Кемерово, Кемеровская область, Россия
Кемерово, Кемеровская область, Россия
Кемерово, Кемеровская область, Россия
Метод беспочвенного культивирования растений, называемый гидропоникой, является перспективным способом обеспечения населения продуктами растительного происхождения. Гидропонное производство характеризуется эффективным управлением водными ресурсами, сокращением вегетационного периода роста растений, низким уровнем их заболеваемости и поражения насекомыми, а также круглогодичным циклом выращивания. Однако существуют сложности в конструировании, эксплуатации и обслуживании гидропонных установок. В сельском хозяйстве все чаще применяются технологии на базе нейронных сетей, способные управлять технологическими процессами. Цель работы заключалась в применении нейронной сети для повышения эффективности выращивания растений в системе домашней гидропоники. В исследовании использовалась установка гидропоники питательного слоя, в которую высаживались растения вида Lactuca sativa в количестве 10 штук. С помощью датчиков собиралась информация о температуре и влажности воздуха, освещенности растений и температуре поверхности листа. Обработка данных, обучение нейронной сети и программирование микроконтроллера проводились с помощью языка программирования Python 3, используя фрейморки PyTorch и MicroPython соответственно. Наиболее эффективной архитектурой нейронной сети для решения поставленной задачи управления оказался четырехслойный персептрон. Данный тип архитектуры широко используется в качестве механизма управления. В экспериментах с меньшим количеством слоев нейронная сеть показала высокий уровень ошибки, который составил более 5 %. При увеличении слоев выше четырех ошибка обученной нейронной сети осталась на уровне четырехслойной и составила 0,2 %. Дальнейшие практические испытания обученной нейронной сети показали повышение энергоэффективности на 32,3 % по сравнению с классическим алгоритмом управления при близких значениях транспирации растений. Данная технология может быть применена для интеграции в энергосберегающие жилые помещения и системы умного дома с целью повышения самообеспечения населения продуктами растениеводства.
Гидропоника, технологии растениеводства, современное растениеводство, автоматизация процесса
1. World population prospects: Population division department of economic and social affairs. United Nation; 2019. 46 p.
2. The state of food security and nutrition in the world. Building climate resilience for food security and nutrition. Rome: Food and Agriculture Organization; 2018. 202 p.
3. Alexandratos N, Bruinsma J. World agriculture towards 2030/2050: the 2012 revision. Rome: Food and Agriculture Organization; 2012. 155 p. https://doi.org/10.22004/ag.econ.288998
4. Bren d’Amour C, Reitsma F, Baiocchi G, Barthel S, Güneralp B, Erb K-H, et al. Future urban land expansion and implications for global croplands. Proceedings of the National Academy of Sciences. 2016;114(34):8939-8944. https://doi.org/10.1073/pnas.1606036114
5. Kaledin AP, Stepanova MV. Bioaccumulation of trace elements in vegetables grown in various anthropogenic conditions. Foods and Raw Materials. 2023;11(1):10-16. https://doi.org/10.21603/2308-4057-2023-1-551
6. Bychkova SM, Zhidkova EA, Andreeva OO. Innovative controlling technologies. Food Processing: Techniques and Technology. 2019;49(3):479-486. (In Russ.). https://doi.org/10.21603/2074-9414-2019-3-479-486
7. Rutkin NM, Lagutkina LYu, Lagutkin OYu. Urban agrotechnologies (city-farming) as a perspective branch of development of world agribusiness and the way to improve the cities food security. Vestnik of Astrakhan State Technical University. Series: Fishing Industry. 2017;(4):95-108. (In Russ.). https://doi.org/10.24143/2073-5529-2017-4-95-108
8. We are what we eat: Healthy eating trends around the world. Nielsen; 2015. 27 p.
9. Герасименко Н. Ф., Позняковский В. М., Челнакова Н. Г. Здоровое питание и его роль в обеспечении качества жизни // Технологии пищевой и перерабатывающей промышленности АПК - продукты здорового питания. 2016. Т. 12. № 4. С. 52-57. https://elibrary.ru/VIPFHU
10. From agriculture to AgTech. An industry transformed beyond molecules and chemicals. Monitor Delloite; 2016. 24 p.
11. Седых Т. В., Погребняк С. В. Рост и продуктивность огурца в зимних теплицах в осенне-зимнем культурообороте на малообъемной гидропонике (ООО «Сибагрохолдинг») // Вестник Омского государственного аграрного университета. 2016. Т. 23. № 3. С. 53-58. https://elibrary.ru/WLSMER
12. Dmitriev VM, Gandzha TV, Kurin'ka VS. Structural-functional scheme of a computer model of the smart hydroponic greenhouses. Informatika i Sistemy Upravleniya. 2018;55(1):51-63. (In Russ.). https://doi.org/10.22250/isu.2018.55.51-63
13. Saaid MF, Sanuddin A, Ali M, Yassin MSAIM. Automated pH controller system for hydroponic cultivation. IEEE Symposium on Computer Applications & Industrial Electronics (ISCAIE); 2015; Langkawi. Langkawi: IEEE; 2015. p. 186-190. https://doi.org/10.1109/ISCAIE.2015.7298353
14. William T. Hydroponics for everybody: All about home horticulture. Mama Publishing; 2015. 288 p.
15. Morimoto T, Hashimoto Y. Optimal control of plant growth in hydroponics using neural networks and genetic algorithms. Acta Horticulturae. 1996;406:433-440. https://doi.org/10.17660/ActaHortic.1996.406.43
16. Hashimoto Y. Computer integrated plant growth factory for agriculture and horticulture. IFAC Proceedings Volumes. 1991;24(11):105-110. https://doi.org/10.1016/B978-0-08-041273-3.50023-9
17. Hatou K, Nonami H, Itoh M, Tanaka I, Hashimoto Y. Computer integrated plant growth factory for agriculture and horticulture. IFAC Proceedings Volumes. 1991;24(11):301-306. https://doi.org/10.1016/B978-0-08-041273-3.50058-6
18. Yumeina D, Aji GK, Morimoto T. Dynamic optimization of water temperature for maximizing leaf water content of tomato in hydroponics using an intelligent control technique. Acta Horticulturae. 2017;5:55-64. https://doi.org/10.17660/ActaHortic.2017.1154.8
19. Son JE, Kim H, Ahn TI. Hydroponic systems. In: Kozai T, Niu G, Takagaki M, editors. Plant factory. An indoor vertical farming system for efficient quality food production. Academic Press; 2020. pp. 273-283. https://doi.org/10.1016/B978-0-12-816691-8.00020-0
20. Aji GK, Hatou K, Morimoto T, Modeling the dynamic response of plant growth to root zone temperature in hydroponic chili pepper plant using neural networks. Agriculture. 2020;10(6). https://doi.org/10.3390/agriculture10060234
21. Ferentinos KP, Albright LD. Fault detection and diagnosis in deep-trough hydroponics using intelligent computational tools. Biosystems Engineering. 2003;84(1):13-30. https://doi.org/10.1016/S1537-5110(02)00232-5
22. Saraswathy VR, Nithiesh C, Palani Kumaravel S, Ruphasri S. Integrating intelligence in hydroponic farms. International Journal of Electrical Engineering and Technology. 2020;11(4):150-158. https://doi.org/10.34218/IJEET.11.4.2020.017
23. Jung D-H, Kim H, Jhin C, Kim H-J, Park S. Time-serial analysis of deep neural network models for prediction of climatic conditions inside a greenhouse. Computers and Electronics in Agriculture. 2020;173. https://doi.org/10.1016/j.compag.2020.105402
24. Saraswathi D, Manibharathy P, Gokulnath R, Sureshkumar E, Karthikeyan K. Automation of hydroponics green house farming using IoT. 2018 IEEE International Conference on System, Computation, Automation and Networking (ICSCA); 2018; Pondicherry. Pondicherry: IEEE; 2018. p. 1-4. https://doi.org/10.1109/ICSCAN.2018.8541251
25. Mehra M, Saxena S, Sankaranarayanan S, Tom RJ, Veeramanikandan M. IoT based hydroponics system using Deep Neural Networks. Computers and Electronics in Agriculture. 2018;155:473-486. https://doi.org/10.1016/j.compag.2018.10.015
26. Kularbphettong K, Ampant U, Kongrodj N. An automated hydroponics system based on mobile application. International Journal of Information and Education Technology. 2019;9(8):548-552. https://doi.org/10.18178/ijiet.2019.9.8.1264
