[Колонка Ли Чхун Хо] Архитектура данных полного цикла для умного сельского хозяйства: сначала стандартизация

[Колонка Ли Чхун Хо] профессор кафедры промышленной инженерии Университета Чонджу Ли Чхун Хо

Японская NARO(Национальная организация исследований в области сельского хозяйства·и пищевой промышленности)и ее японская платформа сельскохозяйственных данных WAGRI работают с целью разработки новых сельскохозяйственных технологий и сервисов за счет того, что производители сельскохозяйственной техники и компании в сфере AI и других ICT технологий становятся пользователями данных, предоставляемых вовне. Была создана платформа, используемая в различных исследованиях и бизнес-проектах за счет обеспечения данных государственного и частного секторов, таких как погода, почвы, сельхозугодья, прогнозирование роста, и стандартизации данных в формате API. Данные разделяются на открытые государственные данные и закрытые данные, принадлежащие фермерам, и стремятся к стандартизации с применением технологий безопасности. Для заблаговременного реагирования на аномальные погодные явления, болезни и вредителей проводится полевая апробация посредством сбора и анализа данных, WAGRI и через платформу реализуется персонализированное земледелие, при котором данные о росте и среде, сельскохозяйственной статистике и т. п. собираются·обрабатываются и затем предоставляются фермерам. 

США·Европа также конкурируют в стандартизации данных…спутники·AI повышают точность статистики

Эту тенденцию легко увидеть и в сельском хозяйстве США·Европы, а Министерство сельского хозяйства США(USDA) в сотрудничестве с Национальным управлением по аэронавтике и исследованию космического пространства(NASA) и другими структурами продвигает пилотный проект по улучшению сельскохозяйственной статистики с использованием спутниковых снимков, чтобы повысить точность статистики. USDA через Национальную службу сельскохозяйственной статистики(NASS) для повышения добавленной стоимости предоставляемых данных сосредоточено не просто на владении данными, а на их индустриализации посредством интегрированного управления. Системное сельское хозяйство, повышающее производительность и точность статистики с использованием передовых технологий, таких как спутниковые изображения, AI, почвенные и экологические датчики, внедряется под названием агротех. Европейское пространство сельскохозяйственных данных(CEADS) создает стандартизированную экосистему, в которой фермеры, производители сельхозтехники, государственные учреждения могут надежно обмениваться производственными и экологическими данными, однако во всех странах в качестве практических проблем указываются бремя начальных инвестиционных затрат, нехватка цифровой инфраструктуры, и недостаточная стандартизация данных.

В Корее Управление развития сельских районов в настоящее время создало систему Сервиса информации о сельскохозяйственной науке и технологиях(ASTIS) для реализации ‘цифровой платформенной администрации’, однако для достижения эффективных результатов в сфере умной сельскохозяйственной техники и системы управления данными полного сельскохозяйственного цикла остается широкий круг задач, которые необходимо решить.

 Ключ к сельскому хозяйству данных — MAS ориентированная многоуровневая архитектура

Умное сельское хозяйство на основе данных включает интеллектуальные сети и управление данными, и ему необходимы функции принятия исполнимых решений на основе данных, а также создание результатов, формирующих значимую ценность из собранных данных. Для этого, как представляется, необходимо создать архитектуру, в которой через мультиагентную систему(MAS) несколько независимых агентов искусственного интеллекта выполняют свои роли, общаются и сотрудничают для решения общей цели. В агропромышленности фермер является производителем сельхозпродукции и одновременно потребителем сельскохозяйственных технологий. Однако сама аграрная отрасль имеет мелкомасштабную промышленную структуру без крупных компаний. Для интеграции ICT технологий в сельское хозяйство данных результаты сельского хозяйства данных будут зависеть от структурной стратификации различных сельскохозяйственных данных посредством проектирования мультиагентной системы, сбора качественных данных для разработки кооперативных агентов AI и активного участия ICT компаний в разработке с использованием информации API и зрелости технологий и компаний, но в реальности большинство компаний являются мелкими, поэтому они сталкиваются с проблемами устойчивого роста и привлечения высококвалифицированных кадров.

Через определение и классификацию MAS систем для автономного принятия решений в области сельского хозяйства данных цель стандартизированного сбора данных предприятиями, фермерами, государством, исследовательскими организациями и университетами, разработки технологий, связанных с сельским хозяйством данных, через API, и расширения полевой апробации не должна ограничиваться простой технологической системой; необходимо за счет подготовки кадров в университетах и апробации и коммерциализации систем(сельхозтехника, AI программное обеспечение автономного принятия решений и т. д.), разработанных на основе собранной информации, привлечь технологии и капитал смежных отраслей через AX помимо одной лишь сельскохозяйственной производительности. 

Доля сбора данных у субъектов умного сельского хозяйства 36.7%…недостатки уже на стартовой точке

В реальности, хотя правительство продвигает сельскохозяйственную AX как государственную задачу, обеспечение данных, являющееся отправной точкой умного сельского хозяйства, по-прежнему недостаточно, а восприимчивость фермерских хозяйств, согласно опубликованному Корейским агентством содействия сельскохозяйственным технологиям ‘Отчету об обследовании текущего состояния умного сельского хозяйства и анализе результатов за 2024 год’, такова, что среди субъектов умного сельского хозяйства(2564ед.) лишь 36.7% ответили, что собирают данные; это показывает, что практическое осознание сельского хозяйства данных низкое, и сбор и использование качественных данных в действительности затруднены. В настоящее время в стране действует платформа данных Управления развития сельских районов, предоставляются мониторинг среды выращивания культур и открытый сервис API, а Smart Farm Korea открывает различные наборы данных фермерских хозяйств, занимающихся выращиванием.

 ERP·MES подобная стандартная архитектура и подготовка SOP должны быть первыми

Следует обратить внимание на то, что упомянутая выше японская платформа данных WAGRI(WAGRI) внедрила систему на основе стандартных операционных процедур(SOP) , соответствующих инструкциям, которые фермерские хозяйства могут использовать самостоятельно, и хозяйства представляют результаты, такие как урожайность и эффективность работ. Предоставление возможности сравнивать результаты сельского хозяйства, ориентированного на данные, через апробацию и результаты традиционного земледелия фермерских хозяйств можно считать началом сельского хозяйства данных. В настоящее время Корея продвигает внешнее расширение сельского хозяйства данных, включая сельскохозяйственный спутник Управления развития сельских районов, однако, похоже, необходимо задуматься об архитектуре состава данных, необходимой для платформы сельскохозяйственных данных полного цикла, включая MAS для принятия решений. Умная фабрика в обрабатывающей промышленности была спроектирована на основе ERP, интегрированной системы управления реального мира, и MES, производственной исполнительной системы на основе интернета вещей, а собранные здесь данные сохраняются в киберфизической системе(CPS) и строится цифровой двойник.
Система сельскохозяйственных данных также работает в архитектуре схожей среды, и построение ERP и MES, соответствующих сельскохозяйственной среде, возможно через повышение уровня и стандартизацию умных ферм. Кроме того, необходимы стандартизация данных и проектирование архитектуры сельскохозяйственной системы полного цикла для подготовки стандартного состава мультикооперативной агентной AI системы автономного принятия решений в различных сельскохозяйственных работах и управлении выращиванием, а также соответствующих стандартных операционных процедур(SOP). Нужны модели конвергенции различных отраслей, а поскольку фермерским хозяйствам трудно самостоятельно собирать·анализировать данные, необходимо готовить специалистов по визуализации и анализу данных и появление соответствующих компаний, а также нужна политическая поддержка для предоставления решений, необходимых для повышения производительности фермерских хозяйств и улучшения окружающей среды, и создания экосистемы притока компаний, связанных с ICT. Благодаря этому необходимо непрерывно распространять результаты апробации повышения производительности и климатического реагирования на основе стандартизации данных для обеспечения полезности умного сельского хозяйства и построенной с их использованием мультиагентной системы(MAS), а первоочередно требуется выращивание компаний, способных промышленно использовать построенные данные, и подготовка кадров.

В случае фермерских хозяйств, учитывая практическую проблему, при которой они являются производителями сельхозпродукции и одновременно потребителями сельскохозяйственных технологий, но им трудно реализовать экономию на масштабе, для появления компаний, создающих производственные системы и платформы с использованием сельскохозяйственных данных, государственным мерам поддержки необходимо выйти за рамки простого упора на поддержку исследований и разработок. Для данных о росте культур и окружающей среде, которые могут использовать платформу данных умного сельского хозяйства, а также платформы данных полного цикла, необходимой для капиталоемких отраслей, таких как умная сельхозтехника, в первую очередь необходимы создание стандартной архитектуры и подготовка способов ее использования как ‘корейского стандарта умной фермы 4-го поколения’(предварительное название). Кроме того, для технологий безопасности данных и создания добавленной стоимости, похоже, также необходимы усилия в каждой области и изменение общественного восприятия с точки зрения развития отрасли. 

[Источник] 
1. Сок Чжун Хо, 2024, “Тенденции в сельскохозяйственной сфере, связанные с AI, и политические выводы”, «Мировое сельское хозяйство», осенний выпуск 2024 года
2. Син Дон Чхоль, 2019, “Текущее состояние использования сельскохозяйственных больших данных в Японии”, «Мировое сельское хозяйство», июльский выпуск 2019 года
3. Но Си Ён и др., 2020, “ Исследование способов построения платформы сельскохозяйственных больших данных для активизации умного сельского хозяйства”, Корейское общество технологий знаний и информации Vol.15. No.5, pp 915-923
4. Платформа больших данных Smart Farm https://www.n-farm.kr/home/
5. Платформа данных сельскохозяйственных технологий(Управление развития сельских районов) https://adp.rda.go.kr/portal/pub/main.do
6. AI помогает выращивать растения(результаты умного сельского хозяйства на основе данных), Electronic Times 2025.11.20. https://www.etnews.com/20251120000276
6. Amine Roukh и др., 2020, “Big Data Processing Architecture for Smart Farming”, January 2020, Procedia Computer Science, 177:78-85. https://www.researchgate.net/figure/WALLeSMART-system-components_fig1_346870440