Інтелектуальна система підтримки прийняття агротехнологічних рішень для посіву полів

Олена Федусенко

Факультет інформаційних технологій, Київський національний університет імені Тараса Шевченка, Україна

orcid.org/0000-0002-5782-5922

Наталія Шкурпела

Факультет інформаційних технологій, Київський національний університет імені Тараса Шевченка, Україна

Ірина Доманецька

Факультет інформаційних технологій, Київський національний університет імені Тараса Шевченка, Україна

orcid.org/0000-0002-8629-9933

Анатолій Федусенко

ВЧ-К1410, Україна

orcid.org/0000-0002-5782-5922

Анотація

DOI: https://doi.org/10.17721/AIT.2021.1.02

У сучасному сільському господарстві України наявні проблеми пов’язані з плануванням посівів. За допомогою запропонованої авторами інтелектуальної системи підтримки прийняття агротехнологічних рішень можливе спрощення процесу планування, за рахунок використання концепції точного землеробства. Авторами проведено аналіз сучасних досліджень та публікацій, які пов’язані, як з концепцією точного землеробства так і з проблемою впровадження сучасних інноваційних інформаційних систем у сільське господарство України. Проведено декомпозицію інтелектуальної  системи та виокремлено шість основних підсистем, до кожної з яких були розроблені функціональні вимоги. Проаналізовано сучасні методи моніторингу полів та визначені методи, що будуть використовуватися у інтелектуальній системі, одним з яких є метод k-середніх, який буде застосовано до кластеризації полів.  На основі вже розроблених вимог авторами запропоновано загаль­ну архітектуру системи, для графічного відображення якої використано нотацію TOGAF. Базуючись на  запропонованій архітектурі було створено програмне забезпечення інтелектуальної системи. У результаті проведеного тестування програмного забезпечення інтелектуальної системи можна зробити висновок, про її працездатність та готовність до впровадження. Спроектована та розроблена система надає змогу здійснювати інтелектуальний аналіз історичних даних посівних, відображати результати у вигляді таблиць та графіків, виконувати планування посівів, агротехнологічних операцій та внесення добрив. Впровадження зазначеної системи дозволить підвищити якість прийняття управлінських рішень та продуктивність сільськогосподарської діяльності.

Ключові слова – інтелектуальна система, точне землеробство, кластерний аналіз, агротехнологічні рішення.

Інформація про авторів

Олена Федусенко. Працює доцентом кафедри інтелектуальних технологій Київського національного університету імені Тараса Шевченка, Київ, Україна.  Отримала ступінь кандидата технічних наук у галузі інформаційних технологій у 2006 році. Є автором понад 60  наукових праць. До наукових інтересів належать  системи адаптивного навчання, генетичні алгоритми, методи Data Mining.

Наталія Шкурпела. Отримала освітній сту­пінь «бакалавр»  та освітню квалі­фікацію «Бакалавр комп’ютерних наук та інфор­маційних технологій» в Національ­ному університеті імені Тараса Шевченка.

Ірина Доманецька Працює доцентом кафедри інтелектуальних технологій Київського національного університету імені Тараса Шевченка, Київ, Україна.  Отримала ступінь кандидата технічних наук у галузі інформаційних технологій у 2006 році. Є автором понад 100  наукових праць. До наукових інтересів належать  системні дослідження в галузі ІТ, нейромережні технології та їх застосу­вання, адаптивні системи навчан­ня.

Анатолій Федусенко. Військовослуж­бовець. Закінчив Київський національний університет будівництва та архітектури у 2000 р. отримавши кваліфікацію інженер з автоматизації. Отримав ступінь кандидата технічних наук у галузі інформаційних технологій у 2016 році. Є автором багатьох наукових праць. До наукових інтересів належать  генетичні алгоритми та їх прикладне застосування, методи Data Mining та візуалізації даних, адаптивні системи навчання.

Література

1. Федірець О. В. «Управління інноваціями при впровадженні технологій точного землеробства В Україні», Наукові праці Полтавської державної агарної академії, т. 3, № 2 (7), c.302-308, 2013
2. Зеліско Н. Мельник В. «Розвиток інноваційного потенціалу аграрного сектору економіки України». Вісник Львівського національного аграрного університету. Сер. Економіка АПК. 2018. Вип. 25. С. 40-43.
3. Tiziano Gomiero. (2019)  Soil and crop management to save food and enhance food security. [Online]. Available: https://doi.org/10.1016/B978-0-12-815357-4.00002-X
4. E.C.Leonard. (2015)  Precision Agriculture. Reference Module in Food Science [Online]. Available:  https://doi.org/10.1016/B978-0-08-100596-5.00203-1
5. Diego de la Rosa, Francisco Mayol, Elvira Díaz-Pereira, Miguel Fernandez, Diego de la Rosa. (2004) A land evaluation decision support system (MicroLEIS DSS) for agricultural soil protection: With special reference to the Mediterranean region. [Online]. Available: https://doi.org/10.1016/j.envsoft.2003.10.006
6. D. de la Rosa, F. Mayol, E. Diaz-Pereira, M. Fernandez and D. de la Rosa Jr. (2003) A land evaluation decision support system (MicroLEIS DSS) for agricultural soil protection. 2003. [Online]. Available:  https://doi.org/10.1016 /jenvsoft.2003.10.006
7. (2018) Requirement types. QAInfo [Online]. Available: https://www.quality-assurance-group.com/requirement-types/
8. Чубукова И.А., Data Mining, М.: Интернет-Университет информационных технологий, БИНОМ. Лаборатория знаний, 2006.
9. І. І. Глаголева, А. Ю. Берко «Застосування кластер­ного аналізу для опрацювання даних земельного кадастру». Вісник Львівського національного університету «Львівська політехніка». Інформаційні системи та мережі. 2014. Вип.743. С. 420-429
10. Nathan Landman, Hannah Pang, Christopher Williams,Eli Ross. (2017) k-Means Clustering. [Online]. Available: https://brilliant.org/wiki/k-means-clustering/
11. Вітлінський В. В., Грицюк П. М. «Дослідження динаміки урожайності озимої пшениці для областей України». Моделювання та інформаційні системи в економіці: Зб. наукових праць. 2007. Вип. 76. С. 275—295.
12. Gorban A.N., Zinovyev A.Y. «Principal Graphs and Manifolds», Ch. 2 in: Handbook of Research on Machine Learning Applications and Trends: Algorithms, Methods, and Techniques, IGI Global. Hershey. PA. USA.,p.28-59 2009.
13. Грицюк П.М. «Прогнозування врожайності зернових культур: особливості і методика», Вчені записки зб. наук. пр. ДВНЗ «Київський національний економічний університет імені Вадима Гетьмана», №11, с. 294-300, 2009
14.  Якимчук В. Г., Жолобак Г. М., Порушкевич А. Ю., Сахацький О. І. «Використання космічних і метеорологічних даних для оцінки врожайності озимої пшениці», Космічна наука і технологія, Т. 17, № 5, с. 64–67,2011.
15. А.С. Заришняк, Оптимізація удобрення та родючості ґрунту в сівозмінах, Київ: Аграрна наука, 2015.
16. С.А. Балюк , Б.С. Носко , В.В. Шимель, Л.В. Єтеревська, Г.Ф.Момот «Оптимізація живлення рослин у системі факторів ефективної родючості ґрунтів», Вісник аграрної науки , Т.7, №3, с.12-19,2019
17. (2021). Державна служба статистики України [Online]. Available: http://www.ukrstat.gov.ua/
18. (2021). Врожай онлайн [Online]. Available: https://latifundist.com/urozhaj-online-2021#