编辑推荐：
尽管智慧农业正快速演进为数据驱动的赛博物理生态系统，现有物联网（IoT）框架仍严重依赖集中式云计算。这种依赖引入了通信瓶颈、执行延迟与安全漏洞，限制了资源受限农村环境中的实时响应能力。为应对这些挑战，研究人员提出万物农耕架构（Farming of Things
尽管智慧农业正快速演进为数据驱动的赛博物理生态系统，现有物联网（IoT）框架仍严重依赖集中式云计算。这种依赖引入了通信瓶颈、执行延迟与安全漏洞，限制了资源受限农村环境中的实时响应能力。为应对这些挑战，研究人员提出万物农耕架构（Farming of Things, FoT），一种集成IoT、边缘计算与云智能的五层赛博物理架构，包含感知层、传输层、摄取层、认知层与执行层。该框架利用基于块坐标下降（Block Coordinate Descent, BCD）的任务卸载算法，在移动、边缘与云层级间动态分配计算负载，联合优化端到端延迟与能耗。为保护敏感农业遥测数据，研究人员引入轻量级安全数据传输（Lightweight Secure Data Transmission, LSDT）协议，采用AES-128加密与HMAC-SHA256认证。所提架构通过物理测试床与大规模离散事件仿真进行评估。实验结果显示，LSDT以仅1.5%通信开销与0.94 ms密码学延迟实现安全传输。分布式多模型人工智能栈展现出强健推理性能：端侧TinyML准确率达99.32%，卷积神经网络（EfficientNet-B4）达97.13%，大语言模型（Qwen 2.5-3B）支持全局农艺决策合成。可扩展性实验表明，静态移动仅、边缘仅与云仅策略分别在任务到达率λ=10、λ=20与λ=40时发生队列耗尽，而动态FoT编排在λ=30前维持亚0.2秒延迟，并在λ=60重负载下仍具可扩展性。尽管实时自动化有所改进，性能仍受限于本地化边缘节点电池容量与最大负载云卸载下的广域网传播延迟。
研究背景与动机
智慧农业作为现代赛博物理系统的重要应用领域，融合传感技术、无线通信与人工智能实现数据驱动农作。然而现有基于IoT的精准农业系统普遍存在四大碎片化管理问题：过度依赖集中式云计算导致高通信延迟与网络依赖性；边缘级智能缺失削弱实时响应；缺乏面向资源受限设备的轻量级安全机制；多层智能（边缘计算、云分析、先进AI模型）集成不足致使决策过程割裂。针对农村环境分布式、资源受限及异构数据连续处理需求，研究人员在《Smart Agricultural Technology》发表研究，提出统一五层赛博物理架构“万物农耕架构（Farming of Things, FoT）”，旨在无缝协同IoT设备、边缘智能与云侧AI模型，兼顾可扩展性、安全性与实时性。
主要关键技术方法
研究人员构建物理测试床（含10个ESP32边缘设备、2部智能手机、边缘服务器与云）与大规模离散事件仿真（N=10000蒙特卡洛）双验证体系；设计五层FoT架构（感知、传输、摄取、认知、执行）；提出基于块坐标下降（BCD）的动态任务卸载算法联合优化延迟与能耗，并配闭式Lambert W0功率求解器；部署三层AI栈——端侧TinyML、边缘EfficientNet-B4、云侧Qwen 2.5-3B；定制轻量级安全数据传输（LSDT）协议，采用AES-128与HMAC-SHA256及定标整数转换。
研究结果
3 万物农耕架构
3.1 FoT概念与架构描述
研究人员定义FoT为嵌入人工智能的农业设备互联系统，给出五层分层职责：感知层采集多模态环境遥测；传输层提供异构无线（MQTT/HTTP/BLE）与安全桥接；摄取层做边缘聚合；认知层运行三层AI推理；执行层完成自主驱动。架构图显示各层跨移动-边缘-云连续体分布。
3.2 感知层
异构ESP32节点集成土壤湿度、DHT22温湿、NPK、pH、降雨及手机摄像模块；端侧执行ADC采样、滑动平均平滑、阈值事件驱动上报与占空比休眠，降低冗余传输与无线电能耗。
3.3 传输层
以MQTT为主发布订阅骨干，HTTP/HTTPS承载图像与TLS同步，BLE支持临域发现；中央网关做协议翻译、流量优先级与拥塞缓解，保障农村不稳定信道下确定性低延迟交换。
3.4 摄取层（原文接续未提供完整小节，依摘要与表1归纳）
边缘服务器执行近源过滤、特征提取与局部决策，作为感知与认知的中介缓冲。
3.5 认知层
三层AI栈协同：TinyML在ESP32完成土壤态分类（99.32%）；EfficientNet-B4在边缘服务器做病害视觉识别（97.13%）；Qwen 2.5-3B在云侧合成全局农艺决策。BCD算法按实时负载在三层间迁移任务。
3.6 执行层（依摘要推论不扩展）
将认知层指令转化为灌溉、施肥与告警动作闭环。
可扩展性与安全评估（摘要与表1浓缩）
静态Mobile-Only、Edge-Only、Cloud-Only分别在λ=10、20、40出现队列耗尽；动态FoT编排在λ≤30保持<0.2 s端到端延迟，λ=60仍稳定。LSDT协议开销仅1.5%，密码延迟0.94 ms。系统瓶颈为边缘节点电池容量与满负载云卸载广域网传播延迟。
讨论与结论翻译
研究人员指出，FoT通过五层统一连续体替代碎片化设计，以BCD卸载与Lambert W0闭式求解实现移动-边缘-云负载联合优化，以Tri-Tier AI栈覆盖从超低功耗推理到全局语言模型决策，以LSDT在超低开销下保障遥测机密性与完整性。实验证明该架构在物理测试床与万级离散事件仿真中均维持亚0.2秒延迟与可控能耗，弥补了现有SOTA系统在边缘智能孤立、云依赖过重与安全叠加分离上的缺口。局限在于极端负载下边缘电池与广域网传播延迟仍约束实时上限，未来可探索能量收集与6G URLLC回传增强。该研究为Agriculture 5.0提供了可复制的赛博物理骨架。
