УНИВЕРСАЛЬНАЯ МОДЕЛЬ АДАПТИВНОГО УПРАВЛЕНИЯ ЗАМКНУТЫМИ АГРОПРОИЗВОДСТВАМИ С ПРИМЕНЕНИЕМ ТЕХНОЛОГИЙ ИИ
Аннотация
Актуальность исследования обусловлена противоречием между необходимостью наращивания производства продовольствия в условиях урбанизации и фрагментарностью существующих высокотехнологичных решений (гидропоники, аэропоники, IoT), которые внедряются изолированно, без единой методологии управления. Отсутствие унифицированных подходов к сбору данных и адаптивному контролю параметров среды ограничивает масштабирование вертикальных ферм. Цель работы – разработка и теоретическое обоснование архитектуры универсальной модели адаптивного управления замкнутыми агропроизводствами, интегрирующей различные методы культивации на базе алгоритмов машинного обучения. Методология базируется на систематическом анализе научных публикаций и экспериментальных данных по применению встраиваемых устройств и алгоритмов машинного обучения в гидропонных, аэропонных и грунтовых вертикальных теплицах. На основе синтеза данных построены параметрические матрицы для унификации технологических процессов. Основные результаты включают разработку структурной схемы универсальной модели, обеспечивающей интеграцию разнородных систем в единую платформу с возможностью непрерывного мониторинга и предиктивной аналитики. Обоснован минимально необходимый комплект датчиков: pH, EC, температуры, влажности, CO₂, PAR, давления и расхода питательного раствора. Предложенная архитектура позволяет динамически переключать режимы гидропоники, аэропоники и закрытого грунта в рамках одного фитотрона. Выводы и значимость работы заключаются в создании основы для проектирования масштабируемых вертикальных ферм с прогнозируемыми показателями рентабельности и ресурсоэффективности, обеспечивая непрерывное дообучение алгоритмов ИИ для предиктивного управления микроклиматом и ранней диагностики заболеваний растений в городских условиях
Список литературы
1. Ali A., Hassan S., Khan M. Application of machine learning in predictive agriculture, arXiv preprint arXiv:2312.00030, 2023.
2. Despommier D., Carter M., Giacomelli G.A. The Vertical Farm: Feeding the World in the 21st Century, 2024. ISBN 9781429946049. Available at:https://books.google.ru/books?id=0DxTK0jW35sC.
3. Chowdhury M.A., Ahmed S., Islam M., et al. Development of an IoT-based indoor hydroponic system, Sustainable Energy Technologies and Assessments, 2023, Vol. 56, No. 102079. doi: 10.1016/j.seta.2023.102079.
4. Zhang Y., Li X., Wang Z. Smart farming techniques based on IoT and machine learning, Smart Cities and Sustainability, 2023. Available at: https://www.sciencedirect.com/science/article/pii/ S2212827123001191 (accessed 7 April 2025).
5. Rajendiran G., Suresh P., Mohanraj R. Future of smart farming techniques: significance of urban verti-cal farming systems integrated with IoT and machine learning, ResearchGate, 2023. Available at: https://www.researchgate.net/profile/Gowtham-Rajendiran/publication/372890247_Future_of_Smart_ Farming_Techniques_Significance_of_Urban_Vertical_Farming_Systems_Integrated_with_IoT_and_ Machine_Learning/links/652a2e5f1a05311a23fbeb81/Future-of-Smart-Farming-Techniques-Significance-of-Urban-Vertical-Farming-Systems-Integrated-with-IoT-and-Machine-Learning.pdf (Ac-cessed 7 April 2025).
6. Kumar S., Singh A., Gupta R. Sustainable agricultural systems with IoT and AI, Computers and Elec-tronics in Agriculture, 2023, Vol. 210, No. 107601. doi: 10.1016/j.compag.2023.107601.
7. Smith B., Johnson R., Williams T. Real-time soil monitoring using IoT, Sensors, 2023, Vol. 23, No. 1, pp. 451. doi: 10.3390/s23010451.
8. Omondi F., Odhiambo H., Okoye K. IoT-based water management in smart farming, Journal of Digital Food, Energy and Water Systems, 2023, Vol. 1, No. 1, pp. 2873. doi: 10.25603/uj.dfe.2023.2873.
9. Kim Y., Park S., Lee W. Wireless sensor networks for precision agriculture, Sensors, 2020, Vol. 20, No. 19, pp. 5637. doi: 10.3390/s20195637.
10. Chen H., Zhao Q., Wu Y. Comparative study of hydroponics and aeroponics under controlled condi-tions, Environmental Research, 2023, Vol. 224, No. 104895. doi: 10.1016/j.envres.2023.104895.
11. Petrov I., Smirnov A., Ivanov N. Energy-efficient IoT systems for controlled environment agriculture, Environmental Technology & Innovation, 2023, Vol. 25, No. 100230. doi: 10.1016/j.eti.2023.100230.
12. Al-Massri A., Al-Khatib M., Abu-Naser S. Smart irrigation systems using IoT and machine learning, Water, 2023, Vol. 15, No. 1, pp. 451. doi: 10.3390/w15010451.
13. Liu X., Zhang Y., Wang J. Intelligent algorithms for environmental monitoring in agriculture, IEEE Ac-cess, 2022, Vol. 10, pp. 7965-7975. doi: 10.1109/ACCESS.2022.3197965.
14. Huang L., Zhao M., Sun Y. Machine learning applications in smart irrigation, Agricultural Water Man-agement, 2023, Vol. 285, No. 108401. doi: 10.1016/j.agwat.2023.108401.
15. Rajendiran G., Prabakaran R., Balasubramanian K. Optimizing lettuce crop yield prediction in an in-door aeroponic vertical farming system using IoT-integrated machine learning regression models, Re-searchGate, 2024. Available at: https://www.researchgate.net/profile/GowthamRajendiran/ publica-tion/381638477_Optimizing_Lettuce_Crop_Yield_Prediction_in_an_Indoor_Aeroponic_Vertical_Farming_System_Using_IoTIntegrated_Machine_Learning_Regression_Models/links/6677cd03d21e220d89c91f92/Optimizing-Lettuce-Crop-Yield-Prediction-in-an-Indoor-Aeroponic-Vertical-Farming-System-Using-IoT-Integrated-Machine-Learning-Regression-Models.pdf?__cf_chl_tk=5DSGdpFzRwfckSP4HAmGpltjQ_InQN0dFJDPuGm2MlI-1741624838-1.0.1.1-_KOfK7RxM3lwla6AlAt8r4pOrbUXgdBM_kU442SGz2I (Accessed 7 April 2025).
16. Kim J., Lee H., Park C. IoT-based monitoring and control for greenhouse environments, Sensors, 2022, Vol. 22, No. 15, pp. 5646. doi: 10.3390/s22155646.
17. Ivanova L., Petrova M. Prospects of IoT integration in vertical farming, Technologies, 2022, Vol. 10, No. 1, pp. 26. doi: 10.3390/technologies10010026.
18. Nguyen T., Tran V., Pham H. Cloud-based IoT platform for plant disease detection, MDPI Sensors, 2023, Vol. 23, No. 1. doi: 10.3390/s23010451.
19. Ruscio D., Marconi S., Di Benedetto M. Low-cost IoT hydroponic system for urban agriculture, Food and Bioproducts Processing, 2023, Vol. 138, pp. 119-130. doi: 10.1016/j.fbp.2023.01.010.
20. Tanaka K., Yamamoto S., Sato T. Urban vertical farming with smart climate control, Springer Lecture Notes in Networks and Systems, 2023, Vol. 615, pp. 115-125. doi: 10.1007/978-981-97-7603-0_15.
21. Patel R., Shah D., Desai N. Data-driven optimization of growing conditions in aeroponic systems, Sus-tainability, 2022, Vol. 14, No. 20, pp. 12345. doi: 10.3390/su142012345.
