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.

• 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