Россия
Россия
Россия
Россия
Россия
УДК 631.171 Механизация и автоматизация сельского хозяйства
Актуальность исследования обусловлена необходимостью совершенствовании технологий повышения продуктивности в рамках программируемого получения урожаев в условиях точного земледелия с использованием специализированных аппаратно-программных комплексов, базирующихся на алгоритмах искусственного интеллекта, позволяющих обеспечить стабильное повышение урожайности с учетом строгого соблюдения экологических норм и ограничений, сохранение агроландшафтов и почвенного плодородия. В ходе работы авторами предложен алгоритм управления продукционными процессами возделывания фитоагроценозов, адаптированный под условия точного земледелия Волгоградской области, учитывающий характеристики агроланшафта, состав почвенного покрова участка, климатические факторы и т.д., что необходимо для точного и адекватного описания моделей сельскохозяйственных объектов при разработке гибридных автоматизированных систем в рамках программируемого возделыванием сельскохозяйственных культур. Реализована модель управления опытного участка в условиях закрытых агроэкосистем, включающая три уровня: нижний (датчики, исполнительные органы), средний (ПЛК/МК), верхний (человеко-машинный интерфейс). Связь между средним и верхним уровнями представлена протоколом Modbus RTU, реализованного по Bluetooth-радиосвязи. Предлагается гибридная автоматизированная система управления (ГАСУ) неоднородным сельскохозяйственным объектом, где контроль частью параметров (температура, влажность воздуха, полив и т.д.) возможно реализовать неадаптивными и адаптивными методами, а состояние растений, профилактику и определение болезней – с использованием алгоритмов искусственного интеллекта и машинного обучения, в том числе нейронными сетями. Полученные в ходе исследования результаты могут быть использованы для совершенствования отечественных технологий обеспечения устойчивости аграрного производства и снижения уровня импортозависимости в рамках комплексного решения задач социально-экономического развития регионов.
фитоагроценозы, продукционный процесс, точное земледелие, гибридные автоматизированные системы, алгоритмы искусственного интеллекта
1. Корнев С.М., Басуматорова Е.А. Механизация и автоматизация процессов в растениеводстве // Известия Оренбургского государственного аграрного университета. 2022. № 1 (93). С. 131-134.
2. Староверов Б.А., Олоничев В.В., Смирнов М.А. Цифровой адаптивный регулятор для промышленного контроллера с многозадачной POSIX-совместимой операционной системой // Вестник Ивановского государственного энергетического университета. 2011. № 3. С. 37-39.
3. Михайленко И.М. и др. Управление агротехнологиями и роботизированные средства реализации // Инновации в сельском хозяйстве. 2019. № 1 (30). С. 242-258.
4. Зыков А.В., Юнин В.А., Захаров А.М. Использование робототехнических средств в АПК // Международный научно-исследовательский журнал. 2019. № 3 (81). С. 8-11. doi: https://doi.org/10.23670/IRJ.2019.81.3.001
5. Хвостенко Т.М., Алексанов И.А. Внедрение и проблематика роботехнических средств в АПК // Вестник образовательного консорциума Среднерусский университет. Серия: Информационные технологии. 2022. № 2 (20). С. 4-9.
6. Лепешко Л.С. Обзор программных продуктов для автоматизации в АПК // Новости науки в АПК. 2019. № 3 (12). С. 318-324. doi:https://doi.org/10.25930/2218-855X/082.3.12.2019
7. Будников Д.А. Разработка SCADA-системы контроля лабораторного оборудования и параметров процесса сушки зерна // Инновации в сельском хозяйстве. 2019. № 2 (31). С. 230-237.
8. Tokarev, K. et al. (2023). Monitoring and Intelligent Management of Agrophytocenosis Productivity Based on Deep Neural Network Algorithms. In: Vasant, P., Weber, GW., Marmolejo-Saucedo, J.A., Munapo, E., Thomas, J.J. (eds) Intelligent Computing & Optimization. ICO 2022. Lecture Notes in Networks and Systems, vol. 569. Springer, Cham. doi:https://doi.org/10.1007/978-3-031-19958-5_65
9. Токарев К.Е., Руденко А.Ю., Кузьмин В.А., Чернявский А.Н. Теория и цифровые технологии интеллектуальной поддержки принятия решений для увеличения биопродуктивности агроэкосистем на основе нейросетевых моделей // Известия Нижневолжского агроуниверситетского комплекса. 2021. № 4 (64). С. 421- 440. doi:https://doi.org/10.32786/2071-9485-2021-04-42
10. Токарев К.Е., Лебедь Н.И., Кузьмин В.А., Чернявский А.Н. Теория и технологии управления орошением сельскохозяйственных культур на основе информационных технологий поддержки принятия решений и математического моделирования // Известия Нижневолжского агроуниверситетского комплекса. 2020. № 4 (60). С. 433-448. doi:https://doi.org/10.32786/2071-9485-2020-04-41
11. Лебедь Н.И., Токарев К.Е. Повышение продуктивности агрофитоценозов в условиях точного земледелия с использованием нейросетевых алгоритмов глубокого обучения: обоснование применения и аспекты компьютерной реализации // Международный сельскохозяйственный журнал. 2022. № 6 (390). С. 662-664. doi:https://doi.org/10.55186/25876740_2022_65_6_662
12. Дубенок Н.Н., Бородычев В.В., Лытов М.Н. Алгоритм учета пространственной неоднородности исходных характеристик орошаемого участка на основе ГИС-технологий // Российская сельскохозяйственная наука. 2019. № 1. С. 66-70.
13. Berezhnoy, V.A., Ivashchuk, O.A., Maslakov, Y.N. (2020). Approaches for Automated Monitoring and Evaluation of In Vitro Plant’s Morphometric Parameters. Journal of Computational and Theoretical Nanoscience, vol. 17, no. 9-10, pp. 4725-4732. doi:https://doi.org/10.1166/jctn.2020.9368
14. Бережной В.В., Иващук О.А., Семенов Д.С. Обзор методов и алгоритмов автоматизированных систем фенотипирования растений // Современные наукоемкие технологии. 2021. № 4. С. 111-116. doi: https://doi.org/10.17513/snt.38624
15. Игнатьев В.В. Адаптивные гибридные интеллектуальные системы управления // Известия ЮФУ. Технические науки. 2010. № 12 (113). С. 89-94.
16. Токарев К.Е., Лебедь Н.И. Рекуррентная нейронная сеть глубокого обучения со сверточными слоями для мультиклассового распознавания посевов сельскохозяйственных культур // Свидетельство о регистрации программы для ЭВМ RU 2023681039, 10.10.2023. Заявка № 2023680320, 10.10.2023.
