Analysis of approaches to creating a «Smart Greenhouse» system based on a neural network

Cover Page

Cite item

Full Text

Abstract

The study addresses the crucial topic of designing and implementing smart systems in agricultural production, focusing on the development of a "Smart Greenhouse" utilizing neural networks. It thoroughly examines key technological innovations and their role in sustainable agriculture, emphasizing the collection, processing, and analysis of data to enhance plant growth conditions. The research highlights the efficiency of resource use, management of humidity, temperature, carbon dioxide levels, and lighting, as well as the automation of irrigation and fertilization. Special attention is given to developing adaptive algorithms for predicting optimal conditions that increase crop yield and quality while reducing environmental impact and costs. This opens new avenues for the sustainable development of the agricultural sector, promoting more efficient and environmentally friendly farming practices. Utilizing a literature review, comparative analysis of existing solutions, and neural network simulations for predicting optimal growing conditions, the study makes a significant contribution to applying artificial intelligence for greenhouse microclimate management. It explores the potential of AI in predicting and optimizing growing conditions, potentially leading to revolutionary changes in agriculture. The research identifies scientific innovations, including the development and testing of predictive algorithms that adapt to changing external conditions, maximizing productivity with minimal resource expenditure. The findings emphasize the importance of further studying and implementing smart systems in agriculture, highlighting their potential to increase yield and improve product quality while reducing environmental impact. In conclusion, the article assesses the prospects of neural networks in the agricultural sector and explores possible directions for the further development of "Smart Greenhouses".

References

  1. Taki, M. "Solar thermal modeling and application in greenhouses"/ M. Taki, A. Rohani, M. Rahmati-Joneidabad // Info Proc Agri, 5 (2018), pp. 83-113. doi: 10.1016/J.inpa.2017.10.003.
  2. Huihui, Yu "Temperature prediction in a Chinese solar greenhouse based on LS-SVM optimized with improved PSO" / Huihui Yu, Yinyi Chen, Shahbaz Gul Hassan, Daoliang Li// Comput Electron Agric, 122 (2016), pp. 94-102. doi: 10.1016/J.compag.2016.01.019.
  3. Taki, M. "The relationship of energy and yield costs and sensitivity analysis for growing tomatoes in greenhouses in Iran" / M.Taki, R.Abdi, M.Akbarpour, H.Ghasemi-Mobtaker // Agric Eng Int: CIGR J, 15 (2013), pp. 59-67. ISSN:16821130.
  4. Abdel Ghani, A.M. "The use of solar energy by greenhouses: general relations" / A.M. Abdel Ghani, I.M. Helal // Renewable Energy, 36 (2011), pp. 189-196. doi: 10.1016/j.renene.2010.06.020.
  5. Nielsen, H. "Identification of transfer functions for regulating air temperature in a greenhouse" / H.Nielsen, P.Madsen // J Agric Eng Res, 60 (1995), pp. 25-34. doi: 10.1006/jaer.1995.1093.
  6. Dariushi, E. "Labyrinth prediction of internal parameters of a tomato greenhouse in a semi-arid zone using a time series model of artificial neural networks" / E. Dariushi, K. Aassif, L. Lekush, G. Buirden // Measurement, 42 (2009), pp. 456-463. doi: 10.1016/J.measurement.2008.08.013
  7. Кацупеев, А. А. Постановка и формализация задачи формирования информационной защиты распределённых систем / А. А. Кацупеев, Е. А. Щербакова, С. П. Воробьев // Инженерный вестник Дона. – 2015, 34, c. 21. – EDNTXTMHJ.
  8. Abdi, R. "Analysis of energy consumption and greenhouse gas emissions from agricultural production" / R. Abdi, M. Taki, M. Akbarpour // Int J Nat Eng Sci,6 (2012), pp. 73-79. ISSN: 026322410.
  9. Ruano, A.E. "Forecasting building temperature using neural network models" / A.E. Ruano, E.M. Crispim, E.Z.E. Conceicao, M.Lucio // Energy Build, 38 (2006), pp. 682-694. doi: 10.1016/J.enbuild.
  10. He, F. "Modeling of air humidity in a greenhouse using an artificial neural network and analysis of the main components" / F. He, S. Ma // Prog Electron-X. Sciences, 71 (2010), pp. 19-23. doi: 10.1016/J.compag.2009.07 0.011.
  11. Taki, M. "Models of heat transfer and MLP neural networks for predicting internal environmental variables and energy losses in a semi – solar greenhouse" / M. Taki, Yu. Ajabshirchi, S. F. Ranjbar, A. Rohani, M. Matlub // Energy Build, 110 (2016), pp. 314-329. doi: 10.1016/j.enbuild.2015.11.010.
  12. Ilyas, S.A. "Neural network logic sensor RBF for monitoring technological emissions" / Ilyas S.A., Elshafey M., Habib M.A. // Control Eng Practice, 21 (2013), pp. 962-970. doi: 10.1016/J.conengprac.2013.01.007.
  13. Воробьев, С. П. Исследование модели транзакционной системы с репликацией фрагментов базы данных, построенной по принципам облачной среды / С. П. Воробьев, В. В. Горобец // Инженерный вестник Дона, 2012, 22, с. 49. – EDNPRXKMH

Supplementary files

Supplementary Files
Action
1. JATS XML
Download

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».