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.

• РАЗРАБОТКА ИНТЕЛЛЕКТУАЛЬНОЙ РОБОТОТЕХНИЧЕСКОЙ СИСТЕМЫ СБОРА УРОЖАЯ

  З. В. Нагоев , О.З. Загазежева , К.Ч. Бжихатлов , И.А. Мамбетов

  2025-04-27

  Аннотация ▼

  В условиях необходимости обеспечения продовольственной безопасности актуальными ста-
  новятся задачи оптимизации производственных процессов в аграрном секторе. Например, учиты-
  вая нехватку трудовых ресурсов в сельском хозяйстве, требуется разработка и внедрение робо-
  тотехнических систем для автоматизации процессов ухода за растениями, сбора урожая и его
  переработки. В статье представлены результаты разработки автономного робота для сбора
  яблок, созданного на базе универсального антропоморфного робота, разработанного в Кабардино-
  Балкарском научном центре РАН. Робот оснащен двумя многозвенными манипуляторами, схожи-
  ми с руками человека, что позволяет ему выполнять сложные задачи по сбору урожая. Для обес-
  печения интеллектуального управления всей системой используется мультиагентная нейрокогни-
  тивная архитектура, которая имитирует работу человеческого мозга и позволяет роботу адап-
  тироваться к изменяющимся условиям окружающей среды. Робот оснащен набором сенсоров,
  включая видеокамеры, ультразвуковые и инфракрасные дальномеры, лидар и энкодеры на приводах
  манипуляторов. Это позволяет ему точно определять местоположение яблок, оценивать их зре-
  лость и планировать траекторию движения манипуляторов. Особое внимание уделено разработ-
  ке захвата, который имитирует человеческую кисть и позволяет регулировать силу сжатия, что
  минимизирует риск повреждения плодов. Для управления роботом используется мультиагентная
  нейрокогнитивная архитектура, которая обеспечивает автономное принятие решений на основе
  данных с сенсоров. Система способна строить карту местности, определять положение робота
  и планировать маршрут движения, а также распознавать яблоки и оценивать их состояние.
  В статье также рассмотрены проблемы, связанные с автоматизацией сбора урожая в сельском
  хозяйстве, включая нехватку трудовых ресурсов и потери урожая из-за неправильной эксплуата-
  ции техники. Авторы подчеркивают, что автоматизация и роботизация процессов уборки уро-
  жая имеют большой потенциал, особенно для культур, требующих индивидуального подхода, та-
  ких как фрукты и овощи. Представленный робот демонстрирует высокую эффективность в ре-
  шении этих задач, что подтверждается результатами полевых испытаний. Разработанная сис-
  тема может быть адаптирована для работы с другими культурами, что делает ее универсаль-
  ным решением для сельскохозяйственной отрасли

• НЕЙРОКОГНИТИВНЫЕ МЕТОДЫ И АЛГОРИТМЫ ФЕДЕРАТИВНОГО ОБУЧЕНИЯ ИНТЕЛЛЕКТУАЛЬНЫХ ИНТЕГРИРОВАННЫХ ИНФОРМАЦИОННО-УПРАВЛЯЮЩИХ СИСТЕМ В РЕАЛЬНОЙ КОММУНИКАТИВНОЙ СРЕДЕ

  З. В. Нагоев , К.Ч. Бжихатлов , О. З. Загазежева

  2024-04-15

  Аннотация ▼

  В отличие от существующих методов обучения систем искусственного интеллекта,
  подходы, основанные на федеративном обучении, не потребуют длительной и дорогостоящей
  процедуры подготовки обучающей выборки при создании и массовом практическом применении
  «умных» сельскохозяйственных систем, автономных беспилотных сельскохозяйственных ма-
  шин и роботов, а полученные системой принятия решений знания будут актуализироваться на
  постоянной основе. Целью исследования является разработка и внедрение сквозной технологии
  федеративного обучения для искусственного интеллекта, отсутствие которой сегодня пре-
  пятствует созданию интегрированных информационно-управляющих систем для растениевод-
  ства и животноводства («умные» сельскохозяйственные системы), основанных на групповом
  применении беспилотных наземных и воздушных сельскохозяйственных машин и роботов. Вне-
  дрение подобных интеллектуальных систем необходимо для сохранения и повышения произво-
  димой продукции и обеспечения устойчивого развития сельского хозяйства. В статье описаны
  нейрокогнитивные методы и алгоритмы федеративного обучения интеллектуальных систем
  управления сельскохозяйственными процессами в реальной среде. Также предлагается струк-
  тура обмена данными и знаниями в системе «умного» поля на основе распределенной сети ин-
  теллектуальных агентов, управляющих системами «умного» поля на различных сельскохозяй-
  ственных угодьях, на основе федеративного обучения. Каждый интеллектуальный агент пред-
  ставляет собой программную модель нейрокогнитивных процессов рассуждения и принятия
  решений в рамках решения определенной задачи. Предложенная структура будет способство-
  вать совместному накоплению базы знаний в области сельского хозяйства и сможет стать
  основой множества различных интеллектуальных агентов, эффективно выполняющих кон-
  кретные задачи в рамках распределенной сети систем управления «умными» полями. Также
  приводится описание интеллектуальных агентов, выполняющих различные задачи в реальной
  среде. Приведены примеры разрабатываемых на автономных робототехнических и программ-
  ных комплексов, на основе которых планируется апробация предложенной концепции федера-
  тивного обучения систем «умного» поля. Вместе с тем в статье описаны ожидаемые эффек-
  ты внедрения технологий, основанных на разрабатываемых методах и алгоритмах федера-
  тивного обучения интеллектуальных агентов, управляющих системами умного поля.