Найти

Результаты поиска

• РАЗРАБОТКА ИНТЕЛЛЕКТУАЛЬНОЙ ИНТЕГРИРОВАННОЙ СИСТЕМЫ «УМНОЕ ПОЛЕ»

  З.В. Нагоев , В. М. Шуганов , А.У. Заммоев , К. Ч. Бжихатлов , З. З. Иванов

  2022-04-21

  Аннотация ▼

  Производство сельскохозяйственной продукции в настоящее время тесно связано с
  применением цифровых технологий, элементов точного земледелия, автоматизацией и
  роботизацией сельского хозяйства, так как они дают возможность осуществлять посто-
  янный мониторинг, своевременно реагировать на производственные риски, повышать эф-
  фективность производства и использования ресурсов. Особое внимание уделяется необходимости комплексного использования цифровых технологий и искусственного интеллекта
  для создания интеллектуальных интегрированных систем (ИИС) сельскохозяйственного
  производства. Как показывают исследования, активнее всего IT-технологии применяются
  в полевом земледелии при выращивании зерновых культур. Основной культурой при произ-
  водстве селекционного, семеноводческого и товарного зерна в Кабардино-Балкарской Рес-
  публике является кукуруза, поэтому предполагается, что ИИС «Умное поле» должна быть
  разработана первоначально именно для этой культуры, а затем с некоторыми доработ-
  ками использована и для производства любой растениеводческой продукции – других видов
  зерна, овощей, фруктов, винограда и бахчевых. Она позволяет снизить на некоторых эта-
  пах производства продукции участие человека, путем автоматизации процесса и его кон-
  троля посредством различных «умных» устройств. Работа ИИС «Умное поле» основана
  на использовании множества сенсоров, в том числе устанавливаемых на мобильной техни-
  ке (наземные и воздушные пилотируемые и беспилотные транспортные средства, косми-
  ческие спутники) и переносных портативных устройствах для получения оперативных
  данных о состоянии полей и посевов, что позволяет: – анализировать готовность сельско-
  хозяйственных угодий к посевным работам, отслеживать ход вегетации растений с целью
  эффективного и оперативного планирования агротехнических мероприятий (химическая
  защита от вредителей и болезней, подкормка, орошение и т.д.); – прогнозировать показа-
  тели эффективности производства (общий валовой сбор, урожайность с га), а также
  своевременно выявлять производственные риски (появление вредителей, болезней расте-
  ний, засоленности почв и т.д.); – принимать эффективные решения по управлению исполь-
  зования ресурсов сельскохозяйственных предприятий. С применением «умных» устройств
  стало возможным внедрение т.н. «точного земледелия» для управления продуктивностью
  посевов c учётом изменений в среде обитания растений. В конечном итоге, это дает воз-
  можность решить две главные задачи сельхозпроизводителей – повышение урожайности
  и сокращение издержек. Авторами разработана концепция ИИС «Умного поля» для произ-
  водства зерна кукурузы при использовании перспективных робототехнических систем и
  комплексов. Представлена архитектура ИИС «Умного поля» для производства семенной и
  товарной кукурузы, которую можно с незначительными доработками адаптировать и для
  производства другой растениеводческой продукции.

• МАТЕМАТИЧЕСКАЯ МОДЕЛЬ И СХЕМА УПРАВЛЕНИЯ ПРОДУКЦИЯМИ ДЛЯ РЕАЛИЗАЦИИ ПАРАЛЛЕЛЬНЫХ ВЫЧИСЛЕНИЙ

  Е. А. Титенко , Т. М. Белова , И. И. Пузанов , А.А. Положенцев , Л. А. Лисицин

  283-298

  2026-09-10

  Аннотация ▼

  Актуальность. Эффективные математические модели организации параллельных вычислений используют принципы одновременного выполнения правил над независимыми фрагментами данных, а также методы обработки символьной информации как объединяющей категории для различных типов данных. Продукционные системы в нотации А.А. Маркова (мл.) имеют необходимый потенциал для создания таких моделей, но стандартная схема управления в них является последовательной, что ограничивает применение таких продукционных систем в прикладных задачах. В связи с этим актуальной является задача синтеза модифицированных продукционных систем и схем управления в них,  направленных на распараллеливание вычислительного процесса обработки символьной информации. Целью исследования является уменьшение времени работы модифицированной продукционной модели за счет двунаправленной обработки цепочек символов. Метод решения основан на применении принципов двунаправленного грамматического разбора из теории синтаксического анализа, компиляции в алгоритмических продукционных системах и состоит в модификации стандартной схемы продукционных вычислений А.А. Маркова. Это достигается введением продукций с однократным срабатыванием, двунаправленным доступом к обрабатываемой строке, декомпозицией исходной системы на секции, введением набора охранных условий для разрешения конфликтов. Продукционная модель реализована для типовых задач символьной обработки: разметка слова и обращения слова. Результаты. Разработана структура модифицированной продукционной системы, преодолевающая ограничение стандартной схемы А.А. Маркова – последовательный характер вычислений. В результате проведенного исследования была создана формальная модель последовательно-параллельной обработки слов, разработана модифицированная схема управления и показана корректность вычислений. Моделирование на типовых задачах показало уменьшение времени обработки слов практически в 2 раза, что было достигнуто, в том числе, за счет исключения обязательного возврата на первую продукцию в схеме управления и агрегации продукций в секции. Заключение. Проведенное исследование подтвердило возможность и эффективность трансформации последовательных продукционных систем А.А. Маркова в последовательно-параллельные продукционные модели с выдачей корректного результата. Перспективная область применения – методы и программно-аппаратные средства в однородных вычислительных системах для высокопроизводительной обработки символьной информации

• ИНТЕЛЛЕКТУАЛЬНАЯ СИСТЕМА РАННЕГО ОПОВЕЩЕНИЯ И МОНИТОРИНГА РАСТЕНИЙ

  А.А. Кочкаров , А. К. Куликов , В.А. Ольхова , А. С. Стахмич , А.Н. Рыбак

  2025-04-27

  Аннотация ▼

  Настоящее исследование направлено на систематизацию научных знаний о заболеваниях сель-
  скохозяйственных культур с последующей интеграцией полученных данных в системы автоматизиро-
  ванного управления агропроизводством. Актуальность работы обусловлена необходимостью миними-
  зации экономических потерь в растениеводстве за счёт ранней диагностики патологий и оптимизации
  фитосанитарного контроля. В рамках исследования проведена классификация заболеваний растений.
  В качестве модельного объекта выбрано растение базилик (Ocimum basilicum L.), характеризующееся
  высокой восприимчивостью к фитопатогенам в условиях интенсивного выращивания. Для создания
  инструмента автоматизированной диагностики осуществлён сбор специализированного датасета,
  включающего 214 изображений базилика на различных стадиях вегетации. Съёмка проводилась в кон-
  тролируемых условиях с использованием RGB-камеры. Каждый образец аннотирован с локализацией
  повреждения , площади поражения. Особое внимание уделено методологическим аспектам формиро-
  вания банков данных для биологических систем. Установлено, что ключевыми проблемами являются
  высокая вариабельность морфологических признаков у растений, влияние факторов окружающей сре-
  ды на визуальные проявления заболеваний. На основе анализа полученных данных предложена архитек-
  тура системы раннего оповещения, включающая три модуля: Сенсорный блок – малогабаритные каме-
  ры и датчики микроклимата. Алгоритмический блок – нейросетевая модель для семантической сег-
  ментации изображений и алгоритмы оценки динамики развития патологий. Интерфейс принятия
  решений и оповещения – рекомендации по корректировке режимов полива, внесения пестицидов и мик-
  роэлементов. Обучение свёрточной нейронной сети выполнено на основе фреймворка YOLOv11 с при-
  менением методов аугментации данных (гауссовский шум, аффинные преобразования) и трансферного
  обучения. Валидация модели на тестовой выборке показала точность детекции 74.7%
  (F1-score = 0.72). Для снижения ложноположительных срабатываний реализована постобработка
  предсказаний с учётом пространственно-временной корреляции данных. Разработанный прототип
  демонстрирует потенциал интеграции компьютерного зрения и агрономии для создания предиктивных
  систем управления. Дальнейшие исследования планируется направить на расширение датасета и уве-
  личение измеряемых параметров, а также внедрение алгоритмов обработки данных на edge-
  устройствах для уменьшения задержек в принятии решений. Полученные результаты могут быть
  адаптированы для других культур закрытого грунта, что способствует развитию точного земледелия
  и снижению антропогенной нагрузки на агроэкосистемы