Використання нейронних мереж для планування коректного відбору зразків рослинних насаджень в технологіях точного землеробства

Автор(и)

  • N. A. Pasichnyk Національний університет біоресурсів і природокористування України http://orcid.org/0000-0002-2120-1552
  • A.O. Dudnyk Національний університет біоресурсів і природокористування України http://orcid.org/0000-0001-9797-3551
  • O. O. Opryshko Національний університет біоресурсів і природокористування України http://orcid.org/0000-0001-6433-3566
  • N. A. Kiktev Національний університет біоресурсів і природокористування України http://orcid.org/0000-0001-7682-280X
  • M. M. Petrenko Національний університет біоресурсів і природокористування України

DOI:

https://doi.org/10.31548/dopovidi6(106).2023.005

Ключові слова:

відбір зразків рослин, точне землеробство, дистанційний моніторинг, вегетаційні індекси, БПЛА, нейронні мережі

Анотація

Стаття присвячена дослідженню використання нейронних мереж для оптимізації вибору насаджень у технологіях точного землеробства. Дослідження враховує такі комплексні аспекти відбору зразків, як швидкість отримання зображення, ефективність оцінки стану мінерального живлення та вологості ґрунту тощо. Ці дані є необхідною складовою для технологій точного землеробства і, зокрема, управління посівами. Дослідження проводили на виробничих полях у 2019-2020 роках у Бориспільському районі Київської області. Спектральні дослідження проводились за допомогою встановленого на БПЛА комплексу Slantrange 3p. Обробку даних проводили як за допомогою спеціалізованого програмного забезпечення для спектральних даних Slantview, так і за допомогою математичного пакету MathCad.

Оцінка характеру розподілу як окремих спектральних каналів, так і їх поєднання у вигляді вегетаційних індексів виявилася непідготовленою для виявлення нерівномірного водозабезпечення територій. Червоний канал та його похідні виявилися найперспективнішими у напрямку виявлення водозабезпеченості пшениці. Застосування нейронних мереж дозволило виявити на картах розподілу вегетаційних індексів на місцях ймовірні ділянки підвищеної водності. Тривалість ідентифікації за допомогою нейронних мереж не заважатиме процедурі відбору проб, тому така процедура може бути ефективно реалізована в агрономічній практиці. Отже, використання нейронних мереж дозволяє автоматизувати та підвищити точність відбору, підвищити якість аналізу рослинних насаджень за умови дотримання технологій оцінки проб ґрунту. Отримані результати свідчать про перспективність впровадження даного підходу в сучасному сільському господарстві.

Посилання

Yuniarto D., Herdiana D. and Junaedi D. Indra (2020). Smart Farming Precision Agriculture Project Success based on Information Technology Capability. 2020 8th International Conference on Cyber and IT Service Management (CITSM), Pangkal, Indonesia,. 1-6. doi: 10.1109/CITSM50537.2020.9268807.

Patidar J., Khatri R. and Gurjar R. C.. (2019). Precision Agriculture System Using Verilog Hardware Description Language to Design an ASIC. 2019 3rd International Conference on Electronics, Materials Engineering & Nano-Technology (IEMENTech), Kolkata, India, 2019, pp. 1-6, doi: 10.1109/IEMENTech48150.2019.8981128.

Wiangtong T. and Sirisuk P. (2018). IoT-based Versatile Platform for Precision Farming. 2018 18th International Symposium on Communications and Information Technologies (ISCIT), Bangkok, Thailand, pp. 438-441, doi: 10.1109/ISCIT.2018.8587989.

Bhat U. A., Thirunavukarasan M. and Rajesh E. (2022). Research on Improving Productivity of Crop & Enriching Farmers Using IoT Based Smart Farming. 2022 4th International Conference on Advances in Computing, Communication Control and Networking (ICAC3N), Greater Noida, India, pp. 1403-1407, doi: 10.1109/ICAC3N56670.2022.10074418.

P. Patil, R. Kestur, M. Rao and A. C†, (2023). IoT based Data Sensing System for AutoGrow, an Autonomous greenhouse System for Precision Agriculture. 2023 IEEE Applied Sensing Conference (APSCON), Bengaluru, India, pp. 1-3, doi: 10.1109/APSCON56343.2023.10101100.

Zaryouli M., Fathi M. T. and Ezziyyani M. (2020). Data collection based on multi-agent modeling for intelligent and precision farming in lokoss region morocco. 2020 1st International Conference on Innovative Research in Applied Science, Engineering and Technology (IRASET), Meknes, Morocco, pp. 1-6, doi: 10.1109/IRASET48871.2020.9092214.

Vechera O. M., Rogovskii I. & Pastushenko S. I. (2018). Navigation systems in precision farming. Machinery & Energetics, 9(2), 133-138.

Zhang Z., Shen S. and Lai Q. (2022). Early-Stage Diagnosis of Panax Notoginseng Plant Blight Disease by Multispectral Imaging. 2022 International Conference on Intelligent Systems and Computational Intelligence (ICISCI), Changsha, China, pp. 86-92, doi: 10.1109/ICISCI53188.2022.9941455.

Sabah N. U., Usama M., Zafar Z., Shahzad M., Fraz M. M. and Berns K. (2022). Analysis of Vegetation Indices in the Cotton Crop in South Asia region using UAV Imagery. 2022 17th International Conference on Emerging Technologies (ICET), Swabi, Pakistan, pp. 70-75, doi: 10.1109/ICET56601.2022.10004662.

Lysenko V., Shvorov S., Opryshko O., Komarchuk D., Lukin V. and Pasichnyk N. (2019). Methodological Solutions for the IoT Concept for Biogas Production Using the Local Resource. 2019 IEEE International Scientific-Practical Conference Problems of Infocommunications, Science and Technology (PIC S&T), Kyiv, Ukraine, pp. 561-566, doi: 10.1109/PICST47496.2019.9061238.

Edmonds M. and Yi J. (2021). Efficient Multi-Robot Inspection of Row Crops via Kernel Estimation and Region-Based Task Allocation. 2021 IEEE International Conference on Robotics and Automation (ICRA), Xi'an, China, pp. 8919-8926, doi: 10.1109/ICRA48506.2021.9560826.

Gunchenko Y., Shvorov S., Lukin V., Mezhuyev V. (2019). Intellectual control system for unmanned energy crop combine. CEUR Workshop Proceedings, 2683, рр. 21–24.

Voronin N., Mosorin, P.D., Tkachenko, M.V., Shvorov, S.A. (2003). Application of a Nonlinear Trade-off Scheme in the Problem of Structure Synthesis of the Data Transfer Systems. Journal of Automation and Information Sciences, 35(5-8), рр. 59–71.

Pak J., Kim J., Park Y. and Son H. I. (2022). Field Evaluation of Path-Planning Algorithms for Autonomous Mobile Robot in Smart Farms. in IEEE Access, vol. 10, pp. 60253-60266, doi: 10.1109/ACCESS.2022.3181131.

Voronin A.N., Yasinsky, A.G., Shvorov, S.A., (2002). Synthesis of compromise-optimal trajectories of mobile objects in conflict environment. Journal of Automation and Information Sciences, 34(2), рр. 1–8.

Shvorov S. A., Pasichnyk N. A., Kuznichenko S. D., Tolok I. V., Lienkov S. V. and KomarovaL. A. (2019). Using UAV During Planned Harvesting by Unmanned Combines. 2019 IEEE 5th International Conference Actual Problems of Unmanned Aerial Vehicles Developments (APUAVD), Kiev, Ukraine, pp. 252-257, doi: 10.1109/APUAVD47061.2019.8943842.

Komarchuk D. S., Opryshko O. A., Shvorov S. A., Reshetiuk V., Pasichnyk N. A. and Lendiel T. (2021). Forecasting the State of Charging Batteries on Board the UAV on the Basis of Neuro-Fuzzy Network Using. 2021 IEEE 6th International Conference on Actual Problems of Unmanned Aerial Vehicles Development (APUAVD), Kyiv. Ukraine. pp. 188-194, doi: 10.1109/APUAVD53804.2021.9615413.

Krishnan R. S., Narayanan K. L., Julie E. G., Boopesh V. A., Marimuthu Prashad K. and Sundararajan S. (2022). Solar Powered Mobile Controlled Agrobot. 2022 Second International Conference on Artificial Intelligence and Smart Energy (ICAIS), Coimbatore, India. pp. 787-792, doi: 10.1109/ICAIS53314.2022.9742856.

Pandian M. J. and Karthik D. (2022). Crop Water Stress Identification and Estimation: A Review. 3rd International Conference on Electronics and Sustainable Communication Systems (ICESC). Coimbatore. India. pp. 1376-1379, doi: 10.1109/ICESC54411.2022.9885418.

Pasichnyk N., Komarchuk D., Korenkova H., Shvorov S., Opryshko O., Kiktev N. (2021). Spectral-Spatial Analysis of Data of Images of Plantings for Identification of Stresses of Technological Character. 2nd International Conference on Intellectual Systems and Information Technologies (ISIT 2021) CEUR Workshop Proceedings. 312. рр. 305-312.

##submission.downloads##

Опубліковано

2023-12-20

Номер

№ 6/106 (2023)

Розділ

Агрономія

Ліцензія

Стосунки між правовласниками і користувачами регулюються на умовах ліцензії Creative Commons Із Зазначенням Авторства – Некомерційна – Поширення На Тих Самих Умовах 4.0 Міжнародна (CC BY-NC-SA 4.0):https://creativecommons.org/licenses/by-nc-sa/4.0/deed.uk

Автори, які публікуються у цьому журналі, погоджуються з наступними умовами:

  • Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons Attribution License, котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у цьому журналі.
  • Автори мають право укладати самостійні додаткові угоди щодо неексклюзивного розповсюдження роботи у тому вигляді, в якому вона була опублікована цим журналом (наприклад, розміщувати роботу в електронному сховищі установи або публікувати у складі монографії), за умови збереження посилання на першу публікацію роботи у цьому журналі.
  • Політика журналу дозволяє і заохочує розміщення авторами в мережі Інтернет (наприклад, у сховищах установ або на особистих веб-сайтах) рукопису роботи, як до подання цього рукопису до редакції, так і під час його редакційного опрацювання, оскільки це сприяє виникненню продуктивної наукової дискусії та позитивно позначається на оперативності та динаміці цитування опублікованої роботи (див.The Effect of Open Access).