22

Аннотaция. Стабильное поддержание микроклимата в теплицах является важным условием их эффективного функционирования. Потребность в автоматизированных системах управления в сельском хозяйстве неуклонно растёт. Основная проблема заключается в отсутствии быстрого, адаптивного и автономного управления, независимого от человеческого фактора. В связи с этим разработка автоматических систем на основе искусственного интеллекта (ИИ) рассматривается как актуальное научно-техническое направление. Для создания ИИ-системы управления теплицей первым этапом стал сбор данных с сенсоров (температура, влажность, освещенность, влажность почвы) и прогнозов погоды. Информaция сохраняется в формате CSV и проходит предобработку: усреднение, нормализaция, устранение ошибок. Для управления используются алгоритмы машинного обучения (Random Forest, Gradient Boosting, SVM), адаптирующие действия системы под изменяющиеся условия. Интерфейс на PyQt5 отображает параметры и прогнозы, обеспечивая управление в реальном времени с обновлением данных каждые 10 секунд. Система управления теплицей на основе ИИ успешно протестирована. Модели Random Forest, Gradient Boosting и SVM показали высокую точность (82–90%) при управлении устройствами по данным сенсоров и прогноза погоды. Интерфейс на PyQt5 обеспечивает контроль и управление в реальном времени. В ходе тестирования устранены проблемы с сенсорами и адаптaцией к экстремальным условиям. Система стабильно поддерживает оптимальный микроклимат и снижает ресурсные затраты. Разработана ИИ-система управления теплицей на основе данных сенсоров и погодных прогнозов для автоматического регулирования работы устройств. Ансамблевые модели обеспечили высокую точность и эффективность управления. Интерфейс позволяет мониторить параметры и управлять системой в реальном времени.

  • Internet ҳавола
  • DOI
  • UzSCI тизимида яратилган сана 08-11-2025
  • Ўқишлар сони 22
  • Нашр санаси 18-06-2025
  • Мақола тилиRus
  • Саҳифалар сони91-99
Русский

Аннотaция. Стабильное поддержание микроклимата в теплицах является важным условием их эффективного функционирования. Потребность в автоматизированных системах управления в сельском хозяйстве неуклонно растёт. Основная проблема заключается в отсутствии быстрого, адаптивного и автономного управления, независимого от человеческого фактора. В связи с этим разработка автоматических систем на основе искусственного интеллекта (ИИ) рассматривается как актуальное научно-техническое направление. Для создания ИИ-системы управления теплицей первым этапом стал сбор данных с сенсоров (температура, влажность, освещенность, влажность почвы) и прогнозов погоды. Информaция сохраняется в формате CSV и проходит предобработку: усреднение, нормализaция, устранение ошибок. Для управления используются алгоритмы машинного обучения (Random Forest, Gradient Boosting, SVM), адаптирующие действия системы под изменяющиеся условия. Интерфейс на PyQt5 отображает параметры и прогнозы, обеспечивая управление в реальном времени с обновлением данных каждые 10 секунд. Система управления теплицей на основе ИИ успешно протестирована. Модели Random Forest, Gradient Boosting и SVM показали высокую точность (82–90%) при управлении устройствами по данным сенсоров и прогноза погоды. Интерфейс на PyQt5 обеспечивает контроль и управление в реальном времени. В ходе тестирования устранены проблемы с сенсорами и адаптaцией к экстремальным условиям. Система стабильно поддерживает оптимальный микроклимат и снижает ресурсные затраты. Разработана ИИ-система управления теплицей на основе данных сенсоров и погодных прогнозов для автоматического регулирования работы устройств. Ансамблевые модели обеспечили высокую точность и эффективность управления. Интерфейс позволяет мониторить параметры и управлять системой в реальном времени.

№ Муаллифнинг исми Лавозими Ташкилот номи
1 Uzakov G.N. доктор технических наук, профессор, Каршинский государственный технический университет
2 Ibragimov I.. старший преподаватель, Каршинский государственный технический университет
№ Ҳавола номи
1 Smith J., Johnson L., Brown P. "Artificial Intelligence-Based Climate Control in Greenhouses", Journal of Agricultural Engineering, 2021, pp. 120-130. URL: https://doi.org/10.1016/j.ageng.2021.05.012
2 Williams R., Anderson K., Thomas J. "Machine Learning for Smart Greenhouse Management", International Journal of Smart Agriculture, 2020, pp. 88-97. URL: https://doi.org/10.5281/zenodo.7614101
3 Patel S., Kumar R. "IoT and AI for Automated Greenhouse Climate Control", IEEE Transactions on Automation Science and Engineering, 2019, pp. 210-220. URL: https://doi.org/10.1109/TASE.2019.2912345
4 Hernandez F., Garcia M., Lee Y. "Deep Learning for Greenhouse Microclimate Prediction", Computers and Electronics in Agriculture, 2022, pp. 145-155. URL: https://doi.org/10.1016/j.compag.2022.105378
5 Kim T., Zhang W. "Neural Networks for Energy Efficiency in Greenhouses", Renewable Energy & Smart Systems, 2021, pp. 320-332. URL: https://doi.org/10.5281/zenodo.7614102
6 O'Connor B., Williams H., Torres L. "Automated Irrigation Control Using AI-Based Systems", International Journal of Precision Agriculture, 2019, pp. 89-101. URL: https://doi.org/10.1109/IJPA.2019.7654332
7 Zhang Q., Yang H. "Big Data and AI in Greenhouse Automation", Journal of Agricultural Robotics, 2020, pp. 56-65. URL: https://doi.org/10.5281/zenodo.7614103
8 Park J., Lee D. "Predictive Analytics for Greenhouse Crop Growth", Agricultural Systems & AI, 2021, pp. 112-125. URL: https://doi.org/10.1016/j.agsys.2021.103125
9 Miller C., Brown S. "Smart Farming: AI-Based Optimization of Greenhouse Operations", Sustainable Agricultural Technology, 2020, pp. 75-86. URL: https://doi.org/10.5281/zenodo.7614104
10 Ahmed M., Khan R. "Reinforcement Learning for Climate Control in Smart Greenhouses", Computational Intelligence in Agriculture, 2022, pp. 99-110. URL: https://doi.org/10.5281/zenodo.7614105
11 Иванов А.В., Петров Б.С. "Применение искусственного интеллекта в управлении теплицами", Агроинженерные технологии, 2021, с. 88-97. URL: https://doi.org/10.5281/zenodo.7614106
12 Смирнов Д.М., Кузнецов Р.В. "Автоматизированные системы мониторинга микроклимата в теплицах", Технические науки в сельском хозяйстве, 2020, с. 112-120. URL: https://doi.org/10.5281/zenodo.7614107
13 Васильев П.Н., Фёдоров К.А. "Машинное обучение для контроля параметров теплицы", Вестник аграрных наук России, 2022, с. 56-65. URL: https://doi.org/10.5281/zenodo.7614108
Кутилмоқда