Найти

Результаты поиска

• 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

• АЛГОРИТМ ПОСТРОЕНИЯ ТРАЕКТОРИИ ДВИЖЕНИЯ БЕСПИЛОТНЫХ АППАРАТОВ ДЛЯ МОНИТОРИНГА СОСТОЯНИЯ СЕЛЬСКОХОЗЯЙСТВЕННЫХ ПОЛЕЙ

  Б. В. Румянцев , С.В. Прокопчина , А.А. Кочкаров

  2024-04-15

  Аннотация ▼

  Организация непрерывного мониторинга значительных пространств с динамически
  меняющимися условиями и обстановкой является одной ключевых задач в различных направ-
  лениях жизнедеятельности человека. Особо остро эта задача стоит в России с учетом ее
  территорий (земель), предназначенных для сельскохозяйственной деятельности. Особую
  важность организации непрерывного мониторинга подчеркивает и развитие концепции и
  технологий точного земледелия. В качестве средств для решения этой системной задачи
  могут использоваться различные робототехнические и беспилотные системы, оснащенные
  необходимым оборудованием в соответствии с локальными задачами непрерывного монито-
  ринга. Непрерывный мониторинг при этом может быть обеспечен только применением
  эффективных алгоритмов построения траектории движения используемых подвижных ро-
  бототехнических и беспилотных (в первую очередь авиационных) систем. Повышение эф-
  фективности таких алгоритмов с математической точки зрения всегда усложняется цик-
  личностью траекторий движения, т.е. построением гамильтонова цикла. В рамках данной
  работы предлагается метод конструирования оптимальной траектории движения при вы-
  полнении задач непрерывного циклического мониторинга сельскохозяйственных полей. Метод
  основан на поиске гамильтонова цикла на графе карты местности и позволяет автоматиче-
  ски строить оптимальный замкнутый путь для произвольной карты местности. Отличи-
  тельной особенностью метода является использование модифицированного алгоритма поис-
  ка гамильтонова цикла. Алгоритм может быть масштабирован для карт, соответствую-
  щих графам с большим (более 100) количеством вершин, для которых стандартный алго-
  ритм поиска гамильтонова цикла методом перебора требует значительно большего времени
  выполнения, чем предложенный алгоритм. Показано, что используемый алгоритм обладает в
  17 раз меньшей константой роста временной сложности, чем стандартный алгоритм поис-
  ка гамильтонова цикла. Это позволяет увеличить количество вершин графа, используемого
  для поиска гамильтонова цикла в режиме реального времени (от 0.1 до 100 секунд), на поря-
  док (от 30 до 500). Разработанный алгоритм может быть внедрён в современные беспилот-
  ные системы мониторинга состояния сельскохозяйственных полей для оптимизации траек-
  тории движения беспилотных аппаратов в режиме реального времени (0.1-100 секунд), внося
  тем самым вклад в динамично развивающуюся область точного земледелия.