1. Введение
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
[1][2][3][4][6]
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.
[7][8]
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
[11]
В условиях засушливого климата, характерного для регионов Юга России
[2]
Проведенный патентно-информационный поиск выявил, как наиболее релевантные, технические и технологические подходы к оценке и повышению урожайности сельскохозяйственных культур, представленные в таблице 1.
Технические решения повышения продуктивности агрофитоценозов
Иерархия основных методов ИИ, обеспечивающие повышение продуктивности орошаемых агрофитоценозов
[3]
Применение методов ИИ в отраслях АПК
[3]
Прогноз объёма рынка ИИ в сельском хозяйстве
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
[12]
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
[12]
– 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
[9][10]