CC BY
16
Tekhnologii i tekhnicheskie sredstva mekhanizirovannogo proizvodstva produktsii rastenievodstva i zhivotnovodstva. 2016. No. 89: 96-106 (In Russian)
УДК 634.1-15
АЛГОРИТМ СИСТЕМЫ ВЫБОРА И ОЦЕНКИ ПАРАМЕТРОВ УБОРКИ СМОРОДИНЫ ЧЁРНОЙ С ПРИМЕНЕНИЕМ ЦИФРОВЫХ АГРОТЕХНОЛОГИЙ
СП. Евсеев
Институт агроинженерных и экологических проблем сельскохозяйственного производства (ИАЭП) - филиал ФГБНУ ФНАЦ ВИМ, Санкт-Петербург, Россия
Интенсивные технологии производства ягодной продукции являются основой для современного промышленного садоводства. В таких технологиях производитель использует приемы и методы для получения максимальной эффективности на каждом этапе возделывания с минимальным воздействием на окружающую среду. В этой связи необходимо иметь соответствующие системы мониторинга и контроля технологических процессов, для создания которых, в первую очередь выбирается объект и связанная с ним технология, а затем разрабатывается алгоритм, по которому будет выполняться анализ полученных данных. Целью исследования была разработка алгоритма, позволяющего оценивать параметры при управлении технологическим процессом уборки с применением цифровых агротехнологий. Была рассмотрена машинная технология уборки при помощи ягодоуборочного комбайна арочного типа. Объектом уборки был сорт смородины чёрной, который пригоден к машинной уборке и имеет лимитирующие и нелимитирующие признаки. Разработанный алгоритм способен в режиме реального времени контролировать параметры объекта и окружающей среды в режиме реального времени с интервалом 3 часа. Применение мониторинга позволит определить возникающие проблемы для принятия управленческих решений; прогнозировать урожайность на следующий и текущий сезон; осуществлять контроль параметров в режиме реального времени. Разработанный алгоритм может быть использован для уборки любых плодово-ягодных культур.
Ключевые слова, алгоритм, биообъект, окружающая среда, уборка смородины чёрной, параметры
Для цитирования, Евсеев С.П. Алгоритм системы выбора и оценки параметров уборки смородины чёрной с применением цифровых агротехнологий // АгроЭкоИнженерия. 2021 №4 (109) С.22-29.
ALGORITHM OF THE SYSTEM FOR CHOOSING AND ESTIMATING PARAMETERS OF BLACK CURRANT HARVESTING WITH THE USE OF DIGITAL AGROTECHNOLOGIES
S.P. Evseev
Institute for Engineering and Environmental Problems in Agricultural Production (IEEP) - branch of FSAC VIM, Saint Petersburg, Russia
Modern industrial horticulture is based on intensive technologies for berry and fruit production. These technologies include the techniques and methods to obtain maximum efficiency at every cultivation stage with minimal impact on the environment. In this regard, the appropriate monitoring and control systems for technological processes are required. To design such systems, the object and associated technology are selected in the first place; then an algorithm is developed according to which the data obtained will be analysed. The study aimed to develop an algorithm for estimating harvesting parameters with the use of digital agricultural technologies. The machine harvesting technology by an arch-type berry harvester was considered. The object of the harvest was a variety of black currant, which was suitable for machine harvesting and had limiting and non-limiting characteristics. The developed algorithm is capable of real-time monitoring of the parameters of the object and the environment in real time with an interval of 3 hours. The use of monitoring will identify emerging problems for making managerial decisions; forecast the fruit yields for the next and current season; monitor parameters in real-time. The developed algorithm can be used for harvesting any fruit and berry crops.
For citation: Evseev S.P. Algorithm of the system for choosing and estimating parameters of black currant harvesting with the use of digital agrotechnologies. AgroEkoInzheneriya. 2021. No. 4(109): 22-29 (In Russian)
Key words: algorithm, biological object, environment, black current harvesting, parameters
Введение
За последние годы в России произошло активное развитие сельскохозяйственного сектора. Политика государства направлена на увеличение производства продуктов питания, а также поддержания положительной экологической обстановки в стране.
Основной проблемой активного развития является то, что увеличение производства привело к учащению применения неорганических удобрений, использование пестицидов и т.д., что в свою очередь усугубляет экологическую ситуацию и делает её менее благоприятной.
Однако в настоящее время разрабатываются новые органические, ресурсосберегающие, экологически чистые технологии производства, в которых всё чаще применяются интеллектуальные системы [1,2].
Современные цифровые системы и технологии включают в себя большое количество задач, моделирующих или поддерживающих процесс интеллектуального анализа данных. К анализу данных можно отнести любую классификацию количественных данных по заданным пользователям параметрам, а также анализ сцен, процессов, явлений с целью выделения объектов с заданными характеристиками или свойствами [3,4].
Геоинформационные технологии, модели культур и дистанционное зондирование могут предоставить информацию фермерам для обеспечения точного земледелия, которое осуществляется путем сопоставления затрат на основе данных разных технологий, применяемых в сельском хозяйстве о фактической урожайности [5,6].
Эти инструменты играют важную роль, а также позволяют сельскому хозяйству эффективно управлять землей и положительно влиять на экологию.
Материалы и методы
Целью исследования является разработка алгоритма, позволяющего оценивать параметры при управлении технологическим процессом уборка с применением цифровых агротехнологий.
Для того чтобы применять цифровые агротехнологии в управлении технологическими процессами необходимо разработать систему управления процессами, которую можно разделить на три взаимосвязанных блока (рис 1): Блок контроля факторов продукционного процесса, включающий в себя комплект датчиков для оценки фито-метеопараметров объекта. Информационно-аналитический блок, включающий базу данных и программное обеспечение, позволяющий осуществлять сбор и анализ информации с датчиков и обратную связь с устройствами, реализующими управляющее воздействие. И блок управления, представленный в виде контроллеров систем орошения и специализированных машин, работающих в системе точного земледелия [7,8].
Блок 2
Информационно-аналитический
Блок 1 контроля состояния
Блок 3 Реализация управленческих решений
Рис. 1. Блоки управления технологическими процессами с применением цифровых
технологий
Реализация блока контроля требует разработку алгоритма системы выбора и оценки параметров.
Алгоритм системы выбора и оценки параметров при управлении технологическим процессом является основным элементом для создания системы мониторинга. Система мониторинга является фундаментом для реализации блока контроля. Блок контроля служит для произведения измерений и регистрации данных, а также вывода данных о состоянии объекта или анализа. Алгоритм представляется в смешанной форме (блок-схема и текст). Объектами мониторинга является элементы «Ъ», состоящий из объектов О1 - окружающая среда и О2 - биообъект, ^ - произведение измерения регистрации данных о окружающей среде, Т2 - определение технологии измерения (где d1, dn - приборы для измерения;
_ способ измерения), \2 - произведение измерения регистрации данных о биообъекте, R1,2 - обработка данных о окружающей среде (н) и биообъекта (Ь), V1,2 - вывод данных о окружающей среде (п) и биообъекте (Ь), А1;2 - анализ данных, осуществляющий обратную связь с устройствами реализующие управляющие воздействия (система тревог).
Для условий выполнения работы алгоритма выбора и оценки параметров необходимы вводные данные, а именно определения объекта мониторинга. Входными данными является окружающая среда или биообъект, которые необходимо проконтролировать. После этого выбираются приборы методы измерения (для биообъекта), а для окружающей среды производится измерения. Информация, полученная после измерения, обрабатывается согласно требованию и выводится в виде данных или дальше проходит анализ, в результате которого могут быть получены тревоги, прогнозы или зависимости.
Рис. 2. Алгоритм системы выбора и оценки параметров уборки смородины чёрной
Результаты и обсуждение
В упрощенном виде блок-схема алгоритма системы выбора и оценки параметров представлена на рис. 2. Если исходить из определения слова алгоритм (набор инструкций, описывающих порядок действий исполнителя для достижения результата решения задачи за конечное число действий), то алгоритм имеет вид в текстовом варианте (в качестве примера приведен только процесс уборки): Прежде чем описать алгоритм уборки нужно вести некоторые условия работы, а именно технологию (каким способом будет происходить уборка), технику (предмет, с помощью которого будет производиться сбор) и объект уборки (сорт, особенности развития, назначение продукта).
Интенсивные технологии производства ягодной продукции являются основой для современного промышленного садоводства. В таких технологиях производитель использует приемы и методы для получения максимальной эффективности на каждом этапе возделывание. Для уборки ягодных культур такой технологией является машинная уборка.
В качестве техники используется ягодоуборочный комбайн арочного типа, который работает шириной междурядья не менее 3,5 м, на участках без уклона. Улавливает урожай на уровне не ниже 0,3 м.
Сорт смородины чёрной (объект уборки), который пригоден к машинной уборке и соответствует следующим требованиям: Лимитирующие признаки сорта:
• зона размещения ягод в кроне куста должна быть на высоте 0,3.1,8 м от поверхности почвы;
• ягоды в кисти должны созревать одновременно (не менее 90 %);
• усилие отрыва ягод от кисти должно быть 50.150 г;
• усилие на раздавливание ягод должно быть более 200 г Нелимитирующие признаки сорта:
• форма кроны от пряморослой до раскидистой;
• отсутствие полеглых ветвей куста;
• продолжительность съемной зрелости более семи дней;
• устойчивость ветвей к механическим повреждениям [9,10]. Текстовый вариант алгоритма следующий:
1. Определение объекта
1.1.1 Окружающая среда
1.1.2 Измерение температуры, влажности, солнечная радиация, количество осадков
1.1.3 Обработка полученных данных
А) Вывод данных без изменений
Б) Обработка данных (подсчет среднесуточных температур, Фотосинтетическая активная радиация, количество осадков)
1.2.1 Смородина чёрная
1.2.2 Измерение температуры и влажности почвы, СО2, излучение, влажность листьев
1.2.3 Приборы для измерения: Датчик влажности почвы, датчик СО2, датчик влажности листьев, датчик солнечной радиации
1.2.4 Обработка полученных данных
А) Вывод данных массива данных
Б) Анализ данных (Сравнение результатов измерения с данными по смородине чёрной) 2. Данные и параметры по окружающей среде и смородине чёрной
Описание последовательности шагов алгоритма оценки и выбора параметров уборки смородины чёрной:
1. Ввод исходных данных об объекте и окружающей среде
2. Ввод данных параметров объекта и окружающей среды
3. Производится снятие показаний с приборов учёта
4. Производится сбор снятых показаний с приборов учёта в узел связи
5. Хранение данных для дальнейшего анализа
Применение мониторинга позволит решить следующие задачи: 1) определение проблем и принятия управленческих решений (тревоги) 2) Прогнозирование урожайности, на следующий и текущий сезон 3) Контроль параметров в режиме реального времени.
Разработанный алгоритм может быть использован не только для уборки смородины чёрной, но и для любых плодово-ягодных культур.
Выводы
Разработан алгоритм, позволяющий оценить параметры при управлении технологическим процессом уборки с применением цифровых агротехнологий.
Разработанный алгоритм способен в режиме реального времени контролировать параметры объекта и окружающей среды в режиме реального времени с интервалом 3 часа.
В упрощенном виде алгоритм позволит получить представление о возможностях и перспективах использования цифровых агротехнологий в управлении технологическими процессами.
Дальнейшая разработка алгоритма станет фундаментом для создания системы мониторинга, которая позволит повысить эффективность управления технологическими процессами.
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1. Поручиков М.А. Анализ данных: учеб. пособие. Самара: Изд-во Самарского университета, 2016. 88 с
2. Валге А.М. Использование систем Excel и Mathcad при проведении исследований по механизации сельскохозяйственного производства (Методическое пособие). СПб.: ГНУ СЗНИИМЭСХ Россельхозакадемии. 2013. 200 с.
3. Измайлов А. Ю., Смирнов И. Г., Хорт Д. О. Цифровые агротехнологии в системе «Умный сад» // Садоводство и виноградарство. 2018. №6. С. 33-39.
4. Еремин Г.В., Исачкин А.В., Казаков И.В., Куминов Е.П., Плеханова М.Н., Седов Е.Н. Общая и частная селекция и сортоведение плодовых и ягодных культур. М.: МИР. 2004. 422 с.
5. Перекопкий А. Н., Зыков А.В., Егорова К.И., Евсеев С.П.. Элемент системы мониторинга термических условий в биоценозе сада при различных системах содержания почвы // Известия МАЛО. 2021. № 56. С. 23-27.
6. Краюшкина Н.С., Перекопский А.Н., Егорова К.И., Евсеев С.П. Обоснование хозяйственно-биологических свойств и пригодности к машинной уборке урожая сортов и селекционных форм смородины чёрной // Технологии и технические средства механизированного производства продукции растениеводства и животноводства. 2020. № 2 (103). С. 64-72.
7. Иванов А.Л., Козубенко И.С., Савин И.Ю., Кирюшин В.И. Цифровое земледелие // Вестник российской сельскохозяйственной науки. 2018. №5. С. 4-9
8. Хорт Д.О., Смирнов И. Г., Филиппов Р.А., Вершинин Р.В. Обоснование параметров системы автоматического орошения «Умного сада» // Инновации в сельском хозяйстве. 2018. № 3 (28). С. 123-127
9. Кузин А.И., Трунов Ю.В., Соловьев А.В. Оптимизация азотного питания яблони (malus domestica borkh) при фертигации и внесении бактериальных удобрений // Сельскохозяйственная биология. 2018. Т. 53. №5. С. 1013-1024.
10. Краюшкина Н.С. Барыльник К.Г. Рециркуляция элементов минерального питания в условиях постоянного задернения почвы в плодовом саду // Региональная экология. 2015. №5 (40). С. 39-42.
REFERENCES
1. Poruchikov M.A. Analiz dannykh: ucheb. posobie [Data analysis: training maual]. Samara: Samara University Publ., 2016: 88 p. (In Russian)
2. Valge A.M. Ispol'zovanie sistem Excel i Mathcad pri provedenii issledovanij po mekhanizatsii sel'skokhozyajstvennogo proizvodstva (Metodicheskoe posobie) [Application of Excel and Mathcad in research related to mechanisation of agricultural production/ Guidance manual]. Saint Petersburg: GNU SZNIIMESKH Rossel'khozakademii, 2013: 200 p. (In Russian)
3. Izmailov A. Yu., Smirnov I. G., Khort D. O. Tsifrovye agrotekhnologii v sisteme "Umnyi sad" [Digital agricultural technologies in the Smart Garden system]. Sadovodstvo i vinogradarstvo. 2018. No. 6: 33-39 (In Russian)
4. Eremin G.V., Isachkin A.V., Kazakov I.V., Kuminov E.P., Plekhanova M.N., Sedov E.N. Obshchaya i chastnaya selektsiya i sortovedenie plodovykh i yagodnykh kul'tur [General and specific selection and varietal research of fruit and berry crops]. Moscow: MIR. 2004: 422 p. (In Russian)
5. Perekopkiy A. N., Zykov A.V., Egorova K.I., Evseev S.P. Element sistemy monitoringa termicheskikh uslovii v biotsenoze sada pri razlichnykh sistemakh soderzhaniya pochvy [Element of the system for monitoring thermal conditions in the biocenosis of a garden under different soil management systems]. IzvestiyaMAAO. 2021. No. 56: 23-27 (In Russian)
6. Krayushkina N.S., Perekopskiy A.N., Egorova K.I., Evseev S.P. Obosnovanie khozyaistvenno-biologicheskikh svoistv i prigodnosti k mashinnoi uborke urozhaya sortov i selektsionnykh form smorodiny chernoi [Substantiation of commercial and biological properties and suitability for machine harvesting of black currant cultivars and breeding forms]. Tekhnologii i tekhnicheskie sredstva mekhanizirovannogo proizvodstva produktsii rastenievodstva i zhivotnovodstva. 2020. No. 2 (103): 64-72 (In Russian)
7. Ivanov A.I, Kozubenko I.S, Savin I.Yu, Kiryushin V.I. Tsifrovoe zemledelie [Digital farming]. Vestnikrossiiskoi sel'skokhozyaistvennoi nauki. 2018. No. 5: 4-9 (In Russian)
8. Hort D.O., Smirnov I. G., Filippov R.A., Vershinin R.V. Obosnovanie parametrov sistemy avtomaticheskogo orosheniya «Umnogo sada» [Justification of parameters of system of automatic irrigation "Smart Garden"]. Innovatsii v sel'skom khozyaistve. 2018. No. 3 (28): 123127 (In Russian)
9. Kuzin A.I., Trunov Yu.V., Solovyev A.V. Optimizatsiya azotnogo pitaniya yabloni (malus domestica borkh) pri fertigatsii i vnesenii bakterial'nykh udobrenii [Apple tree (Malus Domestica Borkh) nitrogen supply optimization by fertigation and bacterial fertilizers]. Sel'skokhozyaistvennaya biologiya 2018. Vol. 53. No.5: 1013-1024 (In Russian)
10. Krayushkina N.S. Baryl'nik K.G. Retsirkulyatsiya elementov mineral'nogo pitaniya v usloviyakh postoyannogo zaderneniya pochvy v plodovom sadu [Recycling of mineral nutrients under conditions of constant turfing of the soil in the orchard]. Regional'naya ekologiya. 2015. No. 5 (40): 39-42 (In Russian)
