META-ANALYSIS OF DIGITAL TECHNOLOGIES AND AI METHODS FOR INCREASING PRODUCTIVITY OF IRRIGATED AGROPHYTOCENOSES IN ARID CLIMATE
META-ANALYSIS OF DIGITAL TECHNOLOGIES AND AI METHODS FOR INCREASING PRODUCTIVITY OF IRRIGATED AGROPHYTOCENOSES IN ARID CLIMATE
Abstract
The relevance of the research is due to the fact that modern digital technologies, along with artificial intelligence (AI) methods, are widely used in agriculture to increase its efficiency and productivity of irrigated agrophytocenoses in arid climate. The previously published reviews are too broad and cover the period up to 2021. Modern analytical research is limited mainly to the application of intelligent drone applications in agriculture.
The materials and methods included a meta-analysis of AI technologies and methods that increase the productivity of irrigated agrophytocenoses, focused primarily on patent-protected technical solutions.
The results of the study made it possible to identify key areas of application of AI information technologies, including methods of crop management, as well as ways to use ML methods to select optimal parameters for growing plants.
1. Введение
Обоснование актуальности и постановка проблемы
Современные цифровые технологии, наряду с методами ИИ, широко используются в сельском хозяйстве для повышения его эффективности. Разнообразие технологических приемов, биологических особенностей сортов, образующих агрофитоценозы, климатических особенностей природных зон возделывания требует соответствующего информационно-аналитического обеспечения
, . Это обуславливает необходимость и актуальность подготовки соответствующих тематических обзоров , , .Опубликованные ранее обширные обзоры, например, авторов L.F.P. Oliveira, A.P. Moreira, M.F. Silva, являются слишком широкими и охватывает период до 2021 г. , а современное аналитическое исследование E. Khatab, H. Fawzy, A. Elbrawy и др. ограничено применением интеллектуальных применений дронов в сельском хозяйстве.
Отмеченные обстоятельства обусловили актуальность подготовки настоящего аналитического обзора, охватывающего современные цифровые технологии, и методы ИИ для повышения эффективности сельскохозяйственного производства.
2. Мета-анализ проблем повышения продуктивности орошаемых агрофитоценозов
Мета-анализ, как и систематический обзор, является элементом научной методологии. При его проведении интегрируются результаты различных исследований с целью выявления или проверки нескольких гипотез, для чего можно использовать опубликованные результаты, а также для выявления общих закономерностей .
В условиях засушливого климата, характерного для регионов Юга России , проблемы обеспечения устойчивости и повышения продуктивности орошаемых агрофитоценозов приобретают особое значение. Для решения этих проблем можно использовать цифровые технологии (ЦТ) точного земледелия и методы ИИ.
2.1. Обзор цифровых технологий повышения продуктивности орошаемых агрофитоценозов
Проведенный патентно-информационный поиск выявил, как наиболее релевантные, технические и технологические подходы к оценке и повышению урожайности сельскохозяйственных культур, представленные в таблице 1.
Таблица 1 - Технические решения повышения продуктивности агрофитоценозов
2.2. Обзор методов ИИ, обеспечивающих повышение продуктивности орошаемых агрофитоценозов
Иерархия основных методов ИИ, обеспечивающие повышение продуктивности орошаемых агрофитоценозов
, представлены на рисунке 1.
Рисунок 1 - Применение методов ИИ в отраслях АПК
Рисунок 2 - Прогноз объёма рынка ИИ в сельском хозяйстве
Таблица 2 - Технические решения, защищающие применение методов ИИ для повышения продуктивности агрофитоценозов
№ патента / а.с. | Авторы | Подход к оценке урожайности сельскохозяйственных культур |
2723189, A01G7/00, G06N5/00 | А. Никитин и др., 2019 | Подбор оптимальных параметров выращивания растений методами ML |
2688234, G06Q10/06 | Сюй Цзисян, 2019 | Интеллектуальное управление выращиванием: предусматривает стадии сбора данных, классификации-маркировки и стадию регулирования |
2724075, G06F21/50; G06N20/00; G05B23/0243 | А. Лаврентьев и др., 2020 | Система и способ определения источника аномалии в кибер-физической системе, обладающей определенными характеристиками |
Следовательно, можно ожидать появление новых патентов, в том числе на изобретения в области кибер-физических систем (КФС), обеспечивающих более надежную защиту авторских прав, чем регистрация программ для ЭВМ.
3. Основные результаты
Анализ и систематизация выявленных технических решений позволили выявить следующие направления использования ЦТ:
– прогнозирование урожайности зерновых культур (для яровой пшеницы – измеряют среднесуточную активную температуру и осадки в прогнозируемом периоде до даты прогноза);
– в лесозащищенных ландшафтах — повышение урожая и продуктивности орошаемых культур; учет комплекса метеопараметров в суточном разрешении на основе отношения правдоподобия;
– поэтапное управление продукционными процессами с экспертными системами, содержащими пополняемые и модифицируемые базы знаний каждого из этапов
.Технические решения, защищающие применение методов ИИ для повышения продуктивности агрофитоценозов, включают методы интеллектуального управления выращиванием, предусматривающие стадии сбора данных, классификации-маркировки и стадию регулирования, а также устройства для их реализации.
Кроме того, возможно применение методов ML для подбора оптимальных параметров выращивания растений.
4. Обсуждение
Проведенные патентно-информационные исследования позволили выполнить аналитический обзор средств ИИ и ЦТ в растениеводстве, результаты которого включают следующие направления их использования:
– поэтапное управление продукционными процессами агрофитоценозов с использованием экспертных систем, содержащих пополняемые и модифицируемые базы знаний каждого из этапов;
– прогнозирование урожайности зерновых культур посредством измерения среднесуточных активных температур и осадков в прогнозируемом периоде с учетом даты прогноза
;– в лесозащищенных ландшафтах — повышение урожая и продуктивности орошаемых культур.
5. Заключение
Технические решения, защищающие применение методов ИИ для повышения продуктивности агрофитоценозов, включают методы интеллектуального управления выращиванием, предусматривающие стадии сбора данных, классификации-маркировки и стадию регулирования, а также применение методов ML
и нейро-нечетких подходов и КФС для подбора оптимальных параметров выращивания сельскохозяйственных растений.