<<<  Back

2022, № 99

UDC: 338.43:632.08
GSNTI: 06.71.07

Intelligent technologies for ecosystems phytosanitary diagnosis: neural network approach

The paper proposes an algorithm for the crops phytosanitary diagnostics intellectualization based on a neural network approach, includes five stages from data collection to the development of decision support systems. The advantages of introducing a digital component into the classical four-step scheme of phytosanitary monitoring are noted, including partial automation of the procedure for detecting harmful objects, tracking their development and distribution, making biologically and economically sound decisions on protective measures. The main barriers to the development and implementation of intelligent systems in production are listed, the main of which is access to information. The necessity of developing methodological provisions for the innovative solutions management in the Agrarian and Industrial Complex is emphasized, in which the mechanisms for the development, implementation and use of such solutions should be clearly formulated and scientifically substantiated.
Keywords: Phytosanitary diagnostics intellectualization, phytosanitary monitoring, neural network approach, agro-food problem.
DOI: 10.21515/1999-1703-99-66-70

References:

1. Sustainable Development Goals // Режим доступа: https://www.un.org/sustainabledevelopment/.
2. Постановление Правительства Российской Федерации от 13.05.2022 г. № 872 «О внесении изменений в постановление Правительства Российской Федерации от 25 августа 2017 г. - № 996. - Режим доступа: http://government.ru/docs/all/141182/.
3. Алехин, В. Т. Нужны ли ЭПВ сегодня? / В. Т. Алехин, Н. Г. Михина, В. В. Михайликова. - ФГБУ Россельхознадзор 28.10.2016. - [Электронный ресурс]. - Режим доступа: https://rosselhoscenter.ru/.
4. Санин, С. С. Биологические, агроэкологические и экономические аспекты фитосанитарного мониторинга / С. С. Санин, А. А. Макаров // Вестник защиты растений. - 1999. - № 1. - С. 62-66. 5.
5. Волкова, Г. В. Идентификация ржавчины пшеницы с помощью фитопатологического исследования и технологий машинного зрения / Г. В. Волкова, И. В. Ариничева, И. В. Ариничев, И. П. Матвеева, Ю. С. Ким // Вестник Ульяновской государственной сельскохозяйственной академии. - 2021. - № 2(54). - С. 109-120.
6. Ариничева, И. В. Распознавание болезней риса с помощью современных методов компьютерного зрения / И. В. Ариничева, И. В. Ариничев, С. В. Полянских, Г. В. Волкова // Аграрная наука. - 2021. - № 3. - С. 90-94. - https://doi.org/10.32634/0869-8155-2021-345-2-90-94.
7. LeCun, Y. 1989. Backpropagation Applied to Handwritten Zip Code Recognition / Y. LeCun, B. Boser, J. S. Denker, D. Henderson, R. E. Howard, W. Hubbard, L. D. Jackel. - Neural Computation, 1(4):541-551. - DOI:10.1162/neco. 1989.1.4.541.

Authors:

1. Arinichev Igor Vladimirovich, PhD in Economics, associate professor, Federal State Budgetary Educational Institution of Higher Education "Kuban State University".
2. Sidorov Victor Alexandrovich, DSc in Agriculture, professor, Federal State Budgetary Educational Institution of Higher Education "Kuban State University".
3. Arinicheva Irina Vladimirovna, DSc in Biology, professor, Federal State Budgetary Educational Institution of Higher Education “I.T. Trubilin Kuban State Agrarian University”.