Developing a digital twin framework and smart sensors gateway for monitoring soil and environmental conditions to detect anomalies and to predict crop health
R. Karothia & M. K. Chattopadhyay
School of Electronics, Devi Ahilya University, Indore, Madhya Pradesh, India
本文面向精准农业场景，提出了一个结合智能传感网关与数字孪生的土壤—环境监测框架，用于实时采集农田土壤和环境数据、识别异常状态并预测作物表现。研究强调通过多源感知、边缘/云端协同与数字映射提升农业监测的实时性、可视化和决策支持能力，为农业数字孪生在异常预警和产量预测中的落地提供了可行路径。
文章指出，全球粮食需求增长、环境压力加剧以及传统土壤检测成本高、周期长，使农业迫切需要更实时、更低成本的感知与决策手段。现有农业数字化研究虽已引入IoT、AI和机器学习，但不少系统仍停留在单点感知或概念验证阶段，缺乏将异构传感、虚拟映射与预测分析整合为统一体系的完整框架。为弥补这一缺口，作者提出融合数字孪生、嵌入式系统和智能传感网关的农业监测方案，以实现异常预警和作物健康管理。
本节围绕农业土壤与环境参数分析，构建了一套完整的数字孪生框架及便携式智能传感网关（SSG）系统。作者希望通过低成本手持式节点，在农田现场实时获取NPK、土壤水分、土壤温度、VOC、空气温度和空气湿度等关键指标，并将这些数据接入云端和数字孪生模型，从而支持作物健康监测与智能决策。
2.1 提出的软件分层架构
作者提出了“Digital Twin Agriculture Sensor to Cloud（DTASC）”分层架构，将系统划分为物理感知层、网络传输层、数据采集与分析层、应用层以及用户管理与安全层。
物理层负责采集土壤温度、水分、空气温湿度、VOC等信息；网络层采用Wi-Fi等通信方式实现数据上云；数据层融合数据库、机器学习与深度学习进行分析；应用层以数字孪生形式呈现农田与设备状态，并支持可视化和决策服务；安全层则保障身份认证、访问控制与系统完整性。该结构体现了从“传感—传输—分析—孪生—反馈”的完整闭环。
2.2 数字孪生概念框架
在数字孪生概念层面，作者将系统划分为物理层、数据建模层和虚拟孪生层。
物理层包括农田、传感器、喷灌装置和作业人员等真实实体；数据建模层负责采集、清洗和组织实时数据；虚拟层则基于实时与历史数据构建农田及设备的2D/3D数字映射。该框架强调数字孪生不仅用于状态可视化，更通过历史—实时数据融合和机器学习实现设备故障预判、施肥建议、病虫害识别及农机健康管理，从而使虚拟模型具备预测与决策能力。
2.3 提出的SSG系统硬件架构
硬件部分设计了一套便携式智能传感网关，集成空气温湿度、土壤水分、土壤温度、NPK和VOC等多种传感器，并采用嵌入式微控制器、显示模块、电池供电及3D打印外壳进行封装。系统支持移动热点或Wi-Fi接入，使用开源硬件平台和C++逻辑实现现场采集与边缘处理。作者强调，这种便携式一体化设计兼顾了农业场景下的低成本、可移动性和现场部署便利性，是整套数字孪生系统与真实农田之间的关键接口。
2.4 Web应用与云服务器
在软件实现上，作者开发了基于PHP、HTML和MySQL的私有化Web应用与云端数据库系统。前端界面提供实时与历史数据查看、设备管理和农田虚拟展示；后端负责数据处理、存储以及与物理实体和传感器的通信。系统通过从传感器到云端、再到用户端的完整数据流，将现场感知结果实时映射到数字孪生界面中，使用户可以在Web端同步查看农田状态和传感数据。
2.5 数据库模式设计与实体关系
作者使用MySQL构建数据库，主要包含用户信息表（UserInfo）和智能传感网关数据表（SmartSensorGateway）。前者存储用户ID、邮箱、密码、设备编号和用户名，后者记录设备ID、位置、时间戳及多类传感器读数。两表之间通过用户ID建立一对多关系，从而实现用户、设备和多时序传感数据的统一管理。这一设计为系统的实时监测、历史回溯和数据分析提供了稳定的数据支撑。
本章围绕所构建的农业环境数字孪生监测系统开展实验验证与结果分析，重点考察土壤与环境参数采集、异常识别以及作物状态预测的实际表现。结果表明，智能传感网关与数字孪生框架能够较稳定地实现多源环境数据的实时获取与同步映射，并在异常检测与作物生长趋势判断方面体现出较好的应用潜力。
作者同时结合实验现象讨论了系统在复杂农业场景中的适应性、数据传输可靠性以及模型预测能力，说明该框架具备面向精准农业监测与智能决策支持的可行性。
本文提出了一套面向精准农业的完整数字孪生—IoT框架，并通过便携式智能传感网关实现了土壤与环境多参数实时采集、虚实同步、异常检测和预测分析。
实验结果表明，系统能够较准确地测量土壤NPK，揭示土壤水分对养分行为的显著影响；基于VOC的异常检测可用于早期植物胁迫识别，其中Isolation Forest识别准确率达到94.8%，响应时间低于5 ms；在预测分析中，结合异常过滤的随机森林模型在土壤水分和温度预测中取得R²分别为0.9799和0.9810。
总体来看，该研究不仅具有明确的数字孪生特征，而且在农业现场监测、预警和智能决策方面展现出较强的应用潜力。
