Τεχνολογίες μεσισμικού και υπολογιστικού νέφους για την αυτοματοποίηση γεωργικών παραγωγικών συστημάτων μέσω ενσωμάτωσης στο διαδίκτυο των πραγμάτων

Abstract

Agriculture, as a foundational sector of primary production and a critical factor in global food security, is called upon to increase its productivity by approximately 60% by the end of the 21st century, according to estimates by the United Nations Food and Agriculture Organization (FAO). This demand, compounded by the rapidly growing global population and increasing pressure on natural resources, necessitates not only a quantitative but also a qualitative restructuring of agricultural practices, integrating sustainable intensification approaches that align with the principles of ecological management and biodiversity conservation. The concept of Agriculture 4.0, which has emerged in recent years as an adaptation of Industry 4.0 principles to the agricultural sector, focuses on advanced digitization and automation technologies, including the Internet of Things (IoT), cloud computing, artificial intelligence (AI), and big data analytics. These collectively aim to create a "smart" agricultural environment. The integration of these technologies within Precision Agriculture practices represents a significant advancement, allowing real-time data acquisition, condition monitoring, and decision-making that enhances efficiency, reduces waste, and optimizes resource use in agricultural production systems. In this data-rich and ever-evolving environment, sensor networks, as a core element of IoT, play an essential role in automating agricultural processes by enabling data collection from the physical environment, capturing a wide range of parameters (e.g., temperature, soil moisture, animal movement), as well as other critical information, depending on the application. However, the large and heterogeneous volumes of data generated by these networks pose significant challenges in data management, interoperability, and scalability, especially when real-time processing, analysis, and utilization are required. This doctoral dissertation proposes an approach that combines middleware and cloud computing technologies to develop an integrated system based on the Internet of Things, addressing the automation needs of modern agricultural production systems. The multi-layered, hierarchical structure of the proposed system provides a robust infrastructure for aggregating and analysing data from distributed sources in a central cloud environment, supporting large-scale operations adaptable to diverse agricultural settings. Additionally, the proposed middleware aims to achieve flexible connectivity, scalability, and high interoperability, facilitating the seamless integration and coordinated operation of various devices and platforms. A central feature of the middleware is its integration of context awareness, which enables continuous system analysis and real-time adaptation, improving the reliability and efficiency of data management in agricultural production systems and enabling the development of automated applications. In designing the middleware, special emphasis was placed on the framework for context modelling, which provides an expressive representation of the relationships and attributes of data, achieving semantic relevance and supporting inference, while also providing a flexible and adaptable foundation for automation in agricultural production systems. To validate the functional applicability and reliability of the proposed system, two case studies were conducted: one in a crop cultivation environment and the other in a livestock unit. The results of these evaluations highlighted the middleware's capacity to optimize data processing efficiency, offering actionable insights that support strategic decision-making in precision agriculture. The case studies also demonstrate the system's potential to support sustainable intensification goals, as well as proactive actions in response to climate change-induced phenomena. Overall, this dissertation is expected to make a substantial contribution to contemporary scientific knowledge, specifically in the field of Agriculture 4.0, by proposing an integrated, intelligent, and sustainable data management architecture. The proposed framework addresses key interoperability challenges across systems, enabling seamless collaboration among various technological platforms and applications. Simultaneously, it promotes the automation of agricultural production processes, thereby enhancing efficiency and sustainability in the agricultural sector. In this way, the dissertation is anticipated to support the implementation of practices that favour a more interconnected and efficient agriculture, harnessing cutting-edge technologies to address the challenges of modern agricultural production.

Η γεωργία, ως θεμελιώδης τομέας της πρωτογενούς παραγωγής και κρίσιμος παράγοντας για την παγκόσμια επισιτιστική ασφάλεια, καλείται να αυξήσει την αποδοτικότητά της κατά περίπου 60% έως το τέλος του 21ου αιώνα, σύμφωνα με τις εκτιμήσεις του Οργανισμού Τροφίμων και Γεωργίας των Ηνωμένων Εθνών (FAO). Αυτή η πρόκληση, η οποία εντείνεται από τον ταχέως αυξανόμενο παγκόσμιο πληθυσμό και την αυξανόμενη πίεση στους φυσικούς πόρους, απαιτεί όχι μόνο ποσοτική αλλά και ποιοτική αναδιάρθρωση των γεωργικών πρακτικών, η οποία να ενσωματώνει προσεγγίσεις αειφορικής εντατικοποίησης που συνάδουν με τις αρχές της οικολογικής διαχείρισης και της βιοποικιλότητας. Η έννοια της Γεωργίας 4.0 (Agriculture 4.0), η οποία αναδύεται τα τελευταία χρόνια, ως προσαρμογή των αρχών της Βιομηχανίας 4.0 (Industry 4.0) στον γεωργικό τομέα, εστιάζει σε προηγμένες τεχνολογίες ψηφιοποίησης και αυτοματισμού, συμπεριλαμβανομένων μεταξύ άλλων, του Διαδικτύου των Πραγμάτων (Internet of Things - IoT), του υπολογιστικού νέφους (cloud computing) της τεχνητής νοημοσύνης (Artificial Intelligence - AI), και της ανάλυσης μεγάλων δεδομένων (big data analytics), οι οποίες συλλογικά αποσκοπούν στη δημιουργία ενός «έξυπνου» γεωργικού περιβάλλοντος. Η ενσωμάτωση αυτών των τεχνολογιών στις πρακτικές της Γεωργίας Ακριβείας (Precision Agriculture) συνιστά μια σημαντική εξέλιξη, επιτρέποντας τη συλλογή δεδομένων σε πραγματικό χρόνο, την παρακολούθηση των συνθηκών και τη λήψη αποφάσεων που ενισχύουν την αποδοτικότητα, μειώνουν τη σπατάλη και βελτιστοποιούν τη χρήση των πόρων στα γεωργικά παραγωγικά συστήματα. Υπό αυτό το πρίσμα, στο διαρκώς μεταβαλλόμενο και πλούσιο σε δεδομένα περιβάλλον των γεωργικών παραγωγικών συστημάτων, τα δίκτυα αισθητήρων, ως θεμελιώδες στοιχείο του Διαδικτύου των Πραγμάτων, διαδραματίζουν ουσιαστικό ρόλο στην αυτοματοποίηση των γεωργικών διεργασιών καθώς επιτρέπουν τη συλλογή δεδομένων από το φυσικό κόσμο, καταγράφοντας ένα ευρύ φάσμα παραμέτρων (π.χ. θερμοκρασία, υγρασία εδάφους, κίνηση των ζώων) και πολλές άλλες κρίσιμες πληροφορίες, ανάλογα με την εφαρμογή. Ωστόσο, οι μεγάλοι και ετερογενείς όγκοι δεδομένων που παράγονται από αυτά τα δίκτυα δημιουργούν σημαντικές προκλήσεις στη διαχείριση της πληροφορίας καθώς και στη διαλειτουργικότητα και την επεκτασιμότητα των συστημάτων, ιδίως όταν απαιτείται επεξεργασία, ανάλυση και αξιοποίηση αυτών των δεδομένων σε πραγματικό χρόνο. Η παρούσα διδακτορική διατριβή προτείνει μια προσέγγιση, η οποία συνδυάζει τις τεχνολογίες μεσισμικού και υπολογιστικού νέφους για την ανάπτυξη ενός ολοκληρωμένου συστήματος που βασίζεται στο Διαδίκτυο των Πραγμάτων, προκειμένου να εξυπηρετεί τις ανάγκες αυτοματοποίησης των σύγχρονων γεωργικών παραγωγικών συστημάτων. Η πολυεπίπεδη, ιεραρχική δομή του προτεινόμενου συστήματος θεωρείται ότι παρέχει μια στέρεη υποδομή για τη συγκέντρωση και ανάλυση δεδομένων από κατανεμημένες πηγές σε ένα κεντρικό περιβάλλον νέφους, υποστηρίζοντας μεγάλης κλίμακας λειτουργίες που προσαρμόζονται σε ποικίλα γεωργικά πλαίσια. Επιπρόσθετα, το προτεινόμενο μεσισμικό αποσκοπεί στην επίτευξη ευέλικτης διασυνδεσιμότητα, επεκτασιμότητας και υψηλής διαλειτουργικότητας, καθιστώντας εφικτή την ομοιογενή σύνδεση και συντονισμένη λειτουργία διαφόρων συσκευών και πλατφορμών. Κεντρικό στοιχείο του μεσισμικού αποτελεί η ενσωμάτωση σε αυτό της λειτουργίας επίγνωσης πλαισίου (context awareness), η οποία επιτρέπει τη συνεχή ανάλυση και προσαρμογή του συστήματος σε πραγματικό χρόνο, βελτιώνοντας την αξιοπιστία και την αποτελεσματικότητα της διαχείρισης των δεδομένων στα γεωργικά παραγωγικά συστήματα, επιτρέποντας έτσι την ανάπτυξη αυτοματοποιημένων εφαρμογών. Κατά τη σχεδίαση του μεσισμικού, ιδιαίτερη έμφαση δίνεται στη δομή της μοντελοποίησης του πλαισίου, η οποία συνιστά την εκφραστική αναπαράσταση των σχέσεων και των ιδιοτήτων των δεδομένων, έτσι ώστε να επιτυγχάνεται η σημασιολογική συνάφεια και η υποστήριξη της συλλογιστικής, παρέχοντας ταυτόχρονα ένα ευέλικτο και προσαρμόσιμο υπόβαθρο για την αυτοματοποίηση των γεωργικών παραγωγικών συστημάτων. Προκειμένου να τεκμηριωθεί η λειτουργική εφαρμογή και η αξιοπιστία του προτεινόμενου συστήματος, διεξήχθη αξιολόγηση μέσω δύο μελετών περίπτωσης, εκ των οποίων η πρώτη έλαβε χώρα σε μία αγροτική καλλιέργεια και η δεύτερη σε μια κτηνοτροφική μονάδα. Τα αποτελέσματα των ελέγχων, επικαιροποίησαν την ικανότητα του μεσισμικού να βελτιστοποιεί την αποδοτικότητα επεξεργασίας δεδομένων, παρέχοντας πληροφορίες που μπορούν να υποστηρίζουν τη λήψη στρατηγικών αποφάσεων σε γεωργικές δραστηριότητες ακριβείας. Από τις μελέτες περίπτωσης προκύπτει επίσης η δυναμική του συστήματος να συμβάλει επικουρικά στη λήψη δράσεων για την επίτευξη των στόχων της αειφορικής εντατικοποίησης καθώς και προληπτικών ενεργειών απέναντι σε φαινόμενα που προκαλούνται από την κλιματική αλλαγή. Συνολικά, η διατριβή αυτή εκτιμάται ότι μπορεί να συνεισφέρει ουσιαστικά στη σύγχρονη επιστημονική γνώση, με στόχευση στον τομέα της Γεωργίας 4.0, προτείνοντας μια ολοκληρωμένη, ευφυή και βιώσιμη αρχιτεκτονική διαχείρισης δεδομένων. Η προτεινόμενη αρχιτεκτονική στοχεύει στην αντιμετώπιση αδυναμιών που παρατηρούνται στη διαλειτουργικότητα των συστημάτων, με έμφαση στην απρόσκοπτη συνεργασία μεταξύ διαφόρων τεχνολογικών πλατφορμών και εφαρμογών. Παράλληλα, προάγει την αυτοματοποίηση των γεωργικών παραγωγικών διαδικασιών, συμβάλλοντας έτσι στη βελτίωση της αποδοτικότητας και την ενίσχυση της αειφορίας στον γεωργικό τομέα. Με αυτό τον τρόπο, η διατριβή αναμένεται να συνεισφέρει στην υλοποίηση πρακτικών που ευνοούν μια πιο συνδεδεμένη και αποδοτική γεωργία, αξιοποιώντας τεχνολογίες αιχμής για να ανταποκριθεί στις προκλήσεις της σύγχρονης γεωργικής παραγωγής.