Труды Кубанского государственного аграрного университета


<<<  Назад

2022 год, № 99

УДК: 338.43:632.08
ГРНТИ: 06.71.07

ИНТЕЛЛЕКТУАЛЬНЫЕ ТЕХНОЛОГИИ ФИТОСАНИТАРНОЙ ДИАГНОСТИКИ ЭКОСИСТЕМ: НЕЙРОСЕТЕВОЙ ПОДХОД

В работе предложен алгоритм интеллектуализации фитосанитарной диагностики посевов на основе нейросетевого подхода, включающего пять этапов от сбора данных до разработки систем поддержки принятия решений. Отмечаются преимущества введения цифровой составляющей в классическую четырехшаговую схему фитосанитарного мониторинга, среди которых частичная автоматизация процедуры обнаружения вредных объектов, слежение за их развитием и распространением, принятие биологически и экономически обоснованных решений по проведению защитных мероприятий. Перечислены основные барьеры разработки и внедрения интеллектуальных систем в производство, основным из которых выступает доступ к информации. Подчеркивается необходимость разработки методологических положений управления инновационными решениями в АПК, в которых четко должны быть сформулированы и научно обоснованы механизмы разработки, внедрения и использования таких решений.
Ключевые слова: Интеллектуализация фитосанитарной диагностики, фитосанитарный мониторнг, нейросетевой подход, агропродовольственная проблема.
DOI: 10.21515/1999-1703-99-66-70

Литература:

  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.

Авторы:

  1. Ариничев Игорь Владимирович, канд. экон. наук, доцент, Федеральное государственное бюджетное образовательное учреждение высшего образования «Кубанский государственный университет».
  2. Сидоров Виктор Александрович, д-р экон. наук, профессор, Федеральное государственное бюджетное образовательное учреждение высшего образования «Кубанский государственный университет».
  3. Ариничева Ирина Владимировна, д-р биол. наук, профессор, Федеральное государственное бюджетное образовательное учреждение высшего образования «Кубанский государственный аграрный университет имени И.Т. Трубилина».