[论文解读] Real-time Geoinformation Systems to Improve the Quality, Scalability, and Cost of Internet of Things for Agri-environment Research

Bryan C. Runck, Bobby Schulz+42 more|arXiv (Cornell University)|Mar 28, 2024

Smart Agriculture and AIAgricultural and Biological Sciences被引用 3

一句话总结

本文提出了一种开源、实时的地理信息系ystem，用于农业与环境研究，通过整合开源硬件、标准化软件及可持续的公私合作商业模式，显著提升了物联网部署中的数据质量、可扩展性与成本效益。该系统已在四大洲实现大规模、互操作的传感器网络部署，支持通过可靠、高分辨率时空数据管道开展人工智能驱动的研究。

ABSTRACT

With the increasing emphasis on machine learning and artificial intelligence to drive knowledge discovery in the agricultural sciences, spatial internet of things (IoT) technologies have become increasingly important for collecting real-time, high resolution data for these models. However, managing large fleets of devices while maintaining high data quality remains an ongoing challenge as scientists iterate from prototype to mature end-to-end applications. Here, we provide a set of case studies using the framework of technology readiness levels for an open source spatial IoT system. The spatial IoT systems underwent 3 major and 14 minor system versions, had over 2,727 devices manufactured both in academic and commercial contexts, and are either in active or planned deployment across four continents. Our results show the evolution of a generalizable, open source spatial IoT system designed for agricultural scientists, and provide a model for academic researchers to overcome the challenges that exist in going from one-off prototypes to thousands of internet-connected devices.

研究动机与目标

• 解决在农业与环境研究中大规模、实时物联网系统部署所面临的可扩展性与数据质量挑战。
• 克服阻碍原型传感器向生产级、田间部署系统转化的“物联网扩展鸿沟”。
• 构建一个可持续的开源地理空间物联网生态系统，支持学术研究与公私合作。
• 通过标准化软件、数据库与数据质量保障工作流，实现互操作性与长期数据完整性。
• 建立一种成本效益高、由机构支持的模型，用于在多样化研究领域中部署数千个联网传感器。

提出的方法

• 设计并部署一个开源空间物联网堆栈，包括定制硬件记录仪、固件及基于云的数据处理管道，实现实时数据摄入。
• 实施实时数据质量控制机制，以在数据采集过程中检测并纠正错误，确保分析就绪的数据集。
• 采用模块化、版本控制的软件架构，共17个系统版本（3个主要版本，14个次要版本），支持迭代开发与部署。
• 与机构基础设施集成，包括明尼苏达大学超级计算研究所与DRUM，以实现长期数据归档。
• 建立双层商业模式：内部用户采用成本定价，外部合作伙伴采用补贴性、创收定价，以支持研发可持续性。
• 采用技术成熟度等级（TRL）框架，指导系统从原型向多个研究领域中成熟、田间部署应用的演进。

实验结果

研究问题

• RQ1 如何设计开源地理空间物联网系统，以在农业研究中实现大规模、高数据质量与实时处理？
• RQ2 在学术研究环境中，哪些机构与商业模式能有效支持开源物联网系统的长期部署？
• RQ3 标准化软件与硬件组件在多领域农业与环境传感中，能在多大程度上提升互操作性并降低开发成本？
• RQ4 将实时数据质量保障集成到物联网数据管道中，如何提升人工智能/机器学习训练数据集的可靠性与实用性？
• RQ5 公私合作伙伴关系在将开源物联网系统扩展至数字农业领域、超越学术原型方面，发挥何种作用？

主要发现

• GEMS传感系统已在四大洲成功部署超过2,727个物联网设备，证明了其在真实农业与环境研究场景中的可扩展性。
• 通过实时验证与错误检测，系统实现了高数据质量，减少了人工数据清洗，提升了人工智能/机器学习应用的数据集可靠性。
• 开源硬件与固件设计实现了低成本制造与快速迭代，设备在学术与商业环境中均可生产。
• 双轨商业模式——内部用户采用成本定价，外部合作伙伴采用补贴性定价——支持了研发的可持续性，并推动了公私合作以保障系统长期可行性。
• 与机构基础设施（如明尼苏达大学超级计算研究所、DRUM、GEMS平台）的集成，确保了数据持久性、可发现性与研究生命周期内的可复现性。
• 系统历经17个版本（3个主要版本）的演进，证明了模块化、版本控制方法在构建稳健、生产级科学物联网系统方面的可行性。