CC BY
178
с1о1: 10.24411/0044-3913-2020-10109 УДК 631.58:551:5
Интеллектуальные системы поддержки технологических решений в точном земледелии
В. П. ЯКУШЕВ, доктор сельскохозяйственных наук, академик РАН, зав. отделом (e-mail: vyakushev@agrophys.ru) В. В. ЯКУШЕВ, доктор сельскохозяйственных наук, член-корреспондент РАН, зав. лабораторией (e-mail: mail@ agrophys.com) Д. А. МАТВЕЕНКО, кандидат сельскохозяйственных наук, старший научный сотрудник (e-mail: dmatveenko@inbox.ru) Агрофизический научно-исследовательский институт, Гражданский просп., 14, Санкт-Петербург, 195220, Российская Федерация
Актуальность применения цифровых технологий точного земледелия (ТЗ) в производстве растениеводческой продукции в последние годы все более возрастает. Однако даже в развитых странах процесс их внедрения сдерживается из-за отсутствия на рынке интеллектуальных систем (ИС) поддержки, выработки и реализации агротехнологиче-ских решений на основе разнородныхданных и проблемно-ориентированныхзнаний. Цель работы - обобщить опыт Агрофизического научно-исследовательского института (АФИ) в области применения ЭВМ в земледелии, представить современную структуру, принципы построения и схему системной организации сбора агротехнологических знаний и разнородных пространственно-атрибутивных данных, создать на этой основе прототип интеллектуальной системы поддержки плановых и оперативных технологических решений по прецизионному производству растениеводческой продукции. Функционал ИС обеспечивает формализацию декларативных агротехнологических и процедурных (математических моделей) знаний, осуществляет с помощью ГИС-инструментов генерацию электронных карт-заданий для дифференцированного выполнения агроприёмов на основе базы знаний и разнородных данных, включая данные дистанционного зондирования, а также поддерживаетосновные форматы данных, что позволяет импортировать/экспортировать пространственно-атрибутивную информацию при помощи различных протоколов обмена данными с бортовыми компьютерами сельхозагрегатов и мобильных комплексов. В результате применения ИС значительно улучшилось качество растениеводческой продукции, агрохимическая нагрузка на окружающую средууменьшилась на 35...60 %, а окупаемость удобрений и средств защиты растений повысилась в1,5.1,7 раза на фоне существенного роста урожайности. Апробацию ИС осуществляли на основе интеграции с отечественным бортовым на-
вигационным оборудованием «Агронавигатор Плюс» и робототехническими агрегатами на базе машин РМУ-8000.
Ключевые слова: точное земледелие, интеллектуальные системы, базы данных и знаний, электронные карты-задания, глобальные системы позиционирования, дистанционное зондирование Земли, аэрокосмические методы и средства, оптические характеристики посевов, информационно-измерительные системы, программно-аппаратные средства.
Для цитирования: Якушев В. П., Якушев В. В., Матвеенко Д. А. Интеллектуальные системы поддержки технологическихрешений в точном земледелии//Земледелие. 2020. №1. С. 33-37. бог. 10.24411/0044-3913-2020-10109.
Доктрина продовольственной безопасности, Указ Президента РФ от 7 мая 2018 г № 204 «О национальных целях и стратегических задачах развития Российской Федерации на период до 2024 года», Указ президента РФ от 21 июля 2016 г № 350 «О мерах по реализации государственной научно-технической политики в интересах развития сельского хозяйства», Программа «Цифровая экономика Российской Федерации», утвержденная решением Правительства Российской Федерации от 28.07.2018 г № 1632-р и другие официальные документы ставят следующие системные задачи для устойчивого развития агро-продовольственного сектора, включая научное обеспечение земледелия:
создание новых методов, инструментов и интеллектуальных технологий, обеспечивающих мониторинг агроэко-систем и оценку состояния земель и посевов, пространственное планирование и управление сельским хозяйством;
создание физико-технического и программно-аппаратного базиса для автоматизации и роботизации ресурсосберегающего и экологизированного производства растениеводческой продукции и сырья;
создание на селе 1Т-кластера новых профессий - специалистов по ГИС-системам, обслуживанию бортовой электроники и навигационной аппаратуры на сельскохозяйственных агрегатах, программистов для масштабируемого внедрения интеллектуальных технологий прецизионного производства растениеводческой продукции.
Решение перечисленных задач будет способствовать цифровой трансформации сельского хозяйства в целом, рас-
ширит возможности перехода к «умному сельскому хозяйству», повысит привлекательность отрасли и обеспечит рост производительности труда [1]. Переход к реальной цифровой экономике в аграрном производстве связан в первую очередь с технологиями точного земледелия. Он предусматривает создание продуктов и сервисов, основанных на автоматизации и роботизации технологических процессов, геопозиционировании, искусственном интеллекте, «больших данных» и других информационных технологиях. Их масштабное распространение обеспечит ускоренный перевод сельского хозяйства на новый технологический уклад, в основе которого лежит дифференцированный подход к объектам управления (посевам или отдельным растениям) и среде их обитания [2, 3].
В последние годы, когда компьютер есть почти у каждого специалиста и активно развивается сеть Интернет, открывается реальная возможность воплощения в жизнь пророческого высказывания А. Ф. Иоффе. В 1955 г на Всесоюзном совещании ученых-агрономов, зоотехников и биологов академик сказал: «Не далеко то время, когда решающую роль в управлении сложнейшей отраслью человеческой деятельности будет играть электронный агроном, способный учесть множественность сложнейших зависимостей в сельском хозяйстве и предложить единственно правильное решение по оперативному управлению сельскохозяйственным предприятием» [4]. Для реализации идеи А. Ф. Иоффе компьютер должен вобрать в себя все базовые агрономические сведения, алгоритмы выработки технологических решений применительно к конкретным почвенно-климатическим и экономическим условиям конкретного сельскохозяйственного предприятия, то есть речь идет о создании интеллектуальной системы (ИС) по управлению знаниями. Эти знания включают в себя формализованные описательные (декларативные) агротехнологические знания, основанные на многолетнем опыте земледельцев, и процедурные знания (математические модели), которые получают расчетным способом.
Цель исследований - обобщить опыт Агрофизического научно-исследовательского института (АФИ) в области применения ЭВМ в земледелии, представить современную структуру, принципы построения и схему системной ы организации сбора агротехнологических е знаний и разнородных пространственно- л атрибутивных данных и создать на этой Д основе прототип интеллектуальной л системы поддержки плановых и опе- | ративных технологических решений по 2 прецизионному производству растение- 1 водческой продукции. м
Исторические предпосылки и ме- 2 тодологические основы построения
интеллектуальных систем. Компьютерные системы поддержки принятия решений (СППР) в земледелии и растениеводстве возникли вследствие естественного развития и обобщения информационно-справочных систем и систем управления базами данных. Начавшийся в конце 60-х гг прошлого века переход от экспериментально-описательного уровня агрономической науки к уровню выявления количественных закономерностей и теоретических обобщений создал предпосылки для зарождения качественно нового принципа управления агротехнологиями. Главная его особенность заключается в переходе от интуитивных решений, основанных только на опыте земледельца, к количественно обоснованным приемам управления технологическими процессами с применением ЭВМ для обработки информации.
Практическое использование ЭВМ при производстве растениеводческой продукции началось в 70-е гг прошлого века при реализации методов программирования урожаев. На этом этапе ЭВМ были предназначены, в основном, для решения информационно-справочных задач путем выдачи разнообразных справок о текущей метеорологической обстановке, условиях и ходе вегетации растений на полях с программируемым урожаем в текущем году [5].
Следующий этап, начавшийся примерно с середины 80-х гг, был обусловлен стремительным развитием имитационного моделирования продуктивности агроценозов, которое, естественно, привело к совершенствованию информационных систем [6]. Модернизированная СППР включала в себя уже не только информационно-справочные данные, полученные на основе обобщения почвенно-климатических показателей, но и имитационные динамические модели продукционного процесса, значительно расширившие возможности автоматизированного комплекса. Реализованные на ЭВМ модели позволяли количественно оценить такие процессы, происходящие в системе «почва - растение - атмосфера», как радиационный режим посева, турбулентный перенос тепла, влаги и углекислого газа в посеве, динамика теплопереноса в почве, фотосинтез и дыхание, развитие и рост растений, распределение ассимилянтов по органам растения и формирование урожая [7]. ^ Однако сравнительно большое колись чество времени, требующегося существовавшим вте годы ЭВМ для расчетов ^ на основе имитационных моделей, и о» централизованный подход в использова-| нии вычислительных ресурсов сделали невозможным выполнение в приемле-® мое время необходимых вычислений
5 для всех обслуживаемых хозяйств, а тем ф
Д более для всех сельскохозяйственных
полей, имеющихся в базе данных. По этой причине компьютерная реализация СППР на основе динамических имитационных моделей не получила широкого распространения на практике. Кроме того, поскольку значительная часть агро-технологической информации априори носит описательный характер, эффективная реализация подобного рода сведений на ЭВМ требовала более совершенного математического аппарата по формализации накопленных знаний.
В конце XX в. появился понятийный аппарат, основанный на достижениях науки в области искусственного интеллекта [8]. После чего начался третий этап проектирования СППР для земледелия и растениеводства. Этот аппарат позволяет применять не только традиционные математические, но и логические, а также логико-лингвистические модели, при создании которых возможно использование терминологии естественного и агрономического языков предметного специалиста. Это значительно расширило круг задач, которые могут быть формализованы и, следовательно, в большей степени обеспечены инструментарием представления и подвергнуты последующей электронной обработке для синтезирования агротехнологий на основе описательных и процедурных знаний. Учитывая новые достижения, ученые АФИ сконцентрировали внимание на обосновании, функциональных возможностях и создании специализированной системы управления блоком комплексирования и выработкой технологических решений на основе логического сопряжения баз знаний и данных, структуры которых позволяют конструировать эффективную систему хранения и извлечения информации
[9]. Тем самым было положено начало созданию экспертных систем для управления агротехнологиями.
Обычная экспертная СППР не обладает функциями автоматического формирования окончательного решения и соответствующего его сопровождения, которое обеспечивает также последующую автоматическую реализацию выработанного ЭВМ решения в поле. В то же время известно, что для реализации тех или иных агротехнических приемов по технологии точного земледелия (ТЗ) необходимо предварительно составить на стационарном компьютере карту-задание для бортового компьютера. На ее основе происходит реализация агро-приема в режиме «off-line» или «on-line»
[10]. Поставляемые производителями прецизионной сельскохозяйственной техники программные продукты не обладают возможностью автоматической выработки окончательного решения на основе процедурных и описательных знаний, то есть они не способны, например, выдать карту-задание с соответствующим сопровождением
и обеспечить таким образом реализацию наукоемкой технологии непосредственно в поле. Поэтому процесс освоения достижений в области ТЗ существенно сдерживает отсутствие на рынке программно-аппаратных продуктов универсального типа. Следует отметить, что на сегодняшний день, несмотря на обилие представленных программных продуктов (SSToolBox, Agronet WC, Agromap, Mapinfo, Demetra, 1С и др.), не существует единой компьютерной системы, позволяющей лицу, принимающему решение, работать со всей необходимой информацией в одном программном пакете, обеспечивающем синтез информационно-технологических приемов и их реализацию в режимах «off-line» и «on-line». К тому же предлагаемое на рынке программное обеспечение в основном импортное, что создает определенные проблемы при его использовании [11].
Подобное положение дел связано, прежде всего, с тем, что в странах, занимающихся ТЗ, с самого начала основные усилия были направлены на создание специальных машин и оборудования, позволяющих дифференцированно выполнять некоторые технологические операции: точный посев, внесение удобрений, обработку средствами защиты растений и др. Фирмы, выпускающие эту технику, предоставляли также соответствующие специализированные программы, позволяющие в интерактивном режиме (при непосредственном взаимодействии с пользователем) формировать карту-задание на выполнение конкретного агроприема. При этом вопросы оптимизации, выбора и обоснования норм технологического воздействия пользователь решал самостоятельно. Такой подход привел к появлению многочисленных разноплатформенных предложений от фирм-изготовителей по оснащению программно-аппаратными средствами ТЗ, которые, в конечном счете, не обеспечивают эффективное управление производством. Причина заключается в том, что большинство производителей затрудняется с принятием решения именно из-за слишком большого количества разноплановой информации и сложности выбора оптимального варианта при интерпретации тех или иных данных.
В связи с этим в последние годы центр тяжести исследований переместился в область математического, информационного и программного наполнения систем точного земледелия с целью максимально полного использования разнородных данных для обоснования выбора и реализации тех или иных решений. В агрономии, преимущественно описательной науке с большим и разнородным объемом знаний, специалисту, занятому непосредственно в производстве, довольно
Рис. 1. Функциональная структура интеллектуальной системы.
трудно оценить их полностью. Создаваемая интеллектуальная система, таким образом, должна стать незаменимым помощником в планировании и принятии решений на всех уровнях управления, а также в реализации агроприемов на сельскохозяйственном поле в системе ТЗ [12].
В АФИ создана первая очередь ИС, построенной на знаниях (рис. 1). Ядро ИС - СППР нового поколения - база знаний. Для поддержки принятия решений на различных временных уровнях (в том числе при использовании технологии точного земледелия) система включает в себя, наряду с базой знаний, следующие функциональные блоки: базу данных, ГИС-инструменты, подключаемые модули, интерфейсы экспертного и пользовательских уровней, машину вывода (генерация адаптивных агротехнологий), интерфейсы приема/ передачи данных с бортовыми и полевыми компьютерами [10, 11].
Центральная парадигма интеллектуальных технологий сегодня - представление, формализация и обработка знаний. Рассматриваемая система управления агротехнологиями основана на знаниях, с элементами экспертной системы, ориентированной на тиражирование опыта высококвалифицированных специалистов в областях, в которых качество принятия решений традиционно зависит от профессионального уровня экспертов. Очевидно, что для сельского хозяйства уровень экспертизы при принятии решений весьма важен, так как ошибки могут привести к значительным потерям количества или качества урожая и, как следствие, к неэффективности работ, проводимых в течение целого года. В реальных хозяйствах, несмотря
на часто высокий профессиональный уровень агрономов и руководителей, экспертиза не может быть полностью объективной, поскольку человек (и даже группа людей) не может располагать информацией обо всех существующих методах, рекомендациях и практиках по тому или иному вопросу. Предлагаемая ИС должна стать мощнейшим подспорьем в экспертной оценке ситуации и принятии оптимального решения.
Она имеет два интерфейсных уровня - экспертный и пользовательский. На экспертном уровне работают специалисты в области агротехнологий -эксперты-профессионалы, создающие типовые или базовые агротехнологии, технологические адаптеры, подключающие к ИС программные модули и математические модели [13]. На этом уровне происходит заполнение нормативной базы данных (БД) справочной информацией, используемой для формирования базы знаний (БЗ), - агротехнологиче-скими картами и адаптерами, другими словами, знаниями экспертов, формализованными в электронном виде.
Пользовательский уровень предназначен для агрономов или руководителей, - конечныхпотребителейтехзнаний (агротехнологий, адаптеров, моделей и др.), которые были формализованы на экспертном уровне. На этом уровне пользователь на основании базовых агротехнологий и технологических адаптеров, созданных экспертами БЗ, генерирует адаптивные агротехнологии для собственных полей с учетом актуальной информации о хозяйстве.
Такие адаптивные агротехнологии можно оценивать с экономической и экологической точки зрения и в случае неудовлетворительных оценок менять их
параметры (добавлять или исключать те или иные агротехнические операции). То есть еще на этапе планирования пользователь (агроном или руководитель) может смоделировать различные варианты агротехнологий на предстоящий период для каждого поля и оценить результат. Возможность редактирования агротех-нологий (изменения параметров) позволяет, в итоге, выбрать оптимальный по экономическим или экологическим параметрам пакет агротехнологий для всех полей хозяйства.
Для реализации этой возможности пользователь заполняет БД актуальной для конкретного хозяйства информацией. В общем виде это основные массивы данных, с которыми работает сельскохозяйственное растениеводческое предприятие, и которые необходимы для генерации агротехнологий, адаптированных для конкретного поля в конкретном хозяйстве.
«Поля» - в этом массиве хранится информация по сельскохозяйственным полям (паспорта полей), включающая общие характеристики (площадь, номенклатурный номер и др.), агрономические и почвенные, агрофизические и агрохимические параметры, историю поля (культуры, сорта, урожайность, севообороты и др.).
«Растения» - этот массив содержит данные о культурных и сорных растениях (виды и сорта культур, их агрономические и сортовые особенности, рекомендации по возделыванию, описания сорняков, средств и методов борьбы с ними).
«Техника» - в этом массиве хранятся сведения о типах и разновидностях сельскохозяйственных машин, орудий, агрегатов и оборудования, имеющихся в хозяйстве. Здесь описаны все необходимые для агротехнологии параметры техники: назначение, диапазоны агрегатируемости и мощности, расход топлива, ширина захвата и др.
Массив «Агрохимикаты» содержит данные о применяемых удобрениях, мелиорантах и средствах защиты растений от сорняков и болезней. В БД хранятся паспорта каждого вносимого агрохимиката — его назначение, содержание действующих веществ, рекомендуемые правила применения, а также другие нормативные и справочные показатели.
Массивы «Финансы» и «Кадры» хранят информацию соответственно об основном финансовом и кадровом обеспече- ы нии агротехнологических процессов в е хозяйстве. Такие сведения необходимы л при планировании агротехнологии с д точки зрения ее полной стоимости или л стоимости отдельной операции, а также 5 обеспеченности исполнителями. 2
В массиве «Помещения» содер- 1 жится информация о помещениях, м имеющих различное значение в 2 реализации агротехнологий. Это, как о
Рис. 2. Поле пшеницы с тестовыми площадками (цифрами обозначены дозы азота, кг д.в./га).
правило, склады, сортировочные и сушильные комплексы.
Массив «Метеоусловия» хранит сведения о метеорологической обстановке в конкретной местности, а также служит источником исходных данных для подключаемых моделей, которые используют метеопараметры для расчетов и прогнозов.
Отличительная особенность рассматриваемого комплекса — поддержка технологий точного земледелия. При наличии в хозяйстве необходимой техники и оборудования обеспечивается подготовка информационно-технологической базы точного земледелия: создание электронных контуров полей и пространственно-ориентированных картосхем по агрохимическим и агрофизическим показателям, дифференцированное внесение агрохимикатов, работа со спутниковыми и аэрофотоснимками, импорт карт урожайности, картосхем и снимков при помощи различных протоколов обмена данными с бортовыми компьютерами сельхозтехники и мобильных комплексов. Функционал системы поддерживает возможность использования различных математических моделей и предлагает гибкий инструментарий для формализации знаний, генерации и представления результатов, в том числе с использованием ГИС-технологий. В частности, разработанный в лаборатории информационного обеспечения точного земледелия института геоинформационный модуль ГИС-АФИ, интегрированный в систему, позволяет получать, хранить, анализировать и визуализировать пространственно® ориентированные данные, привязанные к координатам с использованием GPS/ ^ ГЛОНАСС-приемников, а также созда-о вать для сельскохозяйственной техники, ли оснащенной бортовыми компьютерами и GPS/ГЛОНАСС-приемниками, карты® задания на выполнение агротехнических S операций дифференцированно с уче-$ том местонахождения техники в поле.
Программное приложение ГИС-АФИ поддерживает все основные форматы данных, что позволяет импортировать/ экспортировать ГИС-данные в/из различных источников [14].
Апробацию ИС проводили с целью формирования с ее использованием технологических рекомендаций, обеспечивающих производственный процесс полевых исследований, в которых изучали влияние сложности и контрастности почвенного покрова на продуктивность различных сельскохозяйственных культур. Для этого на полигоне АФИ проводили многолетний сравнительный эксперимент. Изучали несколько вариантов технологий различной интенсивности: экстенсивная - контрольный вариант, при котором проводили только основные агротехнические мероприятия без дополнительных затрат; высокоинтенсивная, предусматривающая внесение удобрений и средств защиты растений в размерах, полностью удовлетворяющих потребность посева в период вегетации; точное земледелие - дифференцированный подход к расчёту и внесению средств химизации в зависимости от показателей плодородия полей и состояния посевов.
При апробации ИС использовали навигационное оборудование «Агронави-гатор плюс» (разработка ООО «Системы
точного земледелия», г Новосибирск), которое комплектуется приемником спутниковых навигационных сигналов системы ГЛОНАСС и обеспечивает субметровую точность вождения техники. В полевых условиях были задействованы две машины РМУ-8000 (Щучинский ремонтный завод, Беларусь) и Amazone (Евротехника, г Самара), оснащенные электронной системой для автоматического управления дозирующими элементами, а управляющим компьютером служил «Агронавигатор плюс».
Результаты сравнительного анализа показали, что благодаря дифференци-рованномувнесению азотных удобрений по технологии ТЗ значительно увеличилось качество растениеводческой продукции, агрохимическая нагрузка на окружающую среду снизилась на 35...60 %, а окупаемость удобрений и средств защиты растений повысилась в 1,5.1,7 раза на фоне существенного роста урожайности [15]. При этом сокращение объёма применяемых азотных удобрений в варианте «точное земледелие» было достигнуто в основном в результате дифференцированных подкормок в вегетационный период. Для проведения азотных подкормок на опытных полях закладывали тестовые площадки, в почву которых вносили азот в различных дозах. Регулярно проводили дистанционное обследование посевов с использованием беспилотных летательных аппаратов самолётного и вертолётного типов, разработанных в АФИ [16]. На них размещали цифровые камеры для получения аэрофотографий посевов в видимой и инфракрасной областях спектра электромагнитного излучения. На каждой аэрофотографии поля отображали тестовые площадки с известной дозой внесённых азотных удобрений (рис. 2). Средние значения колориметрических (цветовых) характеристик посева на каждой из тестовых площадок - эталонные. Посредством сравнения с ними параметров остальных зон поля проводили оценку потребности растений в азоте. В частности, выделение участков поля, на которых необходимо внесение азотных удобрений, выполняли автоматизированным
Рис. 3. Азотная подкормка по методу, разработанному в АФИ.
Информатика. Процессы управления, 2018. Т 14. № 2. С. 145-150.
Intelligent systems for technology decision support in precision agriculture
V. P. Yakushev, V. V. Yakushev, D. A. Matveenko
Agrophysical Research Institute, Grazhdanskiy prosp., 14, Sankt-Peterburg, 195220, Russian Federation
методом построения калибровочных кривых, описывающих зависимость между дозой азота и цветом посева на эталонных участках [17, 18]. Такой подход позволяет оценить обеспеченность растений азотом на любом участке поля (рис. 3). Это доступный, недорогостоящий и достаточно эффективный метод мониторинга посевов, оценки их потребности в азотном питании и прецизионного внесения удобрений, позволяющий обойтисьбез использования довольно дорогих импортных сенсоров и существенно сокращающий издержки освоения точного земледелия в хозяйствах. Кроме того, весь технологический цикл выполняется полностью в автоматическом режиме и позволяет оперативно в течение одного дня оценить потребность посева в азотном питании и провести дифференцированную подкормку.
Таким образом, очевидно, что любое движение вперед в земледелии в конечном итоге связано с возможностью совершенствования управления продукционным процессом в агроэкосистемах. Разработанная в АФИ ИС позволяет руководителю хозяйства или агроному принимать обоснованные решения на всех временных уровнях, используя знания экспертов в этой области и собственный опыт. Она обладает следующим функционалом:
ведение базы данных по предметной области и по конкретному растениеводческому предприятию;
наполнение и хранение в базе в формализованном виде знаний экспертов, которые используют при генерации адаптивной агротехнологии (агротехнологии для конкретного поля) в хозяйстве;
возможность включения в систему программных модулей (математических моделей), выполняющих дополнительные или сервисные функции при создании или оценке агротехнологии;
ГИС-инструментарий разрабатываемой системы обеспечивает отображение пространственно-ориентированных характеристик поля (тематические картосхемы по агрофизическим, агрохимическим и агрономическим показателям), а также обработку и визуализацию спутниковых данных и аэрофотоснимков;
генерация отчетов и технологических карт по каждому полю в соответствии с планируемой агротехнологией (при применении как традиционных технологий, так и технологии точного земледелия);
возможность генерации карт-заданий на технологические воздействия в системе точного земледелия, включая расчет программируемых урожаев, дифференцированных доз внесения удобрений и других агрохимикатов.
Литература.
1. Якушев В. П., Якушев В. В., Матвеенко Д. А. Роль и задачи точного земледелия в
реализации национальной технологической инициативы // Агрофизика. 2017. № 1. С. 51-65.
2. Акмаров П. Б., Газетдинов М. Х., Князева О. П. Состояние и основные направления развития цифровой экономики в сельском хозяйстве России // Вестник Казанского государственного аграрного университета. 2019. Т 14. № 1 (52). С. 107-112.
3. Башилов А. М., Королев В. А., Легеза В. Н. Новые возможности цифрового видеонаблюдения при интеграции с биотехническими и информационно-управляющими системами // Вестник НГИЭИ. 2019. № 7 (98). С. 39-49.
4. Иоффе А. Ф. Физика и сельское хозяйство. М.-Л.: АН СССР, 1955. 76 с.
5. Агрофизика от А. Ф. Иоффе до наших дней. СПб.: АФИ, 2002. 358 с.
6. Бондаренко Н.Ф., Полуэктов Р.А., Якушев В.П. Имитационные модели и методы принятия решений при программировании урожаев // Доклады ВАСХНИЛ. 1986. № 2. С. 5-7.
7. Полуэктов Р. А. Динамические модели агроэкосистем. Л.: Гидрометеоиздат, 1991. 312 с.
8. Поспелов Г. С. Искусственный интеллект - основа новой информационной технологии. М.: Наука, 1988. 280 с.
9. Якушев В. В. Интеллектуальные системы управления для ресурсосберегающих технологий точного земледелия // Экологические системы и приборы. 2010. № 7. С. 26-33.
10. Якушев В. В. Точное земледелие: теория и практика. СПб.: АФИ, 2016, 364 с.
11. О совершенствовании реализации агротехнологических решений в точном земледелии / В. П. Якушев, В. В. Якушев, А. В. Конев и др. // Вестник российской сельскохозяйственной науки. 2018. № 1. С. 13-17.
12. Усков И. Б., Якушев В. П., Чесноков Ю. В. Управление агробиологическими системами - физико-агрономические и генетико-селекционные аспекты // Сельскоховяйствен-ная биология. 2017. Т. 52. № 3. С. 429-436.
13. Имитационная модель агроэкосисте-мы как инструмент теоретических исследований / В. Л. Баденко, А. Г Топаж, В. В. Якушев и др. // Сельскохозяйственная биология. 2017. Т. 52. № 3. С. 437-445.
14. Якушев В. П., Якушев В. В. Перспективы «умного сельского хозяйства» в России // Вестник РАН. 2018. № 9. Т. 88. С. 773-784.
15. Якушев В. П., Лекомцев П. В., Воропаев В. В. Дифференцированное применение средств химизации при выращивании яровой пшеницы // Вестник Российской сельскохозяйственной науки. 2017. № 4. С. 13-17.
16. Якушев В. П., Блохина С. Ю. Состояние и перспективы использования дистанционного зондирования Земли в интересах сельского хозяйства // Современные проблемы дистанционного зондирования Земли из космоса. 2018. № 5. С. 257-262.
17. Митрофанова О. А., Буре В. М., Канаш Е. В. Математический модуль для автоматизации колориметрического метода оценки обеспеченности растений азотом // Вестник Санкт-Петербургского университета. Прикладная математика. Информатика. Процессы управления. 2016. № 1. С. 85-91
18. Выделение однородных зон сельскохозяйственного поля для закладки опытов с помощью беспилотного летательного аппарата / В. М. Буре, Е. П. Митрофанов, О. А. Митрофанова и др. // Вестник Санкт-Петербургского университета. Прикладная математика.
Abstract. The extensive application of digital technologies of precision agriculture (PA) in crop production without any doubt is of immediate interest nowadays. At the same time, even in the developed countries, the adoption of PA technologies is restrained by the lack of intelligent systems (IS) for decision support and agrotechnological solution implementation based on the heterogeneous data and problem-oriented knowledge. The purpose of the work was to summarize the experience of Agrophysical Research Institute (AFI) in the field of computer applications in agriculture, to present a modern structure, construction principles and a systematic organization diagram for collecting agrotechnological knowledge and heterogeneous spatial-attribute data, to create on this basis a prototype of an intelligent system for supporting planned and operational technological solutions for the precision production of crop products. The IS functional provides the formalization of declarative agro-technological and procedural (mathematical models) knowledge, generates electronic maps applying GIS tools for variable-rate technology implementation based on heterogeneous data and knowledge base, including remote sensing data, and supports the main data formats to import/export spatial attribute information using various data exchange protocols with on-boardcomputers of agricultural equipment and mobile complexes. As a result of IS application the quality of crop production considerably improved, the agro-chemical impact on the environment reduced by 35-60%, the recoupment of fertilizers and crop protection means increased 1.5-1.7 times with essential growth of crop yield. Practical evaluation of the intelligent system was realized by integration with the domestic on-board navigation equipment «Agronavigator Plus» and robotic units based on RMU-8000 vehicle.
Keywords: aerospace techniques and methods; data and knowledge base; electronic control card; global positioning system; hardware and software; information and measuring systems; intelligent systems; optical characteristics of crops; precision agriculture; remote sensing of the Earth.
Author Details: V. P. Yakushev, D. Sc. (Agr.), member of the RAS, headofdepartment (e-mail: 3 vyakushev@agrophys.ru); V. V. Yakushev, D. Sc. ® (Agr.), corresponding member of the RAS, head | of laboratory (e-mail: mail@agrophys.com); D. e A. Matveenko, Cand. Sc. (Agr.), senior research ^ fellow (e-mail: dmatveenko@inbox.ru). u
For citation: Yakushev VP, Yakushev VV, m Matveenko DA. [Intelligentsystems fortechnol- Z ogy decision support in precision agriculture]. 1 Zemledelie. 2020;(1):33-7. Russian. doi: 2 10.24411/0044-3913-2020-10109. 2
■ 0
