Актуальные направления комплексных междисциплинарных исследований: системы и методы на стыке математики и биологии

Междисциплинарные направления, включающие в себя такие науки, как биология, химия, агрономия и математика в современном сельскохозяйственном производстве служат основой создания и освоения наиболее экономически значимых разработок. Научные исследования и практические разработки на их основе позволяют не только увеличить выход конечной продукции, но и ощутимо снизить химическую и экологическую нагрузку, то есть подойти к сельскохозяйственному производству с точки зрения его биологизации и рационального природопользования, а использование современных систем управления, высокоточных роботизированных систем и эффективных технологий выращивания сельскохозяйственных культур и энергосберегающих технологий содержания сельскохозяйственных животных способствуют переходу к высокопродуктивному и экологически безопасному агрохозяйству. В работе представлены возможности использования актуальных междисциплинарных разработок, основанных на различных подходах, методах и системах управления в области агробионаправлений, выполненных на стыке нескольких научных дисциплин, с участием Института проблем управления им. В. А. Трапезникова РАН – учреждения, ведущего фундаментальные и прикладные исследования в сфере процессов управления для широкого спектра систем: от технических (летательные аппараты, подводные лодки) и производственных (энергетика, логистика, транспорт) до социально-экономических и мультидисциплинарных (активные системы, управление здоровьем, информационная безопасность и др.). Благодаря современным научным разработкам, базирующимся на междисциплинарных комплексных исследованиях, которые объединяют информацию, данные, методы, инструменты, концепции и теории из нескольких научных дисциплин становятся возможными оптимальное использование ресурсов, сокращение затрат и минимизация влияния человеческого фактора при производстве сельскохозяйственной продукции.

1. Развитие техники как основа цифровой трансформации экономики / А. К. Субаева, В. Т. Водянников, Ю. В. Чутчева и др. // Вестник Казанского государственного аграрного университета. 2023. Т. 18. № 1 (69). С. 162–168. doi: 10.12737/2073-0462-2023-162-168.

2. Савин И. Ю., Блохин Ю. И., Чинилин А. В. Методология оперативного мониторинга состояния посевов на основе технологий интернета вещей // Российская сельскохозяйственная наука. 2023. № 6. С. 43–46.

3. Якушев В. В. Структуризация агротехнологических знаний для построения онтологий в растениеводстве // Земледелие. 2022. № 7. С. 3–7.

4. Арзамасцева Н. В., Прохорова Н. В., Хамидова Л. Л. Проблема достоверности и полноты информации о состоянии и использовании земель сельскохозяйственного назначения // Известия Тимирязевской сельскохозяйственной академии. 2021. № 3. С. 119–128. doi: 10.26897/0021-342X-2021-3-119-128.

5. Использование беспилотного летательного аппарата для мониторинга за состоянием агроценозов и составления электронных карт полей / Н. В. Абрамов, С. А. Семизоров, С. В. Шерстобитов и др. // Земледелие. 2021. № 8. С. 8–12.

6. Мониторинг распространения Heracleum sosnowskyi на урбанизированных территориях по данным дистанционного зондирования Земли / Т. Я. Ашихмина, В. В. Рутман, Т. А. Адамович и др. // Теоретическая и прикладная экология. 2023. № 3. С. 73–80. doi: 10.25750/1995-4301-2023-3-073-080.

7. Детектирование борщевика Сосновского (Heracleum sosnowskyi Manden.) на основе данных съемки с беспилотного летательного аппарата / И. Ю. Савин, Д. П. Андронов, Е. А. Шишконакова и др. // Российская сельскохозяйственная наука. 2021. № 6. С. 50–55.

8. Опыт применения методов математической статистики для оценки состояния сельскохозяйственных растений / В. М. Буре, А. Ф. Петрушин, Е. П. Митрофанов и др. // Сельскохозяйственная биология. 2019. Т. 54. № 1. С. 84–90. doi: 10.15389/agrobiology.2019.1.84rus.

9. Analysis of the informativity of big satellite precision-farming data processing for correcting large-scale soil maps / A. L. Kulyanitsa, D. I. Rukhovich, P. V. Koroleva, et al. // Eurasian Soil Science. 2020. Vol. 53. No. 12. P. 1709–1725. doi: 10.1134/S1064229320110083.

10. Assessment of soil cover contrasts on arable land using Sentinel-2 images / I. Y. Savin, E. V. Savenkova, D. E. Kucher, et al. // Eurasian Soil Science. 2021. Vol. 54. No. 11. P. 1619–1628. doi: 10.1134/S1064229321110120.

11. Альт В. В., Исакова С. П., Балушкина Е. А. Выбор технологий в растениеводстве: подходы и методы, применяемые в информационных системах // Вестник Казанского государственного аграрного университета. 2020. Т. 15. № 1 (57). С. 52–58.

12. Гамзиков Г. П. Точное земледелие в Сибири: реальности, проблемы и перспективы // Земледелие. 2022. № 1. С. 3–9.

13. Кузнецов П. Н., Котельников Д. Ю., Воронин Д. Ю. Технология автоматизированного мониторинга состояния виноградника // Аграрная наука. 2023. № 3. С. 109–116. doi: 10.32634/0869-8155-2023-368-3-109-116.

14. Рахимова Е. А. Развитие отечественного садоводства на основе цифровизации // АПК: экономика, управление. 2023. № 11. С. 23–32. doi: 10.33305/2311-23.

15. Комышев Е. Г., Генаев М. А., Афонников Д. А. Анализ цветовых и текстурных характеристик зерен злаков на цифровых изображениях // Вавиловский журнал генетики и селекции. 2020. Т. 24. № 4. С. 340–347. doi: 10.18699/VJ20.626.

16. Определение содержания меланина и антоцианов в зернах ячменя на основе анализа цифровых изображений методами машинного обучения / Е. Г. Комышев, М. А. Генаев, И. Д. Бусов и др. // Вавиловский журнал генетики и селекции. 2023. Т. 27. № 7. С. 859–868. doi: 10.18699/VJGB-23-99.

17. Оперативное и долгосрочное прогнозирование продуктивности посевов на основе массовых расчетов имитационной модели агроэкосистемы в геоинформационной среде (обзор) / В. П. Якушев, В. В. Якушев, В. Л. Баденко и др. // Сельскохозяйственная биология. 2020. Т. 55. № 3. С. 451–467. doi: 10.15389/agrobiology.2020.3.451rus.

18. Кирюшин В. И. Система научно-инновационного обеспечения технологий адаптивно-ландшафтного земледелия // Земледелие. 2022. № 2. С. 3–7.

19. Журавлева Е. В., Фурсов С. В. Засуха как один из факторов риска в экономике растениеводства Российской Федерации // Достижения науки и техники АПК. 2016. Т. 30. № 9. С. 88–90.

20. Опыт распространения междисциплинарных научных исследований и разработок в сфере сельского хозяйства / О. В. Кондратьева, А. Д. Федоров, О. В. Слинько и др. // Техника и оборудование для села. 2022. № 12 (306). С. 11–13. doi: 10.33267/2072-9642-2022-12-11-13.

21. Антипин С. И, Коробейников И. С., Бутусов Д. В. АПК-Интеграция. Первичные данные // Патент России № 2019621106. 2019. Бюл. № 7.

22. Кулакова А. Д., Галкин В. А., Макаренко А. В. Анализ методов цветовой калибровки изображений с использованием цветовых пространств RGB и HSV в задачах интеллектуального машинного зрения (на примере изображений, получаемых в условиях промышленных теплиц) // Управление большими системами: сборник трудов. 2022. № 97. С. 87–107. doi: 10.25728/ubs.2022.97.5.

23. Zhuravlev I. I., Makarenko A. V. Image segmentation algorithms composition for obtaining accurate masks of tomato leaf instances // Lecture Notes in Computer Science. 2024. Vol. 14389. P. 178–194. doi: 10.1007/978-3-031-49435-2_13.

24. Нейросетевой анализ соответствия микробно-организменной биосистемы кишечника птицы фрактальностохастической модели / А. С. Заикина, Н. П. Буряков, Н. И. Воробьев и др. // Пермский аграрный вестник. 2022. № 4 (40). С. 98–106. doi: 10.47737/2307-2873_2022_40_98.

25. Терновых К. С., Кучеренко О. И. Инновации в организации производства продукции животноводства в России // Вестник Воронежского государственного аграрного университета. 2023. Т. 16. № 1 (76). С. 98–105. doi: 10.53914/issn2071-2243_2023_1_98.

26. Достижение мирового уровня научно-образовательными центрами – тренды, механизмы, результаты / Е. В. Журавлева, Т. Н. Воробьева, Д. А. Захарова и др. // Достижения науки и техники АПК. 2020. Т. 34. № 9. С. 112–118. doi: 10.24411/0235-2451-2020-10919.

27. Журавлева Е. В., Федосеева О. В. Научно-образовательный центр мирового уровня и его значение для города и региона // Управление городом: теория и практика. 2020. № 3 (37). С. 36–39.

28. Современные тенденции науки – основа реализации НОЦ «Инновационные решения в АПК» / Е. В. Журавлева, И. М. Донник, А. Г. Галстян и др. Белгород: Константа, 2021. 175 с.

29. Мелешко Ю. В. Индустрия 4.0 как инструмент достижения технологического лидерства Германии: эволюция подходов к реализации // Экономическая наука сегодня. 2019. № 10. С. 79–93.

30. Galkin V. A., Makarenko A. V. Methods and algorithms for intelligent video analytics in the context of solving problems of precision pig farming // Lecture Notes in Computer Science. 2024. Vol. 14389. P. 223–238. doi: 10.1007/978-3-031-49435-2_16.

31. Diane S. A., Vytovtov K. A., Barabanova Ye. A. Analytical and neural processing of multispectral images for identification of water pollution // Proceedings of 7th International Conference on Information, Control, and Communication Technologies. Astrakhan: IEEE, 2023. P. 1–5. URL: https://ieeexplore.ieee.org/document/10347031 (дата обращения: 12.04.2024). doi: 10.1109/ICCT58878.2023.10347031.

32. Петухов Н. А. Кадры сельского хозяйства Приволжского Федерального округа: современное состояние и прогнозирование потребностей. М.: НИПКЦ Восход-А, 2023. 340 с.