别；待机功耗小于5 mw；③无人值守，太阳能供电，支持4G/LORA组网/卫星通信；④远程控制，可通过软件远程修改相机拍照时间，可间隔拍照或选定某个时刻拍摄；⑤可通过软件远程修改数据采集与数据上传时间，可间隔上传或定时上传。

1.3.2 烟田可视化建模。

采用无人机倾斜摄影的方式建模是可视化的常见方法。在无人机完成倾斜摄影后，建立三维点云，构建TIN网，构建白模，进行映射纹理贴图。因为烟田中有烟草基础设施，如大棚、水路、仓库、烤房、烟田等，数字孪生技术需要对单个要素进行定义。因此，通过倾斜摄影单体化对各个要素进行区分，采用将三维矢量数据贴合在特定的空间位置，形成对目标模型的贴合，然后对属性进行定义或者扩充。完成烟田可视化建模。空间数据采用Arcgis 10.2完成数据融合。

1.3.3 基于微服务的软件框架建设。

系统架构采用 B/S 模式，主要包括数据处理模块、中间件模块、应用模块等，具体功能包括用户管理、菜单管理、权限管理、无人机管理、基本日志管理、烟田数据分析、数据管理分析、模型开发、专题管理等。系统开发框架为VUE+WebGL+Unity3D，开发环境为IDEA，开发语言为JAVA和C#，数据库为MySQL。缓存使用Redis，安全框架使用Apache Shiro。

系统底层主要模块包括GIS基础功能、农机设备数据管理、烟田数据信息等。

1.3.4 智能化应用方案。

系统的应用模块都以数据驱动为核心，以提高效率，规范管理为目标来进行设计和试验，具体模块如下：①数字生长。通过对应品种生长的专家知识，对目前品种的烟叶生长速度、对应的产量、品种进行预测，指导生产用水、用药、用肥的精准处方建议。②智能盘点。每天自动盘点仓库、物资、农机等，降低临时、重复搬运生产资料的成本。③电子看板。将烟技员需要查看的数据，汇总成量化数据，在手机和大屏实现电子看板。④预警预报。通过后台数据设置，在发现有对应的灾害和问题时，直接一键直达烟技员。

2 结果与分析

2.1 基础信息采集和建模

试验区倘甸隶属于云南省昆明市寻甸回族彝族自治县，地处寻甸回族彝族自治县西北部，区域总面积21 200 hm2。倘甸镇耕地总面积2 733 hm2，有旱地、水田，主要种植烤烟、玉米、水稻等作物，其中烤烟种植面积533 hm2，安装的烟田生态信息采集设备见图3。

使用大疆M300RTK无人机搭载大疆P1可见光相机获取研究区烟田的倾斜摄影，设置参数为表2所示。

无人机完成倾斜摄影后，采用PIX4D进行数据处理，完成烟田建模，建模界面见图4。

2.2 数据驱动业务应用

该研究以氮元素管理为典型应用，进行了数字孪生系统能力应用验证。其中，烟叶叶片氮含量（leaf nitrogen content，LNC）是对评价烟草品质的重要指标，烟草缺氮或者过度施用氮肥，都会导致品质下降，因此对氮含量进行监控并及时调整，对烟草产量和品质把控有重要价值。

通过前期研究，对烟叶叶片含氮量LNC进行了建模，选取与氮素相关的差值植被指数（DVI）、绿色归一化差值植被指数（GNDVI）、改进非线性植被指数（MNLI）等11个植被指数和5个波段反射率，共计16个光谱变量对烟草氮含量（LNC）进行估算。利用回归模型的显著性水平和回归模型回归参数的显著性水平相结合的准则，构建烟叶LNC估计模型，得到最优回归方程如公式（1）所示。

y=b1×x-b0（1）

式中：b1=1.497 5；b0=1.246 3。

由图5可知，系统通过设置的氮元素数值变化，带入模型进行运算，发现发生区域和LNC数值达到既定阈值，系统演算得出存在氮缺失，必须进行小范围施肥作业，孪生系统推送该消息到烟农、烟技员。

烟农或烟技员根据系统信息，在烟田现场查看确认后，当即通过微信小程序“空中烟农”发布施肥作业需求［24］（图6）。服务机构可以根据自己的服务能力、位置、价格等响应对应的服务需求，双方按照孪生系统定义的流程进行线上合同签订和作业。

整个数据驱动业务的流程实现了农事管理的及时发现、反馈和处置，处理速度从传统的7 d左右缩短到了2 d，同时给出了需要处置的面积，明确了农资的需求数量和品种，降低了药剂药械的损耗。

3 结论

通过将数字孪生技术关键的数据采集、系统建模、系统反馈、可视化服务、智能化演算在烟草农业进行研究和分析，应用于氮元素管理服务上，既实现了数据驱动业务和工作协同的目的，又实现了降低工作成本，其中通过虚实结合，实现氮元素管理效率提升71%。烟田数字化是实现智慧烟草的第1步，采用更多新的技术手段会让数字发挥更多价值，如边缘计算［25］等，在此基础上实现网络化、智能化，通过数字提供服务，实现可持续高效的现代农业。今后，可以参照数字孪生的6个成熟度模型［26-27］，逐步建立烟草农业数字化成熟度等级，为将来建立高效烟草农业打下坚实基础。

参考文献

［1］ 国家发展和改革委员会.加快数字化发展 建设数字中国［M］//国家发展和改革委员会.中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要.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］ 蒙继华，程志强，董文全，等.面向精准农业的农田信息遥感获取系统［J］.高技术通讯，2018，28（6）：477-487.

［4］ 杜蒙蒙，刘颖超，姬江涛，等.基于无人机与激光测距技术的农田地形测绘［J］.农业工程学报，2020，36（22）：60-67.

［5］ 冉颖杭，谢天铧，霍连飞，等.农田背景噪声下的土壤结构体数字图像信息特征［J］.江苏农业学报，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，代飞，阳成刚，等.基于多尺度遥感和精密定位的烟田数字化识别方法［J］.农技服务，2019，36（7）：47-50.

［8］ 唐艾，罗贞宝，方圆，等.多尺度遥感和精密定位的烟田数字化识别和技术应用效果分析［J］.大科技，2020（43）：217-218.

［9］ 刘国顺，常栋，叶协锋，等.基于GIS 的缓坡烟田土壤养分空间变异研究［J］.生态学报，2013，33（8）：2586-2595.

［10］ 蔡长春，邓环，赵云飞，等.湖北省植烟区生态气候因子的主成分分析和区域划分［J］.烟草科技，2011，44（2）：64-69.

［11］ 李蒙，朱勇，吉文娟.基于GIS 的云南烟区冰雹灾害风险评价［J］.中国农业气象，2012，33（1）：129-133.

［12］ 马云强，李宇宸，刘梦盈，等.基于无人机多光谱影像的云南切梢小蠹危害监测反演研究［J］.西南农业学报，2021，34（9）：1878-1884.

［13］ 杨文庆，刘天霞，唐兴萍，等.智慧农业背景下的植物表型组学研究进展［J］.河南农业科学， 2022，51（7）：1-12.

［14］ 赵迪，杨阳，陈立伟.农作物生产三维可视化仿真系统设计与应用：以怀地黄为例［J］.河南农业科学，2022，51（10）：169-180.

［15］ 郑蕾娜，王易玄，刘美玲，等.基于数字孪生的智慧农业云服务关键技术研究［J］.浙江万里学院学报，2022，35（5）：84-90.

［16］ 顾生浩，卢宪菊，王勇健，等.数字孪生系统在农业生产中的应用探讨［J］.中国农业科技导报，2021，23（10）：82-89.

［17］ 刘光亮，徐茜，徐辰生，等.烟叶生产大数据管理信息系统设计及应用［J］.中国烟草科学，2019，40（2）：92-98.

［18］ 宋常迎，郑少锋，郑雯雯.“十四五”时期数字农业关键技术发展的创新路径［J］.科学管理研究，2022，40（1）：79-85.

［19］ 李中皓，毛健，曹培健，等.数字化转型：中国烟草科技创新发展的必然选择［J］.烟草科技，2022，55（1）：1-8.

［20］ 卢志敏，饶伟，江琳，等.数字孪生技术在烟丝库的应用研究与实现［J］.自动化仪表，2022，43（10）：91-95，100.

［21］ 尚立新，李常非，桑腾，等.数字孪生模型在烟草智能仓储中的应用［J］.数字技术与应用，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］ 邓巍，陈立平，张瑞瑞，等.无人机精准施药关键技术综述［J］.农业工程，2020，10（4）：1-10.

［25］ 黄成龙，柯宇曦，华向东，等.边缘计算在智慧农业中的应用现状与展望［J］.农业工程学报，2022，38（16）：224-234.

［26］ 陶飞，张贺，戚庆林，等.数字孪生模型构建理论及应用［J］.计算机集成制造系统，2021，27（1）：1-15.

［27］ 陶飞，张辰源，戚庆林，等.数字孪生成熟度模型［J］.计算机集成制造系统，2022，28（5）：1267-1281.