студент с 01.01.2024 по настоящее время
Россия
Россия
Статья посвящена исследованию перспектив применения технологий искусственного интеллекта (ИИ) для создания адаптивных систем управления микроклиматом в умных теплицах в условиях Республики Саха (Якутия). Актуальность работы обусловлена необходимостью перехода от традиционных систем с пороговыми правилами к интеллектуальному управлению, обеспечивающему устойчивое сельскохозяйственное производство в регионе с экстремальным климатом. В качестве решения предложена авторская архитектура адаптивной системы на основе гибридной модели (цифрового двойника) и алгоритма обучения с подкреплением. Приведены прогнозные данные о потенциальной эффективности подобных систем: увеличение урожайности, экономия энергоресурсов и значительное сокращение водопотребления. Обсуждаются ключевые преимущества, а также вызовы, связанные с внедрением, такие как стоимость, потребность в данных и интерпретируемость моделей и предложены пути их решения. Сделан вывод о том, что ИИ-технологии являются ключевым драйвером для создания автономных, ресурсоэффективных и устойчивых агропромышленных систем будущего.
cельское хозяйство, агроклимат, Республика Саха (Якутия), искусственный интеллект, микроклимат, биотехнология, умная теплица, интернет вещей (IoT), цифровой двойник
1. Михайлова Н.А., Антипов А.В. Автоматизация умной теплицы: разработка и внедрении системы управления микроклиматом // Вестник науки №3 (84) том 1. С. 557 - 561. 2025 г. ISSN 2712-8849 // Электронный ресурс: https://www.вестник-науки.рф/article/21730 (дата обращения: 11.12.2025 г.)
2. Искусственный интеллект в сельском хозяйстве // Погода в поле. – URL: https://погодавполе.рф/iskusstvenniy-intellekt-v-selskom-khozyaystve (дата обращения: 12.12.2025).
3. Левашкин А. Г. Разработка универсальной системы умной теплицы / А. Г. Левашкин, А. В. Малуша // Инноватика-2023 : сборник материалов XIX Международной школы-конференции студентов, аспирантов и молодых ученых, 21-22 апреля 2023 г., г. Томск, Россия. Томск, 2023. С. 50-54. URL: http://vital.lib.tsu.ru/vital/access/manager/Repository/koha:001006161
4. Черепенин В.А., Кацупеев А.А. Анализ подходов к созданию системы «Умная теплица» на основе нейронной сети // Программные системы и вычислительные методы. 2024. № 1. DOI:https://doi.org/10.7256/2454-0714.2024.1.69794 EDN: https://elibrary.ru/XAZVOW URL: https://nbpublish.com'Hbrary_read_article.php?id=69794
5. van Os J., et al. Digital Twins in Horticulture: A Review // Computers and Electronics in Agriculture. 2022. Vol. 199. P. 107183.
6. The Future of Indoor Farming: Technology, Economics and Sustainability // BCG Report. 2021. URL: https://www.bcg.com/publications/2021/future-of-indoor-farming (дата обращения: 12.10.2025).
7. Hemming S., et al. Reinforcement Learning for Climate and Irrigation Control in Greenhouses: A Simulation Study // IFAC-PapersOnLine. 2020. Vol. 53(2). Pp. 16798-16803.
8. Jones H.G. Irrigation Scheduling: Advantages and Pitfalls of Plant-Based Methods // Journal of Experimental Botany. 2004. Vol. 55(407). Pp. 2427-2436.
9. Методика формирования баланса продовольственных ресурсов Республики Саха (Якутия) с учетом региональных особенностей: методическое пособие / Г.И. Даянова, И.К. Егорова, Л.Д. Протопопова, Н.Н. Никитина, А.Н. Крылова, А.Ф. Баишева – Якутск: Изд. дом «Дьолуо», 2019. – 335 с.
