РАЗРАБОТКА ИНТЕЛЛЕКТУАЛЬНОЙ РОБОТОТЕХНИЧЕСКОЙ СИСТЕМЫ СБОРА УРОЖАЯ
Аннотация
В условиях необходимости обеспечения продовольственной безопасности актуальными ста- новятся задачи оптимизации производственных процессов в аграрном секторе. Например, учиты- вая нехватку трудовых ресурсов в сельском хозяйстве, требуется разработка и внедрение робо- тотехнических систем для автоматизации процессов ухода за растениями, сбора урожая и его переработки. В статье представлены результаты разработки автономного робота для сбора яблок, созданного на базе универсального антропоморфного робота, разработанного в Кабардино- Балкарском научном центре РАН. Робот оснащен двумя многозвенными манипуляторами, схожи- ми с руками человека, что позволяет ему выполнять сложные задачи по сбору урожая. Для обес- печения интеллектуального управления всей системой используется мультиагентная нейрокогни- тивная архитектура, которая имитирует работу человеческого мозга и позволяет роботу адап- тироваться к изменяющимся условиям окружающей среды. Робот оснащен набором сенсоров, включая видеокамеры, ультразвуковые и инфракрасные дальномеры, лидар и энкодеры на приводах манипуляторов. Это позволяет ему точно определять местоположение яблок, оценивать их зре- лость и планировать траекторию движения манипуляторов. Особое внимание уделено разработ- ке захвата, который имитирует человеческую кисть и позволяет регулировать силу сжатия, что минимизирует риск повреждения плодов. Для управления роботом используется мультиагентная нейрокогнитивная архитектура, которая обеспечивает автономное принятие решений на основе данных с сенсоров. Система способна строить карту местности, определять положение робота и планировать маршрут движения, а также распознавать яблоки и оценивать их состояние. В статье также рассмотрены проблемы, связанные с автоматизацией сбора урожая в сельском хозяйстве, включая нехватку трудовых ресурсов и потери урожая из-за неправильной эксплуата- ции техники. Авторы подчеркивают, что автоматизация и роботизация процессов уборки уро- жая имеют большой потенциал, особенно для культур, требующих индивидуального подхода, та- ких как фрукты и овощи. Представленный робот демонстрирует высокую эффективность в ре- шении этих задач, что подтверждается результатами полевых испытаний. Разработанная сис- тема может быть адаптирована для работы с другими культурами, что делает ее универсаль- ным решением для сельскохозяйственной отрасли
Список литературы
1. Wysokiński M, Domagała J, Gromada A, Golonko M, Trębska P. Economic and energy efficiency of agriculture
// Agric. Econ. – Czech. – 2020. – 66 (8). – P. 355-364. – DOI: 10.17221/170/2020-AGRICECON.
2. Wang F., Urquizo R.C., Roberts P. et al. Biologically inspired robotic perception-action for soft fruit
harvesting in vertical growing environments // Precision Agric. – 2023. – 24. – P. 1072-1096. – DOI:
https://doi.org/10.1007/s11119-023-10000-4.
3. Shaikh T. A., Rasool T., Lone F. R. Towards leveraging the role of machine learning and artificial intelligence
in precision agriculture and smart farming // Computers and Electronics in Agriculture.
– 2022. – Vol. 198. – P. 107119. – ISSN 0168-1699. – DOI: https://doi.org/10.1016/ j.compag.2022.107119.
4. Бураева Е.В. Цифровизация сельского хозяйства как детерминанта экономического роста в
аграрном секторе экономики // Вестник ОрелГАУ. – 2020. – № 2 (83).
5. Gupta N., Khosravy M., Patel N. et al. Economic data analytic AI technique on IoT edge devices for
health monitoring of agriculture machines // Appl. Intell. – 2020. – 50. – P. 3990-4016.
– https://doi.org/10.1007/s10489-020-01744-x.
6. Скворцов Е.А. Перспективы применения технологий искусственного интеллекта в сельском
хозяйстве региона // Экономика региона. – 2020. – № 2.
7. Сологуб Н.Н., Уланова О.И., Остробородова Н.И., Остробородова Д.А. Проблемы и перспек-
тивы цифровых технологий в сельском хозяйстве // МСХ. – 2021. – № 4.
8. Li X., Zhang Y., Sorourkhah A. et al. Introducing Antifragility Analysis Algorithm for Assessing Digitalization
Strategies of the Agricultural Economy in the Small Farming Section // J. Knowl. Econ.
– 2024. – 15. – P. 12191-12215. – https://doi.org/10.1007/s13132-023-01558-5.
9. Антонов М.А., Анисимов А.А., Каширо С.Е. Об автоматизации сельского хозяйства // Известия
ТулГУ. Технические науки. – 2022. – № 9.
10. Бадмаева М.Х. К вопросу об особенностях и проблемах применения систем искусственного
интеллекта в сельском хозяйстве // Вестник БГУ. – 2022. – № 3.
11. El Jarroudi, M., Kouadio, L., Delfosse, P. et al. Leveraging edge artificial intelligence for sustainable
agriculture // Nat Sustain. – 2024. – 7. – P. 846-854. – https://doi.org/10.1038/s41893-024-01352-4.
12. Шитухин А.М., Калугина В.В. Развитие сельскохозяйственных бизнес-систем и применение
технологических инноваций // ЕГИ. – 2021. – № 6 (38).
13. Федосов А.Ю., Меньших А.М., Фартуков В.А., Зборовская М.И., Васильев Д.М. Применение
искусственного интеллекта при оптимизации орошения и применении гербицидов // Экономика
строительства. – 2023. – № 2.
14. Liu S.Y. Artificial Intelligence (AI) in Agriculture // IT Professional. – 2020. – Vol. 22, No. 3. – P. 14-15.
– DOI: 10.1109/MITP.2020.2986121.
15. Shaikh F.K., Memon M.A., Mahoto N.A., Zeadally S., Nebhen J. Artificial intelligence best practices in smart
agriculture // IEEE Micro. – 2022. – Vol. 42, No. 1. – P. 17-24. – DOI: 10.1109/MM.2021.3121279.
16. Рыбаков А.В., Выборнов Н.А., Рыбаков И.А. Анализ методов компьютерного зрения, перспек-
тивных для применения в агропромышленном комплексе // Прикаспийский журнал: управление
и высокие технологии. – 2022. – № 1 (57).
17. Бжихатлов К.Ч., Пшенокова И.А., Макоев А.Р. Концепция создания системы управления муль-
тиагентной робототехнической системой сельскохозяйственного назначения на базе нейроког-
нитивных алгоритмов // Известия ЮФУ. Технические науки. – 2024. – № 3. – С. 6-18. – DOI:
https://doi.org/10.18522/2311-3103-2024-3-6-18.
18. Бжихатлов К., Пшенокова И., Нагоева О., Мамбетов И. Мультиагентный алгоритм ориента-
ции и навигации автономных роботов в горной местности // XV Международная научная кон-
ференция «INTERAGROMASH 2022» / под ред. А. Бескопыльного, М. Шамцяна, В. Артюха.
INTERAGROMASH 2022. Lecture Notes in Networks and Systems. Т. 574. – Springer, Cham, 2023.
– DOI: 10.1007/978-3-031-21432-5_204.
19. Нагоев З.В., Пшенокова И.А., Бжихатлов К.Ч., Канкулов С.А. Имитационная модель интеллекту-
альной системы управления схватом сельскохозяйственного манипулятора на основе обучения
мультиагентных нейрокогнитивных архитектур // Известия КБНЦ РАН. – 2021. – № 4 (102).
20. Бжихатлов К.Ч., Пшенокова И.А., Канкулов С.А., Ксалов А.М. Концепция системы распознава-
ния образов для интеллектуальной системы защиты растений // Цифровая трансформация нау-
ки и образования: Сб. научных трудов III Всероссийской научно-практичсекой конференции с
международным участием, Нальчик, 09–14 июля 2022 года. – Нальчик: Кабардино-Балкарский
государственный университет им. Х.М. Бербекова, 2022. – С. 151-160. – EDN BQBKDM.
