非理想条件下基于数字孪生的天气驱动农业决策
机器学习
2026-02-17 v2
摘要
通过提供物理系统的动态、实时虚拟表示，数字孪生技术可以增强数字农业中的数据驱动决策。我们的研究展示了数字孪生如何用于检测农业天气数据测量中的不一致性，这些数据是各种农业决策和自动化任务的关键属性。我们开发了一个名为 Cerealia 的模块化框架，该框架允许终端用户在无法获得完美天气数据时检查数据不一致性。Cerealia 使用神经网络模型来检查异常，并帮助终端用户进行知情决策。我们使用 NVIDIA Jetson Orin 平台开发了 Cerealia 的原型，并使用在商业果园中建立的运行天气网络以及公开可用的天气数据集对其进行了测试。
引用
@article{arxiv.2508.08326,
title = {Weather-Driven Agricultural Decision-Making Using Digital Twins Under Imperfect Conditions},
author = {Tamim Ahmed and Monowar Hasan},
journal= {arXiv preprint arXiv:2508.08326},
year = {2026}
}
备注
ACM SIGSPATIAL 2025