Ефективність використання штучного інтелекту у садівництві
Анотація
Важливим аспектом застосування новітніх технологійу садівництві є залежність від штучних нейронних мереж (ШНМ) для обробки даних і розпізнавання образів. Вони показали високу ефективність у виявленні тонких закономірностей і тенденцій, які можуть бути не відразу видимі людському оку. При застосуванні новітніх технлогій для боротьби зі шкідниками ШНМ допомагають розпізнати зміни в реакціях рослин, які вказують на фізіологічні порушення, викликані шкідниками, підтримувані ранні та цільово спрямовані заходи втручання.Інтеграція технологій новітніх технологійу сільське господарство не тільки підвищує ефективність моніторингу, але і знижує залежність від хімічних пестицидів. Цей підхід має важливе значення при стійкому сільському господарству, оскільки він мінімізує вплив на навколишнє середовище, забезпечуючи при цьому високу придатність. Застосування новітніх технологій для виявлення цінностей є кроком вперед у сучасних методах ведення сільського господарства, де точність і тимчасове вміщення мають життєво важливе значення для підтримки здоров’я та якості рослин. Для моніторингу здоров'я рослин використовуються різноманітні технології, включаючи передові датчики, камери та автоматизовані системи обробки даних. Такі датчики, як датчики температури, вологості і освітленості, мають вирішальне значення для моніторингу навколишнього середовища в теплицях в режимі реального часу. Ці дані, передані в центральну систему на базі II, дозволяють точно контролювати середовище вирощування.Відеокамери фіксують зміни у висоті та зовнішньому вигляді відтінків, у той час як комп’ютерне бачення та аналіз зображень відображають аномалії системи, такі як зміни кольору, форми чи текстури, що вказують на вплив впливових факторів Зібрані цими пристроями дані потім обробляються за допомогою новітніх технологій, навчених розпізнавати закономірності здоров'я рослин. Ці мережі забезпечують раннє попередження, виявляють відхилення, пов'язані з активністю вредителей, що дозволяє приймати своєчасні та превентивні заходи. Такі автоматизовані відповіді можуть включати корекцію пошкоджень, внесення ухвалених або навіть біологічні заходи контролю, такі як впровадження природних захисників для боротьби з визначеними шкідливими факторами.
Посилання
2. Інформаційні системи і технології в економіці: посібник / за ред. В.С. Пономаренка.Київ : Видав. центр “Академія”, 2002. 544 с.
3. Гнучкі комп’ютерно-інтегровані системи: планування, моделювання, верифікація, управління : підручник : з 2-х кн./Л. С. Ямпольський, П. П. Медьничук, К. Б. Остапченко, О. І. Лісовіченко.Житомир : ЖДТУ,2010. Кн. 2. Штучний інтелект в плануванні і керуванні виробничими процесами.786 с.
4. Глибовець М.М., Олецький О.В.Штучний інтелект: підручник. Київ : Видав. дім “КМАкадемія”, 2022. 368 с.
5. Аніскевич Л.В. Системи керування нормами внесення матеріалів в технологіях точного землеробства: автореф. дис.на здобуття наук. ступеня д-ра техн. наук: 05.05.11 / Нац. аграр. ун-т. Київ,2005. 36 с.
6. Терміни точного землеробства /Войтюк Д.Г., Аніскевич Л.В., Гаврилюк Г.Р., Волянський М. С.Техніка АПК.2005. № 5.С.29–30.
7. Шевчук О.В., Коломієць С.І.Точне землеробство: переваги й перспективи. Захист рослин.2001.№5. С.18–20.
8. Адамчук В.В., Мойсеєнко В. В. Землеробство майбутнього і техніка для ньогою. Вісник аграрної науки. 2001. № 11. С.55–60.
9. Побудова картогам поживних речовин у ґрунті з використанням супутникової навігаційної системи /Войтюк Д.Г., Гаврилюк Г.Р., Аніскевич Л.В., Волянський М.С.Механізація сільськогосподарського виробництва. 2000.Вип. ІX.С.37–39.
10. Бідолах Д.І., Панасенко В.М., Козак О.В. Використання деяких елементів нових технологій при картографуванні ґрунтів. Вісник аграрної науки.2005. №1. С.69–71.
11. Мельник Р.В. Параметри забезпечення ефективності застосування широкозахватних машинно-тракторних агрегатів у керованому землеробстві. Механізація та електрифікація сільського господарства: міжвід. темат. наук. зб. 2008. Вип. 92. С.541–547.
12. Броварець О.О. Дистанційне керування технологічними операціями роботизованих систем у точному землеробстві.Механізація та електрифікація сільського господарства : міжвід. темат. наук.зб.2008. Вип. 92.С.530–535.
13. Кравченко В., Сердюченко Н.Основи методології моніторингу агроресурсів та прогнозування врожайності сільськогосподарських культур за проектом MARS.Вісник Харківського національного технічного університету сільського господарства ім. П. Василенка.Механізація сільськогосподарського виробництва. 2008. №75,т. IІ. С.3–14.
14. Кравчук В., Любченко С., Ковтуненко О. Інтегрована система технологій керованого землеробства. Техніко-технологічні аспекти розвитку та випробування нової техніки і технологій для сільського господарства України / УкрНДІПВТ ім. Л. Погорілого.2009.Вип. 13(27), кн. 2.С.50–52.
15. 15.Richard S. Sutton, Andrew G. Barto. Reinforcement Learning: An Introduction.Ser.: Adaptive Computation and Machine Learning.London: MIT Press, 2018. 552 p.
16. Action needed for the EU common agricultural policy to address sustainability challenges /Peer G., Bonn A., Bruelheide H.et al. People andnature.2020. №2. Р.305–316. DOI: https://doi.org/10.1002/pan3.10080
17. Binta B. A., Bruno B.Economic and Environmental Performances of Organic Farming System Compared to Conventional Farming System: A Case Study of the Horticulture Sector in the Niayes Region of Senegal. Pro. Env. Sc.2015. №29. Р.17–19.DOI: https://doi.org/10.1016/j.proenv.2015.07.1323
18. Klimczuk-Kochańska M., Klimczuk A.Organic Agriculture. The Palgrave EncyclopediaofGlobal Security Studies / (Eds.) Scott Romaniuk, Manish Thapa, Péter Marton.Cham: Springer International Publishing, 2020. Р.1–7.DOI: https://doi.org/10.1007/978-3-319-74336-3_480-1.4.
