数字孪生与物联网集成的虚拟温室智能管理:统一VR–DT–IoT实时双向交互架构

《Scientific African》:Integration of Digital Twin and IoT for Virtual Greenhouse Management

【字体: 大 中 小 】 时间:2026年09月26日 来源:Scientific African 3.7

编辑推荐:

  研究人员提出了一种融合虚拟现实(Virtual Reality, VR)、数字孪生(Digital Twin, DT)与物联网(Internet of Things, IoT)的统一虚拟温室管理架构,实现了物理温室与其虚拟孪生体之间的实时双向同步。该架构支持三

  
研究人员提出了一种融合虚拟现实(Virtual Reality, VR)、数字孪生(Digital Twin, DT)与物联网(Internet of Things, IoT)的统一虚拟温室管理架构,实现了物理温室与其虚拟孪生体之间的实时双向同步。该架构支持三维空间可视化与多传感器数据的动态映射,以增强管理决策能力;同时采用以人为中心的设计理念,整合数字建模、IoT感知与VR反馈,以支持操作学习与认知参与。实验结果表明,VR–DT组实现了最大的错误率下降(–43%),任务效率显著提升(相对时间改进指数RTI≈39.4%)。系统可用性测试(System Usability Scale, SUS)综合得分为3.84/5,表明用户满意度较高,验证了通过无缝的物理–信息融合,VR–DT–IoT技术在可扩展性与实际采纳方面具备良好潜力。
**一、研究背景与问题**

受控环境农业正面临气候波动、资源稀缺与管理复杂度上升等多重挑战。尽管传感器数据日益丰富,但将其转化为可理解、及时且可持续的作物管理决策仍存在显著鸿沟,这一问题在非洲尤为突出——作物生产力高度依赖环境变化、资源利用效率低,且高端决策支持技术难以获得。现有研究多将建模、感知与可视化作为独立模块,缺乏一个端到端系统,能够同时实现混合传感器数据流传输、虚拟温室的实时更新,以及操作决策影响的反馈评估。此外,传统培训方式成本高、存在风险且难以重复,而虚拟仿真环境可为操作人员提供无风险的关键响应演练。

针对上述问题,研究人员提出了一种基于VR的DT–IoT架构,旨在弥合物理温室与数字模型之间的鸿沟,实现实时监控、预测、控制与闭环自动化,并通过交互式人机界面支持体验式培训、态势感知与决策预演,从而提升操作效能与人员能力发展。

**二、研究内容与结论**

研究人员设计并实现了一套完整的VR–DT–IoT原型系统,包括嵌入式IoT感知层、实时数字孪生以及基于VR的沉浸式用户界面。该系统以Unity3D构建高保真3D温室模型,通过MQTT协议与Node-RED中间件实现传感器数据流的实时接入与语义映射,支持用户在虚拟环境中进行导航、监控、执行器控制与历史数据可视化分析。案例研究采用设计科学研究(Design Science Research, DSR)方法论,招募23名无VR经验的受试者,分为VR–DT组(N?=8)、2D计算机组(N?=7)和真实设备组(N?=8),通过初始、训练和最终三个阶段的任务完成时间与错误数来评估训练效果。结果显示,三组在任务完成时间上均有显著改进(p<0.01),其中VR–DT组改进最大(p<0.001);在错误减少方面,真实组和VR–DT组均显著改善(p<0.01),而2D组未达到统计显著水平(p=0.072)。VR–DT组的错误率从初始的2.63±0.7降至最终的1.50±0.5,降幅约43%,相对时间改进指数(RTI)为39.4±6.9%。系统可用性量表(SUS)综合评分为3.84/5,表明用户接受度与满意度较高。

**三、主要技术方法**

研究人员采用了基于设计科学研究(DSR)原理的四阶段迭代方法论,包括文献综述与架构设计、系统规格定义、框架详细设计与原型创建验证。系统实现层面,使用Unity3D构建虚拟温室场景并以Blender建模,采用Raspberry Pi 4作为IoT网关汇聚多类环境传感器数据,Node-RED承担中间件数据处理与流转发,HiveMQ作为MQTT消息代理实现低延迟双向通信。虚拟模型通过C#脚本订阅MQTT主题完成传感器数据到虚拟对象的实时映射与同步更新。在用户研究中,采用配对t检验比较各组训练前后的任务完成时间与错误数,并综合SUS量表与RTI指标进行定量评估,参与者包括教授、学生、行政人员及农业领域专家。

**四、研究结果**

**案例研究**:系统架构实现了物理域与虚拟域的紧密耦合,传感器读数与执行器状态通过云MQTT代理与DT服务器保持双向实时同步,确保虚拟温室与物理环境的一致性与远程可操作性。

**智能温室解决方案部署**:用户通过VR界面与虚拟对象交互,经由MQTT命令控制物理执行器,虚拟与物理状态同步更新,形成闭环控制。实时多传感器数据以动态图表与三维空间叠加形式呈现,支持操作人员对温室环境进行主动管理。

**定量评估**:初始阶段VR–DT组耗时最长(77.5秒)且错误数最高(均值2.6),反映了虚拟环境的认知负荷;经过训练后,该组在错误率上实现了最大降幅(最终均值1.5),真实组与2D组分别为0.2和0.7。配对t检验表明三组任务时间均显著改善,VR–DT组的错误改进亦具统计显著性,证明沉浸式虚拟训练对于复杂情境下的技能习得与准确性提升具有长期效益。

**系统可用性量表(SUS)**:总体可用性均值为3.84/5,效率均值为3.39/5,显示系统在多数用户群体中获得良好接受度。不同年龄与职业类别间的评分差异较小,但45岁以上用户的效率评分(3.20)较低,提示界面设计需针对特定人群进行进一步优化。

**验证与评估**:通过与传统温室管理方式的对比,VR–DT–IoT平台将实时数据感知与人工操作便利性相结合,增强了操作智能、决策效率与用户满意度。迭代设计过程中纳入了用户对更多手势控制与更精细传感器数据显示的需求,进一步提升了系统的实用性与通用性。

**五、讨论与结论**

研究人员指出,该研究弥合了数字孪生分析与交互界面之间的割裂状态,证明了将沉浸式VR、实时DT与IoT反馈集成于统一工作流中的可行性。与仅支持单向数据传输或离线仿真的已有方案相比,该平台实现了与物理执行器的双向实时同步,并将操作员认知能力嵌入控制回路,有效支持了复杂环境下的错误减少与决策质量提升。对非洲受控环境农业而言,这套低成本的VR–DT–IoT系统在精准环境控制、数据驱动决策支持与气候风险应对方面具有直接应用价值,与非洲联盟《2063年议程》第5号目标及联合国可持续发展目标(SDG 2、6、9、13)中关于现代农业、可持续基础设施与气候适应能力的要求相契合。

综上,该研究展示了一种新的网络–物理融合范式,将实时同步、预测建模、沉浸式交互与执行器控制整合为统一的人机协同设计,标志着向农业数字化与智能化运营迈出了实质性步伐。研究结论表明,VR–DT–IoT系统能够显著提升温室运营的监控、控制与决策能力,同时为操作人员提供了安全高效的学习与技能训练环境。未来工作将引入人工智能以增强预测性分析与决策支持,并在更多农业场景中开展实地验证与用户测试,以推动平台的推广与应用。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号