Розподілена система health-моніторингу теплиць

Abstract

У даній роботі проведено дослідження і розробку розподіленої системи health-моніторингу для теплиць, яка використовує нейронні мережі для автоматичного розпізнавання хвороб рослин. Зростаючий попит на автоматизовані рішення для моніторингу стану рослин в умовах змін клімату та розвитку сільського господарства робить цю тему надзвичайно актуальною. Об'єктом дослідження є процес моніторингу стану рослин в теплицях за допомогою нейронних мереж, а предметом – система розпізнавання хвороб рослин на основі зображень, отриманих за допомогою відеоспостереження. Метою роботи є підвищення ефективності моніторингу рослин за допомогою розробки і впровадження автоматизованої системи health-моніторингу на основі нейронних мереж. Практична значимість дослідження полягає в оптимізації процесів виявлення захворювань на ранніх етапах, що дозволяє знизити втрати врожаю та покращити якість догляду за рослинами. Результати роботи можуть бути використані для автоматизації моніторингу стану рослин у тепличних господарствах та агротехнологічних проектах, пов'язаних із моніторингом сільськогосподарських культур. Робота включає розробку архітектури розподіленої системи, реалізацію нейронної мережі для розпізнавання хвороб рослин, а також впровадження алгоритмів обробки та передачі даних у розподіленій системі. Вступ містить основні обґрунтування актуальності розробки обраної теми, об’єкт, предмет дослідження, мету та завдання які необхідно виконати для досягнення поставленої мети. В першому розділі проведено аналіз різноманітних методів, засобів та аналогів систем моніторингу та розпізнавання об’єктів. Розроблено специфікацію вимог до апаратно-програмного комплексу. В другому розділі міститься опис процесу проєктування апаратно-програмного комплексу. Третій розділ містить результати апаратно-програмної частини АПК. У четвертому розділі проведено експериментальні дослідження (тестування, перевірка працездатності АПЗ), виконано аналіз результатів розробки. Робота складається з [69] сторінок (без додатків), [0] таблиць, [34] рисунків та [2] додатки. У процесі дослідження було використано [25] джерел. In this paper, we study and develop a distributed health monitoring system for greenhouses that uses neural networks to automatically recognize plant diseases. The growing demand for automated solutions for plant health monitoring in the context of climate change and agricultural development makes this topic extremely relevant. The object of research is the process of monitoring the condition of plants in greenhouses using neural networks, and the subject is a plant disease recognition system based on images obtained through video surveillance. The aim of the study is to improve the efficiency of plant monitoring by developing and implementing an automated health monitoring system based on neural networks. The practical significance of the study is to optimize the processes of detecting diseases at early stages, which reduces crop losses and improves the quality of plant care. The results of the work can be used to automate plant health monitoring in greenhouses and agrotechnological projects related to crop monitoring. The work includes the development of a distributed system architecture, the implementation of a neural network for plant disease recognition, and the implementation of algorithms for data processing and transmission in a distributed system. The introduction contains the main justifications for the relevance of the chosen topic, the object, subject of research, the goal and tasks to be performed to achieve the goal. The first chapter analyses various methods, tools and analogues of object monitoring and recognition systems. The specification of requirements for the hardware and software system is developed. The second section describes the design process of the hardware and software system. The third section contains the results of the hardware and software part of the AIC. The fourth section conducts experimental studies (testing, verification of the APS performance) and analyses the development results. The work consists of [69] pages (without appendices), [0] tables, [34] figures, [N] references and [25] appendices.