НАУЧНЫЕ ОСНОВЫ ПОСТРОЕНИЯ ИНТЕЛЛЕКТУАЛЬНЫХ СИСТЕМ ДЛЯ ТОЧНОГО ЗЕМЛЕДЕЛИЯ
←
→
Транскрипция содержимого страницы
Если ваш браузер не отображает страницу правильно, пожалуйста, читайте содержимое страницы ниже
Якушев В.П. и др. / Вестник защиты растений, 2020, 103(1), с. 25–36 25
OECD+WoS: 4.01+AM (Agronomy) http://doi.org/10.31993/2308-6459-2020-103-1-25-36
Полнотекстовая статья
НАУЧНЫЕ ОСНОВЫ ПОСТРОЕНИЯ ИНТЕЛЛЕКТУАЛЬНЫХ СИСТЕМ
ДЛЯ ТОЧНОГО ЗЕМЛЕДЕЛИЯ
В.П. Якушев, В.В. Якушев, С.Ю. Блохина*
Агрофизический научно-исследовательский институт, Санкт-Петербург
* ответственный за переписку, e-mail: sblokhina@agrophys.ru
В работе представлен подход, обеспечивающий построение базы знаний и создание на ее основе интеллектуальной
системы поддержки плановых технологических решений, а также генерацию производственно-технологического
спектра оперативных возможностей и оптимальных предложений по прецизионному управлению урожайностью
с учётом складывающихся в заданном хозяйстве почвенно-климатических и хозяйственно-экономических
условий. При реализации подхода используется логико-лингвистический аппарат для представления и обработки
агротехнологических знаний. Формализация предметной области, определение основных сущностей и
взаимосвязей между понятиями осуществляются с помощью специализированных конструкций модели описания
технологических операций и продукционных правил. В результате агротехнологические знания представляются
в единообразной структурированной форме, пригодной для хранения и компьютерной обработки. Созданный в
Агрофизическом научно-исследовательском институте (АФИ) прототип интеллектуальной системы апробирован
в ходе полевых сравнительных исследований, в рамках которых изучались технологии различной интенсивности,
в том числе технология точного земледелия. Отличительной особенностью точного земледелия является
дифференцированный подход к расчету и внесению средств химизации в зависимости от показателей плодородия
полей и состояния посевов. Анализ полученных результатов показал, что использование интеллектуальной
системы при выработке оперативных технологических приемов привело к существенному повышению качества
яровой пшеницы, снижению агрохимической нагрузки на окружающую среду на 35–60 %, а также увеличению
окупаемости удобрений и средств защиты растений в 1.5–1.7 раза на фоне значительного роста урожайности.
Апробация интеллектуальной системы осуществлялась на основе интеграции с отечественным бортовым
оборудованием (ООО «Системы точного земледелия», г. Новосибирск) и робототехническими агрегатами на
базе машин РМУ-8000 (Щучинский ремонтный завод, Беларусь) и Amazone (Евротехника, г. Самара). Данный
отечественный комплекс продемонстрирован АФИ на агропромышленной выставке «Всероссийский День поля-
2019», прошедшей в Ленинградской области.
Ключевые слова: точное земледелие, интеллектуальные системы, базы данных, базы знаний, математические
модели, электронные карты-задания, данные дистанционного зондирования Земли, оптические характеристики
посевов
Поступил а в редакцию: 04.12.2019 Принят а к печати: 21.01.2020
Современное состояние и проблемы внедрения точного земледелия
Необходимость внедрения цифровых технологий каждого сельскохозяйственного поля природной и (или)
точного земледелия (ТЗ) в производство растениеводче- антропогенной пространственно-временной неоднород-
ской продукции в настоящее время не вызывает сомне- ности, которую необходимо количественно учитывать при
ний (Walter et al., 2017). В то же время даже в странах с планировании и выполнении различных агроприёмов.
развитым сельским хозяйством масштабное внедрение Как показывает международный и отечественный опыт,
технологий ТЗ сдерживается из-за отсутствия на рынке применение ТЗ без создания интеллектуальных систем
интеллектуальных систем (ИС) поддержки выработки и (ИС) поддержки принятия агротехнологических решений
реализации агротехнологических решений, созданных на не позволяет эффективно использовать весь потенциал
основе разнородных данных и проблемно-ориентирован- данного инновационного направления аграрной науки
ных знаний. Реализация инновационной стратегии раз- (Reichardt, Jurgens, 2009; Aker, 2011; Fountas et al., 2015;
вития России должна изменить роль науки и технологий Якушев, 2016; Kuehne et al., 2017; Scherer et al., 2018).
в экономической политике государства и, в частности, Производители, как правило, затрудняются с принятием
обеспечить переход к высокопродуктивному, ресурсосбе- решений по причине недостаточного осознания эконо-
регающему и экологически чистому производству в сель- мического эффекта от использования методов ТЗ (Long et
ском хозяйстве. Инновационной вариант производства al., 2016; Paustian, Theuvsen, 2017; Bramley, Ouzman 2019;
сельскохозяйственной продукции должен базироваться Kernecker et al., 2020) сложности их адаптации к услови-
на внедрении цифровых технологий и платформенных ям конкретного хозяйства (Grifn et al., 2017; Miller et al.,
решений «умного сельского хозяйства». Наиболее соот- 2019), а также значительного количества разнородной ин-
ветствующей принципам «умного сельского хозяйства» формации и сложности выбора на её основе оптимально-
является цифровая технология точного земледелия, в ос- го агротехнологического мероприятия (Tey, Brindal, 2012;
нове научной концепции которой лежит представление Wolfert et al., 2017). Отсутствие ИС, отечественной робо-
о практически повсеместном существовании в пределах тизированной сельскохозяйственной техники и надежных
26 Якушев В.П. и др. / Вестник защиты растений, 2020, 103(1), с. 25–36
измерительных и вычислительных комплексов информа- ресурсом информационного обеспечения систем ТЗ явля-
ционного обеспечения системы поддержки принятия оп- ются аэрокосмические данные дистанционного зондиро-
тимальных решений (включая недорогостоящие методы вания Земли (ДЗЗ). Данные ДЗЗ уже сегодня позволяют
распознавания и выделения границ пространственной и существенно повысить качество и увеличить масштабы
временной неоднородности посевов и среды их обитания) информационного обеспечения сельского хозяйства. Ука-
является одной из основных причин, сдерживающих раз- занные вопросы в настоящее время активно обсуждаются
витие ТЗ в России. на различных научных мероприятиях и конференциях, а
Для построения ИС необходимо создать электрон- также в публикациях (Лупян и др., 2011, 2018; Павлюш-
ную базу агротехнологических знаний (БЗ) и обеспе- ин, Лысов, 2019; Шпанёв, 2019). При этом отмечается, что
чить надлежащее наполнение базы данных (БД) досто- следует развивать методы и технологии использования
верной пространственно-атрибутивной информацией информации, получаемой на основе данных дистанцион-
о хозяйствующем субъекте. В компьютер должны быть ного зондирования, для оценки различных характеристик
внесены базовые агрономические сведения и алгоритмы сельскохозяйственных земель и посевов, необходимых
выработки технологических решений применительно для выработки и принятия решений с помощью ИС. Не-
к почвенно-климатическим и экономическим условиям обходимо также создание новых технологий и информа-
конкретного сельскохозяйственного предприятия. Тра- ционных систем, обеспечивающих возможность работы
диционная практика получения, обработки и представ- с данными дистанционного мониторинга на различных
ления пространственно-распределенной информации, а уровнях. Всё отмеченное выше в совокупности составля-
также ее полнота и достоверность не соответствуют тре- ет основу научно-технической платформы, обеспечиваю-
буемому уровню технологий ТЗ. Необходимы мобиль- щей международную конкурентоспособность разработок
ные и стационарные средства сопряженного наземного и в области построения и реализации ИС для сельского хо-
дистанционного мониторинга почвенно-климатических зяйства, а также генерацию научно обоснованных техно-
условий, новые методы планирования и проведения пре- логий прецизионного управления производством растени-
цизионных полевых опытов, а также надёжный инстру- еводческой продукции с учетом сложившихся на заданном
ментарий оценки агроэкологического состояния посевов сельскохозяйственном предприятии и прогнозируемых
и среды их обитания. Перспективным масштабируемым погодных, почвенных и экономических условий.
Методологические аспекты построения интеллектуальных систем и задача автоматизации
процесса выработки агротехнологических решений в земледелии
Как правило, при решении задач с помощью компью- Основные усилия направлены на решения, позволяющие
тера используются традиционный подход и так называе- имитировать когнитивные функции человека и получать
мые новые информационные технологии. В рамках тра- при выполнении тех или иных задач результаты, сопо-
диционного подхода разработчик должен сформулировать ставимые как минимум с результатами интеллектуальной
задачу, составить алгоритм решения, соответствующую деятельности человека. Данное направление включает в
программу для ЭВМ и решить её. Такой подход целесоо- себя IT-инфраструктуру, программное обеспечение (в том
бразен в случаях, когда проблема уже исследована матема- числе с использованием методов машинного обучения), а
тически и существуют надежные сходящиеся алгоритмы также сервисы по обработке данных и поиску решений.
её решения. Наличие четкого алгоритма является обяза- Второе направление связано с разработкой методов и
тельным условием для использования традиционного под- приёмов решения плохо формализуемых задач на ЭВМ,
хода при решении задачи с помощью ЭВМ. В то же время ориентированных на специфику той или иной предметной
существует необходимость решения большого количества области. Создаваемые при этом специализированные ме-
плохо формализуемых задач. Алгоритмов решения таких тоды, способы и системы предназначены для работы с ча-
задач либо не существует, либо их можно найти только,
стью сложных математических и логических функций, по-
например, в результате человеко-машинного взаимодей-
зволяющих частично автоматизировать интеллектуальную
ствия или при помощи методов машинного обучения. Ис-
деятельность человека при решении им конкретных задач,
пользование человеко-машинной системы для решения
возникающих в данной предметной области. Наибольший
плохо формализуемых задач более перспективно, так как
интерес в рамках данного направления представляют экс-
существует множество неформальных задач, которые че-
ловек способен решить. Необходимо, чтобы компьютер пертные системы, которые основаны на знаниях, исполь-
оказывал помощь человеку в решении таких задач. Ком- зующихся в конкретной предметной области для решения
пьютерное решение задач основывается на новых инфор- различных задач, в том числе плохо формализуемых. Ос-
мационных технологиях, теоретической базой которых новным достоинством экспертных систем является воз-
являются разработки в области искусственного интеллек- можность накопления знаний и сохранения их в течение
та (Гаврилова, Муромцев, 2008; Алпайдин, 2017; Kang, длительного времени. В отличие от человека, экспертные
Wang, 2017; Eli-Chukwu, 2019). системы объективно подходят к любой информации, что
Исторически теоретические разработки в области ис- улучшает качество проводимой экспертизы, а при реше-
кусственного интеллекта ведутся в двух основных направ- нии задач, требующих обработки большого количества
лениях. Первое направление ориентировано на разработ- данных, вероятность возникновения ошибки при перебо-
ку интеллектуальных машин и программ без вхождения ре крайне мала. Структура типовой экспертной системы
в специфику предметной области, путем моделирования состоит из базы данных (БД), базы знаний (БЗ), подсисте-
их биологического прототипа – человеческого интеллекта. мы вывода (множества правил и алгоритмов, по которым
Якушев В.П. и др. / Вестник защиты растений, 2020, 103(1), с. 25–36 27
осуществляется решение конкретных задач), подсистемы перечисленных условий в значительной степени зависят
приобретения знаний и диалогового интерфейса. нормы технологического воздействия при выполнении
Центральным блоком экспертной ИС выработки реше- операции на заданном сельскохозяйственном поле. Это
ний в определенной предметной области является БЗ, на особенно важно при использовании технологии точного
которой основаны её «интеллектуальные способности». земледелия, в рамках которой указанные нормы могут
Новые информационные технологии, базирующиеся на корректироваться в ходе выполнения тех или иных тех-
применении методологии искусственного интеллекта, нологических операций в зависимости от внутриполевой
позволяют создавать прикладные системы, обеспечива- неоднородности. Создаваемые в Агрофизическом инсти-
ющие формализованное описание, накопление и исполь- туте математические динамические модели продукцион-
зование знаний для решения практических задач. Однако ного процесса, текущей и прогнозной оценки состояния
применение новых технологий для создания баз знаний в посевов и среды их обитания позволяют в ряде случаев
различных предметных областях является сугубо инди- расчетным путем определить условия, необходимые для
видуальным процессом, а эффективных универсальных установления сроков и интенсивности технологических
подходов на сегодняшний день не существует. Поэтому операций. Такой подход имеет очевидное преимущество,
для автоматизации процесса выработки агротехнических так как при помощи математических моделей можно не
решений в земледелии необходимо разработать методы только осуществить расчет необходимых ресурсов и по-
представления, формализации и хранения знаний, а также казателей, характеризующих текущее состояние посевов
алгоритмы управления процессом их обработки в соответ- и (или) почвы, но и спрогнозировать его на две-три не-
ствии с определенными правилами, которые ЭВМ может дели вперёд, что позволяет своевременно подготовиться
автономно использовать в механизмах логического выво- к изменениям в управлении продукционным процессом
да (Якушев, Якушев, 2007; Полуэктов, 1991). возделывания сельскохозяйственных культур (подготовка
Система представления знаний является одним из необходимой техники, удобрений, средств защиты расте-
ключевых понятий в экспертных ИС. При определении ний и т.п.) (Баденко и др., 2017; Якушев, 2010).
разработчиками правил представления знаний необхо- Из изложенного выше следует, что специфика предмет-
димо, чтобы они подходили для описания связей между ной области ИС для поддержки агротехнологических ре-
понятиями, объектами и их характеристиками, кото- шений заключается, с одной стороны, в большом количе-
рые в совокупности формируют структуру той или иной стве описательных (декларативных) знаний, основанных
предметной области и определяют эффективность ИС. на многолетнем опыте, закрепленном в законах и традици-
Построению правил предшествует этап всестороннего ях практического земледелия и обобщенном в многочис-
анализа знаний и определения возможных методов их си- ленных инструкциях, методических и технологических
стемного применения в конкретной предметной области. указаниях. С другой стороны, наряду с декларативными
В данном случае к предметной области относятся техно- знаниями предметная область ИС для генерации агротех-
логические операции, сельскохозяйственные культуры и нологических решений может включать в себя процедур-
сорта, сельскохозяйственные поля, сроки возделывания на ные знания, для получения которых используются мате-
них культур, агротребования и различные характеристи- матические модели. Процедурные знания представляются
ки технологических операций (типы машин, количество в виде компьютерных моделей различной сложности и
и виды агрохимических средств, применяемых в земле- назначения, оформленных в виде отдельных программ-
делии). В то же время для рассматриваемых понятий и ных модулей. В связи с этим наибольшие трудности при
объектов характерны многочисленные количественные и разработке ИС поддержки агротехнологических решений
качественные параметры, совокупность которых в конеч- вызывает процесс их компьютерной реализации, эффек-
ном счете и определяет данное понятие и объект. Форми- тивность которого зависит от структуры представления
рование технологии возделывания сельскохозяйственной знаний для электронной обработки.
культуры на конкретном поле подразумевает необходи- Таким образом, с учетом специфики предметной об-
мость учета значительного количества разнородных дан- ласти необходимо разработать гибридную модель со-
ных: агрохимических, агрофизических, технологических, пряженного описания и представления декларативных и
биологических, агрометеорологических, экономических процедурных знаний для последующей компьютерной об-
и других. Процесс возделывания сельскохозяйственных работки и создать инструментальные средства автомати-
культур заключается в некоторой последовательности вы- зации данного процесса. Далее будет рассмотрен предло-
полнения отдельных технологических операций. К ним женный авторами подход к описанию предметной области
относятся различные виды обработки почвы, внесение ИС для земледелия, основанный на достижениях новых
удобрений, сев (посадка), защита посевов от вредителей, информационных технологий. Это аппарат искусственно-
уборка урожая. Каждая операция проводится в определен- го интеллекта, который включает не только традиционные
ный календарный период, а её выполнение (или отказ от математические, но также логические и логико-лингви-
нее) зависит от конкретных условий. Первый тип условий стические модели, для создания которых может использо-
определяется климатической зоной, видом полевой куль- ваться естественный язык предметного специалиста. Это
туры, особенностями сорта, типом почвы и её разновид- позволяет значительно расширить круг задач, которые мо-
ностью по агрофизическим и агрохимическим свойствам, гут быть формализованы. Информация, необходимая для
второй – ситуацией, сложившейся в конкретный год и их решения, будет структурирована, что потенциально
период вегетации (погодные условия, влагозапас, нали- обеспечит возможность развития инструментария генера-
чие вредных организмов, состояние посевов и т.д.). От ции агротехнологий как продукта научных знаний.
28 Якушев В.П. и др. / Вестник защиты растений, 2020, 103(1), с. 25–36
Система представления и обработки агротехнологических знаний
Для представления знаний, необходимых для синтеза арифметических выражений, логических операторов «и»,
агротехнологических решений, предлагается использо- «или», «не», логических констант «истинно», «ложно», а
вать следующие простые конструкции и их логические также буквенно-цифровых констант;
комбинации: «Вн. прог.» – обращение к подпрограмме, которое име-
ет вид – «имя программы» (Aij); «Атрибут» = «Ариф.»,
«Атрибут» [«Атрибут»] … [«Атрибут»]; (1) …, [«Атрибут» = «Ариф.»] Aij – адреса атрибутов в БД,
«Атрибут» (Условия) [«Атрибут» [(Условия)]] куда будут помещены результаты счета той или иной
(2) модели;
… [«Атрибут» [(Условия)]];
Рассмотрим подробнее применение в структурах
«Атрибут» [(Условия)] Λ «Атрибут» (2)–(5) конструкции описания знаний – «(Условия)». Как
(3)
[(Условия)] Λ … Λ [«Атрибут» [(Условия)]]; определено выше, структура («Условия») в общем случае
«Атрибут» [(Условия)] V «Атрибут» имеет три типа записи (6), (7) и (8).
(4) Если при описании какого-либо факта, объекта или
[(Условия)] V … V [«Атрибут» [(Условия)]];
значения из БД применяется запись типа (6), то это значит,
{(«Атрибут» [(Условия)] Λ «Атрибут»
что рассматриваемое правило будет включено в БЗ толь-
[(Условия)] Λ … Λ [«Атрибут» [(Условия)]])
(5) ко при обязательном выполнении условия, содержаще-
V … V («Атрибут» [(Условия)] Λ «Атрибут»
гося в выражении «Выр.1». В качестве примера рассмо-
[(Условия)] Λ … Λ [«Атрибут» [(Условия)]])};
трим конструкцию «Известкование» (Если «PH» ≤ 4.5).
Введенные в (1)–(5) обозначения имеют следующий Приведенная запись означает, что агротехнологическая
смысл: «Атрибут» – наименование поля из базы данных операция «Известкование» будет включена в перечень
или значение поля в базе данных. В каждой из конструк- планируемых на заданном поле операций при величине
ций (1)–(5) для описания могут быть использованы любые кислотности (РН), не превышающей 4.5.
атрибуты базы данных, в общем случае ограничений нет. При применении в описании конструкции типа (7)
«[ ]» – содержимое в квадратных скобках является нео- включение в БЗ агротехнологических знаний в виде пра-
бязательной конструкцией для описания знаний; «V» – ло- вил происходит аналогично предыдущему случаю, однако
гическое «или»; «Λ» – логическое «и»; «;» – данный знак в то же время в БЗ включается дополнительный расчетный
ставится в конце той или иной конструкции; «( )»; «{ }» – параметр (параметры), который представлен выражением
соответственно простые и фигурные скобки, которые в со- типа «Выр. 2», например: «Известкование» (Если «PH»
четании с «Λ» и «V» используются для записи «сложных» ≤ 4.5), то «Норма внесения извести» = «8 тонн/га».
конструкций, составленных из комбинации простых, на- В случае, если при описании знаний используется за-
пример (5). пись типа (8), соответствующие правила включаются в БЗ
«Условия» – продукционные правила. В общем слу- безусловно. Кроме того, включается один или несколько
чае они представляют собой арифметические, логические расчетных параметров, например:
условия, выражения или их комбинации. Данная кон- «Внесение мин. удобрений» («Потребность в
струкция также может использоваться для обращения к
азоте» = 75 – 4 * «Пру» + 0.1 * «Пру» * «Пру»;
математической модели, оформленной в виде отдельного
«Потребность в фосфоре» = 3 * «Пру» - 30;
программного модуля, или к встроенной непосредственно
«Потребность в калии» = 2 * «Пру» - 16);.
в описание знаний специальной процедуре для простых
вычислений. Здесь «Пру» – программируемый урожай (в ц/га), а
При описании агротехнологических знаний предусмо- приведенные зависимости для расчета доз удобрений
трены три формы записи «Условия»: получены в результате обобщения результатов большого
количества полевых опытов, проведенных в Гатчинском
районе. Их использование возможно при определенных
условиях, поэтому можно воспользоваться конструкци-
ей (7) и таким образом более строго описать применение
данных зависимостей:
«Внесение мин. удобрений» (ЕСЛИ «Адрес поля» =
Выр. 1 = «Ариф.» V «Лог.» V «Вн. прог.» «Гатчинский район» Λ «Культура» = «Ячмень» Λ
Выр.2 = («Атрибут» = «Ариф.») V «Вн. прог.». «Р2О5» ≥ 15 Λ К2О ≥ 15 ТО «Потребность в азоте» =
«Ариф.» – арифметическое выражение – функция 75 – 4 * «Пру» + 0.1 * «Пру» * «Пру»; «Потребность
R(Aij) значений атрибутов из БД, где R=R1+…+Rn – схема в фосфоре» = 3 * «Пру» - 30; «Потребность в калии»
БД; Aij – названия атрибутов в БД; ij – пары чисел, опреде- = 2 * «Пру» - 16);.
ляющие адрес атрибута из БД; i – номер таблицы (файла) В данном случае агротехнологическая операция «Вне-
в схеме БД; j – порядковый номер столбца в таблице; при сение мин. удобрений» будет включена в перечень пла-
составлении арифметических выражений используются нируемых на заданном поле операций, если только поле
числовые константы, а также арифметические операторы расположено в Гатчинском районе, на нем возделывается
сравнения: «=», «< >» «>», «
Якушев В.П. и др. / Вестник защиты растений, 2020, 103(1), с. 25–36 29
условий в соответствии с вычислительной процедурой, знаний, можно управлять процессом наполнения БЗ для
встроенной в описание данного правила. решения тех или иных задач. Гибкость конструирова-
Обычно расчет параметра, характеризующего ту или ния шаблонов и их структуры обеспечивает включение
иную компоненту агротехнологии, оформляется в виде в описание различных комбинаций первичных структур
специального программного модуля (математической мо- представления знаний (1) – (5). Структура шаблона допу-
дели). В данном случае при описании рассматриваемой скает использование, причем в любой комбинации, атри-
компоненты агротехнологии используется вариант «Вн. бутивной информации из БД, отражающей многочислен-
прог». Приведем пример. Пусть имеется универсальная ные компоненты агротехнологической операции, а также
подпрограмма расчета доз минеральных удобрений, кото- возможность реализации вычислительной процедуры,
рая называется «Расчет удобрений». Положим, что расче- встроенной непосредственно в одну или несколько кон-
ты доз азотных, фосфорных и калийных удобрений будут струкций шаблона, или вызова по необходимости внеш-
помещены в БД с именами атрибутов «N», «Р», «К» со- ней процедуры в виде отдельно оформленной программы
ответственно. Тогда соответствующая запись будет иметь (математической модели). Рассматриваемая возможность
вид: представления агротехнологических знаний позволяет
«Внесение мин. удобрений» («Расчет удобрений» (N, включить в БЗ наряду с прикладными моделями базовую
Р, К); «Потребность в азоте» = «N»; «Потребность модель продуктивности агроэкосистем, разработанную
в фосфоре» = «Р»; «Потребность в калии» = «К»). в АФИ (Якушев, 2010). Диапазон применения приклад-
ных моделей может быть очень широким. Например, их
Приведенные примеры представления знаний с ис-
целесообразно использовать для выделения однородных
пользованием различных типов записей «(Условия)» и
единиц управления на сельскохозяйственном поле и рас-
структура самих конструкций (1) – (5) показывают, что
чета норм внесения на них удобрений и средств защиты
существует достаточно широкий набор средств, позволя-
растений. Сочетание инструментальных (измерительных)
ющих описывать декларативные и процедурные знания
и вычислительных средств (прикладных моделей) может
одновременно. При этом соответствующее описание мо-
обеспечить решение данной наиболее сложной научной и
жет быть «привязано» к технологическим операциям, их
информационной проблемы точного земледелия. Базовая
характеристикам, а через них непосредственно к конкрет-
модель может быть адаптирована для определения обла-
ному полю, культуре, сорту. Данное обстоятельство явля-
стей применимости уже разработанных прикладных мо-
ется чрезвычайно важным, так как предлагаемая система
делей и оценки входящих в них эмпирических коэффици-
представления знаний позволяет описывать любые компо-
ентов, также она является основой для выработки новых
ненты технологических операций и, следовательно, агро-
специализированных моделей. В частности, модель по-
технологии в целом. Под моделью агротехнологии здесь
зволяет учитывать баланс основных составляющих энер-
понимается описание последовательности технологиче-
го-массообмена в системе «почва-растение-атмосфера»,
ских операций, каждой из которых в общем случае соот-
что дает возможность количественно описать процессы
ветствуют условия выполнения и выбора операций, сроки
накопления, трансформации и выноса из системы основ-
проведения, те или иные агротребования и используемые
ных элементов питания, а также процесс формирования
сельскохозяйственные машины.
урожая в онтогенезе от сева до уборки. Это позволяет оце-
Технологическую схему возделывания сельскохозяй-
нить влияние на процесс производства агротехнических
ственной культуры на конкретном поле можно рассма-
мероприятий, сроков их проведения и складывающейся в
тривать как многошаговый процесс управления, осущест-
текущем сезоне метеорологической обстановки.
вляемого в течение определённого промежутка времени,
Следует подчеркнуть, что использование шаблонов
например вегетационного периода. Поэтому для плани-
типа (9) для описания БЗ позволяет создать на новых
рования агротехнологических мероприятий, например
принципах программно-математический аппарат обработ-
на предстоящий вегетационный сезон, можно использо-
ки знаний. Это вытекает из того, что структура шаблона
вать следующую модель описания агротехнологических
определяет функциональные возможности БЗ и направля-
операций:
ет процесс вычислений, т.к. в шаблонах описания агротех-
: «Наименование операции» [(Условия)]; нологических операций в общем случае алгоритмически
[«Агротребования» [(Условия)]]; «Сроки прописан механизм их выбора для конкретных условий,
проведения» [(Условия)]; {(«Тип машины» указаны те или иные сроки проведения данных меропри-
[(Условия)] Λ «Тип агрегата» [(Условия)]) (9)
ятий, сформулированы правила определения соответству-
V … V («Тип машины» [(Условия)] Λ «Тип ющих агротребований, а также может быть задан порядок
агрегата» [(Условия)])};:, подбора подходящих и имеющихся в хозяйстве машин,
где символом « : » начинается и заканчивается описание агрегатов и других ресурсов. Таким образом, процесс
агротехнологической операции. обработки знаний определяется не жестким алгоритмом,
Предложенная выше модель (9) описания агротехноло- заложенным как обычно в компьютерную программу, а
гической операции является одним из шаблонов, на основе структурой конкретного шаблона, с помощью которого
которого в дальнейшем описываются конкретные техноло- была описана технологическая операция (2).
гические приемы, которые могут быть выполнены в те или Важно отметить, что предложенная модель описа-
иные сроки при помощи тех или иных сельскохозяйствен- ния технологических операций в соответствии с шабло-
ных машин в зависимости от складывающихся условий. ном типа (9) напоминает встречающиеся в специальной
Следует иметь в виду, что, изменяя структуру шаблона и литературе фреймовые модели (Гаврилова, 2008; Ал-
степень детализации представления агротехнологических пайдин, 2017), для которых также характерна жёсткая
30 Якушев В.П. и др. / Вестник защиты растений, 2020, 103(1), с. 25–36
алгоритмическая структура представления знаний. Фрей- концепций. Однако универсальные инструкции по приме-
мы (рамки или шаблоны) по определению – «Имя фрей- нению фреймов в ИС на сегодняшний день отсутствуют.
ма» («Имя слота», …, «Имя слота»). Значениями слота По мере развития данной теории и методов машинного
могут быть числа, выражения, условия, ссылки, тексты и
обучения можно ожидать, что соответствующие резуль-
т.п. При наполнении фрейма ему и слотам присваиваются
конкретные имена и значения. Теория фреймов в насто- таты будут применяться для совершенствования системы
ящее время используется для описания знаний в слож- представления и обработки агротехнологических знаний в
ных прикладных системах, таких как теория научных точном земледелии.
Прототип интеллектуальной системы и некоторые результаты его применения в точном земледелии
В АФИ создан и в настоящее время совершенствует- уровней, интерфейсы приема/передачи данных с/между
ся прототип ИС (рис. 1), основой которого являются рас- бортовыми, полевыми и стационарными компьютерами,
смотренные выше конструкции представления и форма-
ГИС-инструменты, подключаемые программные модули
лизации агротехнологических знаний. Наряду с базами
данных и знаний комплекс включает в себя функциональ- (Якушев и др., 2019; Якушев и др., 2018; Конев и др., 2018;
ные блоки: интерфейсы экспертного и пользовательского Якушев и др., 2017).
Рисунок 1. Прототип интеллектуальной системы поддержки принятия агротехнологических решений
На экспертном уровне формируются базовые агро- пользователю моделировать различные варианты агроме-
технологии, технологические адаптеры, подключаемые роприятий на предстоящий период и выбрать в конечном
к ИС математические модели, оформленные в виде от- итоге оптимальный пакет агротехнологий для всех полей
дельных программных модулей, а также осуществляется хозяйства.
наполнение БД нормативной и справочной информацией, Отличительной особенностью рассматриваемого про-
используемой для создания БЗ. Пользователи (агрономы тотипа является поддержка технологий точного земледе-
или руководители), являющиеся конечными потребителя- лия, заключающаяся в создании электронных контуров
ми тех агротехнологических декларативных и процедур- полей и пространственно-ориентированных картосхем по
ных знаний, которые были формализованы на экспертном агрохимическим и агрофизическим показателям, управле-
уровне, получают возможность генерировать адаптивные нии дифференцированным внесением агрохимикатов, ра-
агроприемы для собственных полей с учётом актуальной боте со спутниковыми и аэрофотоснимками, импорте карт
информации о хозяйстве. Актуальная информация — это урожайности, картосхем и другой информации при помо-
основные массивы данных (паспорта полей, сведения о щи различных протоколов обмена данными с бортовыми
семенном фонде, технике, агрохимикатах, финансах, ме- компьютерами сельхозтехники и мобильных комплексов.
теоусловиях, кадрах и других ресурсах), необходимых для Функционал системы поддерживает возможность исполь-
генерации адаптивных агротехнологий. зования различных математических моделей и предла-
Пользователю предоставляется возможность не толь- гает гибкий инструментарий для формализации знаний,
ко автоматизации процесса генерации адаптивных агро- генерации и представления результатов, в том числе с
технологий для собственных полей, но и корректировки помощью ГИС-технологий. В частности, разработанный
на этапе планирования параметров адаптации агротех- в АФИ геоинформационный модуль ГИС-АФИ, интегри-
нологий (добавления или исключения тех или иных аг- рованный в систему, позволяет получать, хранить, анали-
роприемов, увеличения/снижения норм внесения и т. д.). зировать и визуализировать пространственно-ориентиро-
Интерфейс редактирования агротехнологий позволяет ванные данные, привязанные к координатам с помощью
Якушев В.П. и др. / Вестник защиты растений, 2020, 103(1), с. 25–36 31
GPS/ГЛОНАСС-приемников (рис. 2), а также создавать для осуществления внесения минеральных удобрений,
для сельскохозяйственной техники, оснащенной борто- средств защиты растений и других агрохимикатов по тех-
выми компьютерами и GPS/ГJIOHACC-приемниками, нологии точного земледелия, а программное приложение
карты-задания на дифференцированное выполнение агро- ГИС-АФИ поддерживает все основные форматы данных,
технических операций с учетом местонахождения техни- что позволяет импортировать/экспортировать ГИС-дан-
ки на поле (рис. 3). Геоинформационная база необходима ные в/из различных источников.
Рисунок 2. Главное окно приложения ГИС-АФИ
Рисунок 3. Карта-задание, полученная в результате обработки данных по дозам внесения удобрений
32 Якушев В.П. и др. / Вестник защиты растений, 2020, 103(1), с. 25–36
Апробация ИС проводилась на полигоне АФИ. Изу-
чалось несколько вариантов технологий различной ин-
тенсивности: экстенсивная технология (контрольный
вариант), в рамках которой проводятся только основные
агротехнические мероприятия без дополнительных за-
трат; высокоинтенсивная технология, предусматрива-
ющая внесение удобрений и средств защиты растений в
дозах, полностью удовлетворяющих потребность посева
в период вегетации; точное земледелие, отличительной
особенностью которого является дифференцированный
подход к расчёту и внесению средств химизации в зави-
симости от показателей плодородия полей и состояния
посевов. Сравнительный анализ показал, что применение
интеллектуальной системы при выработке оперативных Рисунок 4. Азотная подкормка посевов на полигоне АФИ
технологических приемов способствовало существенно- с помощью N-Sensor
му повышению качества яровой пшеницы, снижению на различными дозами азотных удобрений в диапазоне от
35–60 % агрохимической нагрузки на окружающую среду, нуля до максимальной величины, которые вносятся с це-
а также увеличению в 1.5–1.7 раза окупаемости удобрений лью получения планируемой урожайности. В результа-
и средств защиты растений на фоне существенного роста те на тестовых площадках складываются различные, но
урожайности. При этом сокращение объёма применяемых известные условия азотного питания растений и, соот-
азотных удобрений в варианте «точное земледелие» было ветственно, посевы отличаются по оптическим характе-
достигнуто в основном за счёт проведения дифференци- ристикам. Таким образом, на тестовых площадках моде-
рованных подкормок в вегетационный период (Якушев, лируется весь спектр условий азотного питания растений:
Якушев, 2018; Матвеенко и др., 2019). от дефицита до близкого к оптимальному (рис. 5). Дистан-
На рис. 4 представлен процесс азотной подкормки яро- ционное обследование посевов осуществлялось с помо-
вой пшеницы с помощью N-сенсора, установленного на щью беспилотных летательных аппаратов самолётного и
крыше трактора (режим «on-line»). Существенный недо- вертолётного типов, разработанных инженерами АФИ. На
статок применения N-сенсора заключается в необходимо- них размещались цифровые камеры для получения аэро-
сти выполнения большого объема калибровочных работ. фотографий посевов в видимой и инфракрасной областях
Важным ограничением также является высокая стоимость спектра электромагнитного излучения. На каждой аэрофо-
прибора. тографии поля отображались тестовые площадки с извест-
В связи с целесообразностью поиска альтернативы для ной дозой внесённых азотных удобрений. Средние значе-
проведения азотных подкормок на опытных полях были ния колориметрических (цветовых) характеристик посева
заложены тестовые площадки (Митрофанова и др., 2016). на каждой из тестовых площадок являются эталонными.
Тестовые площадки представляют собой участки поля с Посредством сравнения с ними характеристик остальных
Рисунок 5. Тестовые площадкиЯкушев В.П. и др. / Вестник защиты растений, 2020, 103(1), с. 25–36 33
зон поля проводится оценка потребности растений в азо-
те. Выделение участков поля, на которых необходимо
осуществить внесение азотных удобрений, выполнялось
с помощью созданного специалистами АФИ автоматизи-
рованного метода построения калибровочных кривых по
колориметрическим характеристикам аэрофотографий
посевов (рис.6) (Буре и др., 2018). Такой подход позволяет
провести оценку обеспеченности растений азотом на лю-
бом участке поля и составить электронную карту-задание
на прецизионное внесение азотных удобрений, которая
загружается в бортовой компьютер агрегата (рис. 7). Это
доступный, недорогостоящий и достаточно точный метод
мониторинга посевов, оценки их потребности в азотном Рисунок 8. Азотная подкормка посевов на полигоне АФИ
питании и прецизионного внесения удобрений (рис. 8). на основе карты-задания без использования N-Sensor
Рисунок 6. Инструменты интерпретации данных дистанционного зондирования (метод АФИ)
Рисунок 7. Карта-задание и бортовое оборудование агрегата для прецизионной азотной подкормки посевов34 Якушев В.П. и др. / Вестник защиты растений, 2020, 103(1), с. 25–36
Важно отметить, что при апробации ИС использо- (Евротехника, г. Самара), укомплектованные электронным
вался навигационный комплекс «Агронавигатор плюс» оборудованием для автоматического управления дозирую-
(разработка ООО «Системы точного земледелия», г. Но- щими элементами, а в качестве управляющего компьюте-
восибирск), оснащенный приемником спутниковых нави-
ра также использовался навигационный комплекс «Агро-
гационных сигналов системы ГЛОНАСС и обеспечиваю-
щий субметровую точность вождения техники. В полевом навигатор плюс». Данный комплекс продемонстрирован
эксперименте были задействованы две машины — РМУ- АФИ на агропромышленной выставке «Всероссийский
8000 (Щучинский ремонтный завод, Беларусь) и Amazone день поля-2019», прошедшей в Ленинградской области.
Библиографический список (References)
Алпайдин Э (2017) Машинное обучение: новый искус- Полуэктов РА (1991) Динамические модели агроэкоси-
ственный интеллект. Пер. с англ. М.: Издательская груп- стем. Л.: Гидрометеоиздат. 312 с.
па «Точка». 208 с. Шпанев АМ (2019) Экспериментальная база для
Баденко ВЛ, Топаж АГ, Якушев ВВ и др. (2017) Ими- дистанционного зондирования фитосанитарно-
тационная модель агроэкосистемы как инструмент го состояния агроэкосистем на Северо-Западе РФ.
теоретических исследований. Сельскохозяйствен- Современные проблемы дистанционного зонди-
ная биология. 52(3):437–445. https://doi.org//10.15389/ рования Земли из космоса 16(3): 61–68. https://doi.
agrobiology.2017.3.437rus org///10.21046/2070-7401-2019-16-3-61-68
Буре ВМ, Митрофанов ЕП, Митрофанова ОА и др. (2018) Якушев ВВ (2010) Интеллектуальные системы управле-
Выделение однородных зон сельскохозяйственного ния для ресурсосберегающих технологий точного зем-
поля для закладки опытов с помощью беспилотного ле- леделия. Экологические системы и приборы 7: 26–33.
тательного аппарата. Вестник Санкт-Петербургского Якушев ВВ (2016) Точное земледелие: теория и практика.
университета. Прикладная математика. Информати- СПб.: АФИ. 364 с.
ка. Процессы управления. 14(2):145–150 Якушев ВП, Дубенок НН, Лупян ЕА (2019) Опыт при-
Гаврилова ТА, Муромцев ДИ (2008) Интеллектуальные менения и перспективы развития технологий дис-
технологии в менеджменте: инструменты и системы. танционного зондирования Земли для сельского хо-
Санкт-Петербург: Высшая школа менеджмента СПбГУ. зяйства. Современные проблемы дистанционного
488 с. зондирования Земли из космоса 16(3):11–23. https://doi.
Конев АВ, Ломакин ВС, Матвеенко ДА и др. (2018) Струк- org///10.21046/2070-7401-2019-16-3-11-23
тура представления производственных процессов в си- Якушев ВП, Лекомцев ПВ, Воропаев ВВ (2017) Диффе-
стеме поддержки принятия агротехнологических реше-
ренцированное применение средств химизации при вы-
ний. Агрофизика. 1:24–36.
ращивании яровой пшеницы. Вестник Российской сель-
Лупян ЕА, Бурцев МА, Прошин АА, Кобец ДА (2018)
скохозяйственной науки 4:13–17.
Развитие подходов к построению информацион-
Якушев ВП, Якушев ВВ (2007) Информационное обеспе-
ных систем дистанционного мониторинга. Со-
чение точного земледелия. СПб.: Изд-во ПИЯФ РАН.
временные проблемы дистанционного зондиро-
384 с.
вания Земли из космоса. 15(3):53–66. https://doi.
Якушев ВП, Якушев ВВ (2018) Перспективы «умного сель-
org///10.21046/2070-7401-2018-15-3-53-66
ского хозяйства» в России. Вестник РАН 88(9):773–784.
Лупян ЕА, Мазуров АА, Назиров РР, Прошин АА и др.
Якушев ВП, Якушев ВВ, Конев АВ и др. (2018) О совер-
(2011) Технологии построения информационных си-
стем дистанционного мониторинга. Современные про- шенствовании реализации агротехнологических реше-
блемы дистанционного зондирования Земли из космоса. ний в точном земледелии. Вестник российской сельско-
8(1):26–43. хозяйственной науки 1:13–17.
Матвеенко ДА, Якушев ВВ, Якушев ВП (2019) Пре- Aker JC (2011) Dial “A” for agriculture: a review of information
цизионное управление азотным режимом яровой and communication technologies for agricultural extension
пшеницы на основе дистанционного зондирования in developing countries. Agric Econ 42(6):631–647. https://
посевов. Современные проблемы дистанционного зон- doi.org//10. 1111/j.1574-0862.2011.00545.x
дирования Земли из космоса 16(3):79–86. https://doi. Bramley RGV, Ouzman J (2019) Farmer attitudes to the use
org///10.21046/2070-7401-2019-16-3-79-86 of sensors and automation in fertilizer decision-making:
Митрофанова ОА, Буре ВМ, Канаш ЕВ (2016) Математи- nitrogen fertilization in the Australian grains sector.
ческий модуль для автоматизации колориметрического Precis Agric 20(1):157–175. https://doi.org//10.1007/
метода оценки обеспеченности растений азотом. Вест- s11119-018-9589-y
ник Санкт-Петербургского университета. Приклад- Eli-Chukwu NC (2019) Applications of Artificial Intelligence
ная математика. Информатика. Процессы управления in Agriculture: A Review. Eng Technol Appl Sci Res
1:85–91. 9(4):4377–4383.
Павлюшин ВА, Лысов АК (2019) Фитосанитар- Fountas S, Carli G, Sorensen CG, Tsiropoulos Z et al (2015)
ная безопасность агроэкосистем и дистанцион- Farm management information systems: Current situation
ный фитосанитарный мониторинг в защите рас- and future perspectives. Comp Electron Agric 115:40–50.
тений. Современные проблемы дистанционного https://doi.org//10.1016/j.compag.2015.05.011
зондирования Земли из космоса. 16(3):69–78. https://doi. Grifn TW, Miller NJ, Bergtold J, Shanoyan A et al (2017)
org///10.21046/2070-7401-2019-16-3-69-78 Farm’s sequence of adoption of information-intensiveЯкушев В.П. и др. / Вестник защиты растений, 2020, 103(1), с. 25–36 35
precision agricultural technology. Appl Eng Agr 33(4):521– Paustian M, Theuvsen L (2017) Adoption of precision
527. https://doi.org//10.13031/aea.12228 agriculture technologies by German crop farmers. Precis
Kang MZ, Wang FY (2017) From parallel plants to smart Agric 18(5):701–716. https://doi.org//10.1007/
plants: intelligent control and management for plant growth. s11119-016-9482-5
IEEE-CAA J Automatica Sinica 4(2):161–166. https://doi. Reichardt M, Jurgens C (2009) Adoption and future
org//10.1109/JAS.2017.7510487 perspective of precision farming in Germany: results
Kernecker M, Knierim A, Wurbs A, Kraus T, Borges F et al of several surveys among different agricultural target
(2020) Experience versus expectation: farmers’ perceptions groups. Precis Agric 10(1):73–94. https://doi.org//10.1007/
of smart farming technologies for cropping systems across s11119-008-9101-1
Europe. Precis Agric 21(1):34–50. https://doi.org//10.1007/ Scherer LA, Verburg PH, Schulp CJE (2018) Opportunities for
s11119-019-09651-z sustainable intensification in European agriculture. Global
Kuehne G, Llewellyn R, Pannell DJ, Wilkinson R et al (2017) Environ Chang 48:43–55. https://doi.org//10.1016/j.
Predicting farmer uptake of new agricultural practices: A gloenvcha.2017.11.009
tool for research, extension and policy. Agric Syst 156:115– Tey YS, Brindal M (2012) Factors influencing the adoption
125. https://doi.org//10.1016/j.agsy.2017.06.007 of precision agricultural technologies: a review for policy
Long TB, Blok V, Coninx I (2016) Barriers to the adoption implications. Precis Agric 13(6):713–730. https://doi.
and diffusion of technological innovations for climate- org//10.1007/s1111 9-012-9273-6
smart agriculture in Europe: evidence from the Netherlands, Walter A, Finger R, Huber R, Buchmann N (2017) Smart
France, Switzerland and Italy. J Clean Prod 112:9–21. farming is key to developing sustainable agriculture. Proc
https://doi.org//10.1016/j.jclep ro.2015.06.044 Nat Acad Sci USA 114(24):6148–6150. https://doi.
Miller NJ, Griffin TW, Ciampitti IA, Sharda A (2019) Farm org//10.1073/pnas.1707462114
adoption of embodied knowledge and information intensive Wolfert S, Ge L, Verdouw C, Bogaardt, M-J (2017) Big data in
precision agriculture technology bundles. Precis Agric smart farming: A review. Agric Syst 153:69–80. https://doi.
20(2):348–361.https://doi.org//10.1007/s11119-018-9611-4 org//10.1016/j.agsy.2017.01.023
Translation of Russian References
Alpaydin E (2017) Mashinnoye obucheniye: novyy distantsionnogo zondirovaniya Zemli iz kosmosa 8(1):26–43
iskusstvennyy intellect [Machine learning: new artificial (In Russian)
intellect]. Per. s angl. Moskow: Izdatelskaya gruppa Matveyenko DA, Yakushev VV, Yakushev VP (2019)
«Tochka». 208 p. (In Russian) [Precision management of the nitrogen status of
Badenko VL, Topazh AG, Yakushev VV et al. (2017) spring wheat crops based on remote sensing data].
[Crop models as research and interpretative tools]. Sovremennyye problemy distantsionnogo zondirovaniya
Selskokhozyaystvennaya biologiya 52(3):437– Zemli iz kosmosa 16(3):79–86 (In Russian) https://doi.
445 (In Russian) https://doi.org//10.15389/ org///10.21046/2070-7401-2019-16-3-79-86
agrobiology.2017.3.437rus Mitrofanova OA, Bure VM, Kanash YeV (2016) [Math module
Bure VM, Mitrofanov YEP, Mitrofanova OA et al. (2018) to automate the colorimetric method for estimating nitrogen
[Selection of homogeneous zones of agricultural field for status of plants]. Vestnik Sankt-Peterburgskogo universiteta.
performing experiments using unmanned aerial vehicle]. Prikladnaya matematika. Informatika. Protsessy upravleniya
Vestnik Sankt-Peterburgskogo universiteta. Prikladnaya 1:85–91 (In Russian)
matematika. Informatika. Protsessy upravleniya. 14(2):145– Pavlyushin VA, Lysov AK (2019) [Phytosanitary safety of agro-
150 (In Russian) https://doi.org//10.21638/11702/ ecological systems and remote phytosanitary monitoring in
spbu10.2018.206 plant protection]. Sovremennyye problemy distantsionnogo
zondirovaniya Zemli iz kosmosa 16(3):69–78 (In Russian)
Gavrilova TA, Muromtsev DI (2008) Intellektualnyye
https://doi.org///10.21046/2070-7401-2019-16-3-69-78
tekhnologii v menedzhmente: instrumenty i sistemy Poluektov RA (1991) Dinamicheskiye modeli agroekosistem
[Intelligent technologies in management: tools and systems]. [Dynamic models of agroecosystems]. L.: Gidrometeoizdat.
St. Petersburg: Vysshaya shkola menedzhmenta SPbGU. 312 p. (In Russian)
488 p. (In Russian) Shpanev AM (2019) [Experimental basis for remote sensing
Konev AV, Lomakin VS, Matveyenko DA et al. (2018) [The of phytosanitary condition of agroecosystems in the
structure of production processes in the agrotechnical North-West of the Russian Federation]. Sovremennyye
decision support system]. Agrofizika 1:24–36 (In Russian) problemy distantsionnogo zondirovaniya Zemli iz
https://doi.org//10.25695/AGRPH.2018.01.04 kosmosa 16(3): 61–68. (In Russian) https://doi.
Lupyan YeA, Burtsev MA, Proshin AA, Kobets DA org///10.21046/2070-7401-2019-16-3-61-68
(2018) [Development of the concepts for remote Yakushev VP, Dubenok NN, Lupyan YeA (2019)
monitoring information systems]. Sovremennyye [Earth remote sensing technologies for agriculture:
problemy distantsionnogo zondirovaniya Zemli application experience and development prospects].
iz kosmosa 15(3):53–66 (In Russian) https://doi. Sovremennyye problemy distantsionnogo zondirovaniya
org//10.21046/2070-7401-2018-15-3-53-66 Zemli iz kosmosa 16(3):11–23 (In Russian) https://doi.
Lupyan YeA, Mazurov AA, Nazirov RR, Proshin AA et org///10.21046/2070-7401-2019-16-3-11-23
al. (2011) [Technologies for building remote monitoring Yakushev VP, Lekomtsev PV, Voropayev VV (2017)
information systems]. Sovremennyye problemy [Differentiated rate fertilizer and ameliorant application36 Якушев В.П. и др. / Вестник защиты растений, 2020, 103(1), с. 25–36
in the cultivation of spring wheat]. Vestnik Rossiyskoy Yakushev VP, Yakushev VV, Konev AV et al. (2018) [On
selskokhozyaystvennoy nauki 4:13–17. (In Russian) improving the implementation of agrotechnological
Yakushev VP, Yakushev VV (2007) Informatsionnoye solutions in precision agriculture]. Vestnik rossiyskoy
obespecheniye tochnogo zemledeliya [Information support selskokhozyaystvennoy nauki 1:13–17. (In Russian)
of precision agriculture]. St. Petersburg: PIYaF RAN. 384 Yakushev VV (2010) [Intelligent management systems for
p. (In Russian) resource-saving technologies of precision agriculture].
Yakushev VP, Yakushev VV (2018) Perspektivy «umnogo Ekologicheskiye sistemy i pribory 7:26–33 (In Russian)
selskogo khozyaystva» v Rossii [Prospects of “smart Yakushev VV (2016) Tochnoye zemledeliye: teoriya i praktika
agriculture” in Russia]. Vestnik RAN 88(9):773–784. [Precision agriculture: theory and practice]. St. Petersburg:
(In Russian) AFI. 364 p. (In Russian)
Plant Protection News, 2020, 103(1), p. 25–36
OECD+WoS: 4.01+AM (Agronomy) http://doi.org/10.31993/2308-6459-2020-103-1-25-36
Full-text article
SCIENTIFIC BACKGROUND OF INTELLECTUAL SYSTEM DEVELOPMENT
FOR PRECISION AGRICULTURE
V.P. Yakushev, V.V. Yakushev, S.Yu. Blokhina*
Agrophysical Research Institute, St. Petersburg, Russia
*corresponding author, e-mail: e-mail: sblokhina@agrophys.ru
The paper presents the new approach for the construction of a knowledge background and the developing of the
intellectual system on its basis to support the planned technological solutions. The generation of industrial-technological
spectrum of operative possibilities and optimal proposals for precision crop yield management have been fulfilled by
intellectual support systems with due consideration of weather, soil, ecological and economic conditions of the given
agricultural area. The logical-and-linguistic apparatus has been applied to present and process agro-technological
knowledge. The formalization of the subject area and determination the main entities and the relationships between the
concepts have been carried out with specialized model structures for describing technological operations and production
rules. As a result, the agrotechnological knowledge has been presented in an uniform structured form suitable for storage
and computer processing. The prototype of the intellectual system has been tested in comparative field experiments aimed
at examination of technologies of varied intensity, including precision agriculture technology. Differentiated approach to
the calculation and application of chemicals according to indicators of field fertility and crop conditions is the distinctive
feature of precision agriculture technology. Long-term field tests have shown economic and ecological efficiency of
intellectual support system implementation for application of planned technological solutions. The quality of spring wheat
grain has been considerably improved, the agrochemical impact on the environment has been reduced by 35–60 %, the
sufficiency of fertilizer and crop protection products has increased by 1.5–1.7 times along with the significant increment
of crop production. Trials of the intellectual system have been performed on the basis of integration of domestic on-board
navigation equipment (Precision Farming Systems Ltd. Novosibirsk), robotic units based on RMU-8000 (Shchuchinsky
repair factory, Belarus) and Amazone (Euroengineering, Samara) vehicles. This complex has been presented during the
agricultural exhibition “All-Russian Field Day 2019” held in the Leningrad Region.
Keywords: precision agriculture, intellectual systems, knowledge background, mathematical model, electronic task
map, remote sensing data, optical crop characteristics
Received: 04.12.2019 Accepted: 21.01.2020Вы также можете почитать
