Тенденции развития биотехнических систем в животноводстве

Понятие биотехнических систем относится к классу человеко-машинных систем или систем «Человек–машина–растение», «Человек–машина–животное», последние относятся к сельскому хозяйству и отрасли животноводства, в частности. В сельскохозяйственном производстве биотехнические системы обладают свойствами бимодальности, когда присутствуют два и более биологических объекта, человек как управляющий оператор и объект обслуживания (растения, животные).

(Цель исследования) Проанализировать тенденции развития биомашинных и технических систем с целью дальнейшей интеллектуализации и цифровой трансформации сельскохозяйственного производства.

(Материалы и методы) Отметили, что в исследовании человеко-машинных систем существует два подхода: антропоцентрический и машиноцентрический; первый решающую роль отводит человеку, второй – машине.

(Результаты и обсуждение) Рассмотрели функционалы подсистем «Человека» и «Машины»; часть функций человека-оператора будут постепенно передавать «Машине», а человек-оператор будет трансформирован в человека-эксперта и человека-пользователя. Разработали схему интеллектуальной биотехнической системы в животноводстве, определили коэффициенты адаптации локальных автоматизированных и роботизированных биотехнических систем к биологическим объектам. Создали схему функционирования локальных биотехнических систем в частично автономном режиме мультиагентного управления, выявили критерии оценки функционирования локальных биотехнических систем.

(Выводы) Необходимо усиление «машинного» фактора на основе развивающейся машиноцентрической модели и преобразования сложной трехзвенной биотехнической системы в животноводстве в двухзвенную с поляризацией подсистем «Человек-эксперт», «Человек-пользователь» и «Машина–животное», при этом последняя вбирает в себя все больше интеллектуальных функций, переданных «Человеком», за которым сохраняется контроль, координация и управление всей системой.

1. Горячкин В.П. Земледельческая механика Ч. 1: Основы теории земледельческих машин и орудий: 1917-1918. М.: Кн-во студентов Петров. с.-х. акад. 1919. 200 с.

2. Черноиванов В.И. Биомашсистемы. Теория и приложения. М.: Росинформагротех. 2016. 214 с.

3. Карташов Л.П., Соловьев С.А., Асманкин Е.Н., Макаровская З.В. Расчет исполнительных механизмов биотехнической системы. Екатеринбург: УрО РАН. 2002. 181 с.

4. Анохин П.К. Узловые вопросы теории функциональных систем. М.: Наука. 1980. 196 с.

5. Попечителев Е.П. Проблемы синтеза биотехнических систем // Научное обозрение. Технические науки. 2016. N2. С. 54-62.

6. Черноиванов В.И., Судаков С.К., Толоконников Г.К. Биомашсистемы, функциональные системы и категорная теория систем // Вестник Всероссийского научно-исследовательского института механизации животноводства. 2017. N2(26). С. 23-34.

7. Weibing W. Target Detection And Analysis of Intelligent Agricultural Vehicle Movement Obstacle Based on Panoramic Vision. Inmateh-Agricultural Engineering. 2019. Vol. 58. N3.

8. Архипов А.Г., Косогор С.Н., Моторин О.А., Горбачев М.И., Суворов Г.А., Труфляк Е.В. Цифровая трансформация сельского хозяйства России. М.: Росинформагротех. 2019. 80 с.

9. Доронин А.М., Романов Д.А., Романов М.А. Человеко-машинное взаимодействие и его показатели // Вестник Адыгейского ГУ. 2005. N4. С. 244-250.

10. Raju K. L., Vijayaraghavan V. IoT Technologies in Agricultu ral Environment: A Survey. Wireless Personal Communications. 2020.

11. Петрин К.В., Теряев Р.Д., Филимонов А.Б., Филимонов Н.Б. Технологии в эргатических системах управления // Известия Южного Федерального университета. Технические науки. 2010. N3. С. 7-13.

12. Фисинин В.И., Лачуга Ю.Ф., Жученко А.А., Ива нов А.Л., Ушачев И.Г., Ежевский А.А., Краснощеков Н.В., Черноиванов В.И., Измайлов А.Ю., Стребков Д.С., Попов В.Д. Стратегия машинно-технологической модернизации сельского хозяйства на период до 2020 года. М.: Росинформагротех. 2009. 80 с.

13. Voutos Y. et al. A survey on intelligent agricultural information handling methodologies. Sustainability. 2019. Vol. 11. N12. 3278.

14. Yang H. et al. Experimental analysis and evaluation of wide residual networks based agricultural disease identification in smart agriculture system. EURASIP Journal on Wireless Communications and Networking. 2019. Vol. 2019. N1. 1-10.

15. Mylostyvyi R.V. et al. Ecological substantiation of the normalization of the state of the air environment in the uninsulated barn in the hot period. Ukrainian Journal of Ecology. 2019. Vol. 9. N3. 84-91.

16. Jovović V. et al. Microclimate parameters and ventilation inside the barns in the lowland region of Bosnia and Herzegovina. Journal of Animal Science of bih. 2019. Vol. 1. N2. 14-18.

17. Salimi M., Pourdarbani R., Nouri B. A. Factors Affecting the Adoption of Agricultural Automation Using Davis’s Acceptance Model (Case Study: Ardabil). Acta Technologica Agriculturae. 2020. Vol. 23. N1. 30-39.

18. Mahalakshmi J. et al. IoT Sensor-Based Smart Agricultural System. Emerging Technologies for Agriculture and Environment. Springer. Singapore. 2020. 39-52.

19. Ju C., Son H. I. Modeling and control of heterogeneous agricultural field robots based on Ramadge–Wonham theory. IEEE Robotics and Automation Letters. 2019. Vol. 5. N1. 48-55.

20. Дозорцев В.М. Заметки о моде и человеке в промышленной автоматизации // Автоматизация в промышленности. 2011. N2. C. 32-34.