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
