Інтелектуальний модуль моніторингу стану сільськогосподарських культур у теплиці на основі глибокої нейронної мережі

Abstract

Метою кваліфікаційної роботи є розроблення інтелектуального модуля моніторингу стану сільськогосподарських культур у теплиці на основі глибокої нейронної мережі для аналізу даних IoT-сенсорів та визначення станів тепличного середовища. Методи досліджень включають метод аналізу для визначення особливостей моніторингу стану сільськогосподарських культур у теплиці, IoT-сенсорів і сучасних підходів до інтелектуального агромоніторингу; метод моделювання; методи попередньої обробки даних; методи глибокого навчання; метод експериментальних досліджень; метод порівняльного аналізу результатів. Розроблено інтелектуальний модуль моніторингу стану сільськогосподарських культур у теплиці, який забезпечує завантаження даних IoT-сенсорів, перевірку їх структури, попередню обробку, нормалізацію ознак, навчання глибокої нейронної мережі та класифікацію стану тепличного середовища. Реалізовано програмні компоненти для навчання моделі, прогнозування стану, оцінювання якості класифікації та візуалізації результатів. Результати дослідження можуть бути використані для побудови програмних модулів моніторингу тепличного середовища, інтеграції IoTсенсорів із системами підтримки рішень, автоматизованого контролю параметрів вирощування, а також для створення навчально-дослідних прототипів у сфері розумного сільського господарства.

The purpose of the qualification work is to develop an intelligent module for monitoring the condition of agricultural crops in a greenhouse based on a deep neural network for analyzing IoT sensor data and determining the states of the greenhouse environment. The research methods include the method of analysis to determine the features of monitoring the condition of agricultural crops in a greenhouse, IoT sensors, and modern approaches to intelligent agricultural monitoring; the modeling method; data preprocessing methods; deep learning methods; the method of experimental research; and the method of comparative analysis of the results. An intelligent module for monitoring the condition of agricultural crops in a greenhouse has been developed. It provides loading of IoT sensor data, checking their structure, preprocessing, feature normalization, training of a deep neural network, and classification of the greenhouse environment state. Software components for model training, state prediction, classification quality assessment, and result visualization have been implemented. The research results can be used to develop software modules for monitoring the greenhouse environment, integrate IoT sensors with decision support systems, automate the control of growing parameters, and create educational and research prototypes in the field of smart agriculture.