РАЗРАБОТКА ПРЕДИКТИВНОГО ЦИФРОВОГО ДВОЙНИКА ПИЩЕВОГО ПРОДУКТА НА ОСНОВЕ EDGE ML И IOT-СЕНСОРОВ

Аннотация

В данной статье рассматривается исследование по разработке предиктивного цифрового двойника для пищевых продуктов с целью сокращения потерь и создания основы для интеллектуального управления качеством. Актуальность предлагаемого исследования во многом обусловлена необходимостью решения мировой проблемы потерь продовольствия и внедрения технологий Индустрии 4.0 в агропродовольственную отрасль. Основная идея заключается в разработке решения, в рамках которого состояние продукта в режиме реального времени будет контролироваться с помощью периферийных вычислений (Edge ML) путем использования данных, предоставляемых датчиками Интернета вещей, и прогнозирования его качества, например, остаточного срока годности. Подходы включают в себя интеллектуальные датчики (температуры, влажности, уровня газа), микроконтроллер ESP32 в качестве передатчиков собранных данных, протокол MQTT для передачи данных и прошивку Raspberry Pi 5, используемую для обработки данных на локациях. Предиктивный анализ с использованием XGBoost (Extreme Gradient Boosting). Эксперименты, проведённые на яблоках сорта Голден Делишес, показали, что модель градиентного бустинга обеспечивает очень высокую точность прогнозирования, поскольку показатель R² в обучающей выборке составил 0,9936. Эти результаты подтверждают большой потенциал технологии Edge ML как средства создания надёжных, энергоэффективных и динамичных цифровых двойников на основе данных в режиме реального времени. Практическая ценность данной работы заключается в том, что предлагаемый прототип может послужить основой для создания коммерческих систем мониторинга. Преимущество таких систем заключается в том, что они также помогут производителям и розничным продавцам проактивно управлять запасами и логистикой, тем самым сокращая потери, связанные с порчей, и повышая устойчивость пищевой промышленности.