基于大语言模型推理的数字孪生平台蔬菜作物生长模型研究OACSTPCD

[目的/意义]利用数字孪生技术实现对无人农场的实时监管和虚实映射控制是新一代农业信息化技术的核心需求之一,但由于蔬菜生长模型过于复杂,难以在数字孪生平台中建立作物预期模拟,因此结合人工智能技术实现作物生长自动建模成了领域迫切需要的关键技术。[方法]在蔬菜作物数字孪生平台中引入大语言模型技术,通过预训练大语言模型的推理能力实现蔬菜生长数字孪生平台中准确的蔬菜作物生长模拟。为了使大语言模型具有关于蔬菜作物生长的更多知识和推理能力,首先收集了大量连续的蔬菜生长数据,用于预训练和指令微调;随后设计了阶段式大语言模型智能体集合,由一个预测蔬菜生长阶段的管理型智能体和负责各个阶段的智能体组成,根据数字孪生平台提供的实时数据对蔬菜作物生长进行建模。[结果和讨论]根据气候、土壤、灌溉、施肥、病虫害、生长日期等蔬菜生长状态信息,所建模型能够预测次日的作物长势,且能根据数字孪生平台的作物管理模拟实现几天甚至几个月的长势预测。通过十折交叉验证证明,该方法使得大语言模型在进行蔬菜作物生长建模时的准确率达到98%,蔬菜生长阶段识别准确率高达99.7%。[结论]研究表明大语言模型能够在特定数据微调后,实现对于数字孪生平台中作物生长的一般性推理,且能平滑过渡到作物生长的不同阶段。