ivdon3@bk.ru
В данной статье рассматриваются особенности разработки и применения нейроподобной автоматизированной системы управления микроклиматом тепличного комплекса. Актуальность темы обусловлена необходимостью повышения устойчивости сельскохозяйственного производства в условиях роста населения и климатических изменений. Представлена архитектура интеллектуальной системы, включающая иерархическую сенсорную сеть на базе микроконтроллеров STM32, модуль анализа на Raspberry Pi 5 с нейросетевой обработкой данных и распределённый исполнительный уровень. Описаны методы обработки телеметрии, алгоритмы адресации и опроса устройств, а также нейросетевые модели (YOLO и EfficientNetB3) для диагностики состояния растений. Проведён эксперимент по классификации заболеваний растений, продемонстрировавший высокую точность и возможность применения системы в режиме реального времени.
Ключевые слова: автоматизация теплиц, микроклимат, нейросетевой анализ, STM32, Raspberry Pi, глубокое обучение, YOLO, EfficientNet, IoT, классификация заболеваний растений
2.3.1 - Системный анализ, управление и обработка информации , 2.3.3 - Автоматизация и управление технологическими процессами и производствами
Рассмотрено решение задачи проектирования деталей одежды из матричных элементов с целью расширения ассортимента изделий из пушно-меховых и натуральных кожевенных материалов. Представлены основные приемы их формообразования в зависимости от конструкции изделия. Приведен пример изготовления женского жакета из матричных элементов.
Ключевые слова: изделие, лекала, детали кроя, матричный элемент, полотно.