2022, випуск 2, c. 95-105
Одержано 19.08.2022; Виправлено 26.09.2022; Прийнято 29.09.2022
Надруковано 30.09.2022; Вперше Online 05.10.2022
https://doi.org/10.34229/2707-451X.22.2.10
Попередня | ПОВНИЙ ТЕКСТ | Наступна
Методичні основи проектування інформаційної системи у рослинництві
Є.В. Бабенко 
Інститут кібернетики імені В.М. Глушкова НАН України, Київ
Листування: Ця електронна адреса захищена від спам-ботів. Вам потрібно увімкнути JavaScript, щоб побачити її.
Вступ. Створення нових технологій для прецизійного землеробства призначене підвищити продуктивність, оперативність праці та поліпшити виробничі процеси. За даними всесвітній продовольчій програми (WFP – World Food Programme), 811 мільйонів людей хронічно голодують, 283 мільйони перебувають у стані голоду або наближаються до голодомору. Приблизно ще 45 мільйонів у 43 країнах по всьому світу на порозі голодомору. Умови сьогодення вимагають від сільського господарства прогодувати планету з населенням кількість якого постійно зростає, мінімізувати витрати та розробити технології, які не забруднюють планету. Тому моделювання біологічних об’єктів, дослідження та проектування інтелектуальних систем для сільського господарства сьогодні викликають велику зацікавленість у вчених усього світу.
Мета роботи. У роботі розглянуто основні підходи до побудови повномасштабного експерименту з точки зору методології планування, обробки даних, вибору моделі. Розкрито методичні основні, принципи та практична складова планування експеременту у рослинництві. Представлені власні результати розробки системи автоматичного прийняття рішень та базові математичні моделі, що до побудови інформаційної системи.
Результати. Основою вивчення рослинного організму є натурний експеримент. Польові досліди в рослинництві важко відтворювальні і стикаються з низкою труднощів, пов'язаних з точністю використаних методів дослідження, що полягають у достовірності та точності результатів вимірювань.
Вперше для дослідження використано багаторівневу інформаційну систему контролю за станом та потребами рослин, яка містить бездротову сенсорну мережу, онтологічно керований вузол, глобальну базу даних, базу знань, пояснювальний модуль, модуль керування, комп’ютер та людино-машинний інтерфейс, що дозволяє приймати управлінські рішення. Розглянута система алгоритмів здатна враховувати мінливість змін у багатофакторному середовищі. Представлено схему інформаційної системи, де модулем управління в режимі реального часу, виступає параметр індукції флуоресценції хлорофілу. Це перспективний шлях коригування режимів зрошення, моніторингу стану рослин та догляду за багаторічними насадженнями.
Висновки. Важливою частиною цієї роботи є вивчення ефекту індукції флуоресценції хлорофілу та вивчення методології досліджень з фотосинтезу. Цей ефект дуже чутливий до багатьох змін у рослині. Це є перевагою методу та є вимогою до методології дослідження чи специфіки проведення.
Вивчення рослинних об'єктів зустрічається з рядом труднощів. Особливий інтерес представляє склад ґрунту та вплив характеристик ґрунту на ріст і розвиток рослин, для створення електронних, профільних ґрунтових карт. У зв’язку з тим, що рослинний об’єкт є не лише сукупністю окремих систем всередині організму, а й піддається постійному впливу зовнішніх факторів оточуючого середовища, клімату та ґрунту, що необхідно враховувати при створенні нових інформаційних систем, ціллю яких є підвищення врожайності сільського господарства.
Ключові слова: бездротова сенсорна мережа, методологія, біосенсори, інформаційна система, математична модель, сільське господарство, фізіологія рослин.
Цитувати так: Бабенко Є.В. Методичні основи проектування інформаційної системи у рослинництві. Cybernetics and Computer Technologies. 2022. 2. С. 95–105. https://doi.org/10.34229/2707-451X.22.2.10
Список літератури
1. World Food Programme (WFP) – Facts – 2020 - NobelPrize.org (звернення 25.05.2022)
2. Dagan F.D. Biomedical Information Technology. Academic Press, 2020. 798 p. https://doi.org/10.1016/C2017-0-03305-0
3. Gisriel C., Sarrou I., Ferlez B., Kevin E. Redding and Raimund Fromme Structure of a symmetric photosynthetic reaction center–photosystem. SCIENCE, 27 Jul 2017. 357 (6355). P. 1021–1025. https://doi.org/10.1126/science.aan5611
4. Stowell M.H.B., Mcphillips T.M., Rees D.C., Soltis S.M., Abresh E., Feher G. Light-Induced Structural Changes in Photosynthetic Reaction Center: Implications for Mechanism of Electron-Proton Transfer. SCIENCE, 2 May 1997. 276 (5313). P. 812–816. https://doi.org/10.1126/science.276.5313.812
5. Kaufmann M. Green Information Technology. 2015. 348 p. https://doi.org/10.1016/C2014-0-00029-9
6. Barber J. Photosystem II: the engine of life. Quarterly Reviews Of Biophysics. 2003. 36 (1). P. 71–89. https://doi.org/10.1017/S0033583502003839G
7. García de Arquer F. P., Talapin D.V., Klimov V.I., Arakawa Y., Bayer M., Sargent E.H. Semiconductor quantum dots: Technological progress and future challenges. SCIENCE, 6 Aug. 2021. 373 (6555). P. 1–14. https://doi.org/10.1126/science.aaz8541
8. Romanov V., Artemenko D., Brayko Yu., Galelyuka I., Imamutdinova R., Kytayev O., Palagin O., Sarakhan Ye., Starodub M., Fedak V. Portable Biosensor: from Idea to Market. International Journal "Information Theories & Applications. 2012. 19 (2). P. 126–131. http://www.foibg.com/ijita/vol19/ijita19-2-p04.pdf
9. Romanov V., Galelyuka I., Sarakhan Ye. Wireless sensor networks in agriculture. The Seventh IEEE International Conference on Intelligent Computing and Information System, ICICIS 2015. Cairo, Egypt, 2015, 12–14 December. P. 79–83. https://doi.org/10.1109/IntelCIS.2015.7397200
10. ISO 5725-2:1994 Accuracy (trueness and precision) of measurement methods and results – Part 2: Basic method for the determination of repeatability and reproducibility of a standard measurement method. 42 p. https://www.iso.org/standard/11834.html
11. Сарахан Є.В., Палагін O.В., Романов В.O. Глобальна мережа для автоматичного отримання знань. Пат. UA.: 89025, бюл. №7/2014. https://uapatents.com/5-89025-globalna-merezha-dlya-avtomatichnogo-otrimannya-znan.html
12. Pekár S., Brabec M. Modern Analysis of Biological Data. 1. Generalized linear models in R 2nd edition. Masaryk University Press, Brno. 2020. 264 p.
13. Pekár S., Brabec M. Modern Analysis of Biological Data. 3. Non-Linear Models in R. Masaryk University Press, Brno. 2019. 218 p.
14. Romanov V., Artemenko D., Galelyuka I., Palagin O., Sarakhan Ye. Remote smart biosensor s for precision farming and environment protection. International Journal. Information Theories & Applications. 2013. 20 (2). P. 174–179. http://www.foibg.com/ijita/vol20/ijita20-02-p10.pdf
15. Зеленянська Н.М., Сарахан Є.В., Буркан Н.В., Тулинова Н.В. Флюоресценция хлорофілу та водний режим листків саджанців винограду. Вісник аграрної науки: український науково-теоретичний журнал. 2009. Том. 9. С. 25–27. https://agris.fao.org/agris-search/search.do?recordID=UA2009000086
ISSN 2707-451X (Online)
ISSN 2707-4501 (Print)
Попередня | ПОВНИЙ ТЕКСТ | Наступна