Возможные пути совершенствования агропромышленного комплекса с использованием сквозных технологий

Автор: Дронина Александра Александровна, Зарипова Римма Солтановна

Журнал: Агротехника и энергообеспечение @agrotech-orel

Рубрика: Технологии, машины и оборудование для агропромышленного комплекса

Статья в выпуске: 4 (37), 2022 года.

Бесплатный доступ

В настоящее время особую актуальность приобретает вопрос о цифровизации производства агропромышленного комплекса, оптимизации времени путем оперативного обмена информацией, осуществление быстрого получения информации о дефектах для возможности их быстрого устранения. В области цифрового производства развиваются такие направления как «облачные технологии хранения и переработки информации», «искусственный интеллект», «роботизированное производство», «применение микроконтроллеров в программируемых системах». В статье рассматривается вопрос о применении сквозных технологий на предприятиях агропромышленного комплекса. Цель данного исследования заключается в разработке программного обеспечения на языке программирования Python с использованием библиотеки OpenCV, которое направлено на решение сельскохозяйственных задач посредством «машинного зрения». Проведен экономический расчет себестоимости программного обеспечения, показывающий выгоду внедрения подобных технологий. Предложены другие варианты модернизации производства АПК.

Еще

Апк, автоматизация, цифровое производство, машинное зрение, обработка информации, сквозные технологии, индустрия 4.0

Короткий адрес: https://sciup.org/147240730

IDR: 147240730

Текст научной статьи Возможные пути совершенствования агропромышленного комплекса с использованием сквозных технологий

Агропромышленный комплекс представляет собой совокупность более 60 отраслей, связанных с доведением продукции до потребителя [1]. На сегодняшний день наблюдается заинтересованность предприятий в автоматизации рабочих мест путем применения современных методов и технических средств. Особую актуальность приобретает вопрос о цифровизации производства, оптимизации времени путем оперативного обмена информацией, осуществление быстрого получения информации о дефектах для возможности их быстрого устранения [6]. В области цифрового производства развиваются такие направления как «облачные технологии хранения и переработки информации», «искусственный интеллект», «роботизированное производство», «применение микроконтроллеров в программируемых системах» [4].

Существующий ведомственный проект «Цифровое сельское хозяйство» призван помочь в осуществлении цифровой трансформации российского АПК [7]. Он предусматривает комплекс мероприятий по внедрению цифровых технологий и платформенных решений в АПК. Выделяют семь основных направлений цифровой трансформации сельского хозяйства, среди которых предполагается и внедрение сквозных цифровых систем: «Цифровые технологии в управлении АПК», «Цифровое землепользование», «Умное поле», «Умный сад», «Умная теплица», «Умная ферма». Помимо создания специальных программных продуктов для АПК проект «Цифровое сельское хозяйство» предполагает также и работу по подготовке специалистов сельск охозяйственных предприятий с целью формирования у них компетенций в области 238                 Агротехника и энергообеспечение. – 2022. – № 4 (37)

цифровой экономики [5].

В настоящее время техническая сторона на предприятиях находится в критическом состоянии. Бесспорно, новые технологии внедряются в работу, но это происходит крайне медленно. Большая часть оборудования уже исчерпало себя. Ручной труд становится совершенно нерациональным использованием труда, времени и средств. Помимо этого возникают новые требования к системам управления производством в связи со сменой моделей и с увеличением ассортимента изделий. Таким образом, остро стоит вопрос о возможностях внедрения мировых трендов в рабочий процесс, одним из которых может являться технология машинного зрения (рис. 1) [3].

ПО для анализа изображений

Рисунок 1 - Пример применения машинного зрения

Машинное зрение является подразделом инженерии, связанное с вычислительной техникой, оптикой, машиностроением и промышленной автоматизацией [4]. Камеры принимают определенную информацию, которая обрабатывается в реальном времени, что позволяет значительно ускорить работу, своевременно определить проблемные места и принять меры по их предупреждению. Кроме того внедрение данной технологии не требует сильных затрат как денежных, так и физических.

Веб-камера является центральным функциональным звеном предлагаемой нами системы, что делает ее исполнение легким и недорогим. Для подключения камеры, которая будет работать в качестве сканера, разрабатывается специальное программное обеспечение на языке Python.

Python – высокоуровневый язык программирования общего назначения, ориентированный на повышение производительности разработчика и читаемости кода [8].

Обоснованием выбора данного языка программирования является его простота, низкий порог вхождения, большое количество обучающего материала в интернете и возможность работать с библиотекой OpenCV.

Для того, чтобы разработанная программа могла взаимодействовать с веб камерой, используется библиотека компьютерного зрения cv2. Чтобы была возможность обратиться к самой веб камере, необходимо воспользоваться одной из встроенных функций библиотеки VideoCapture(), где индекс в скобках обозначает количество камер. Ниже представлена часть программного кода.

Листинг 1.

import cv2

def show_webcam(mirror=False): cam = cv2.VideoCapture(0) while True:

if mirror:

if cv2.waitKey(1) == 27: break # esc to quit cv2.destroyAllWindows()

В функции есть необязательный элемент, который при получении значения True, перевернет наше изображение вокруг оси Y, передав значение больше 0. Это делается для того, чтобы наше изображение не отзеркаливалось и данные считывались верно.

Функция imshow отображает изображение в указанном окне. Если окно не было создано, то создается новое. Также при нажатии кнопки Esc окно программы будет закрыто. Это отражает условие:

if cv2.waitKey(1) == 27, где 27-аски код кнопки. def main():

show_webcam(mirror=True) if __name__ == '__main__': main()

__main__ указывает на область видимости, где будет выполняться код.

Далее рассмотрим основной код. Чтобы программа могла работать корректно, необходимо открыть необходимые библиотеки:

  • 1.    Argparse – это средство, с помощью которого можно наладить общение между автором программы и тем, кто ей пользуется, то есть между разработчиком и пользователем;

  • 2.    Модуль datetime предоставляет классы для обработки времени и даты разными способами;

  • 3.    Time – модуль для работы со временем в Python;

  • 4.    Удобный пакет функций обработки изображений imutils.

Особую актуальность приобретает определение себестоимости нового оборудования и его внедрение. Для данного расчета воспользуемся следующей формулой:

СПО = СМАТ + З + ОСВ + СЭ/Э + А, руб,                      (1)

где С ПО – себестоимость программного обеспечения, С МАТ – затраты на материалы и комплектующие, З – затраты на оплату труда, О СВ – отчисления на страховые взносы, С Э/Э – статья «Расходы электроэнергии», А – амортизационные отчисления на восстановление основ ных фондов.

240                 Агротехника и энергообеспечение. – 2022. – № 4 (37)

В данном случае за основу берутся средние значения. Таким образом себестоимость программного обеспечения может выйти в районе 60 тыс. рублей. Такая сумма достаточно быстро окупится, что лишь подтверждает выгоду внедрения «машинного зрения» в производственный процесс.

Помимо данной технологии, значительную пользу смогут принести такие внедрения как [2]:

  • 1.    Летательные аппараты с возможностью удаленного управления и получения снимков на компьютеры геологов, которые смогут оценить ценность найденных полезных ископаемых в местах, куда попасть до этого не удавалось;

  • 2.    Технологии искусственного интеллекта, которые позволят рабочим управлять несколькими установками.

В заключение хочется отметить, что модернизация агропромышленного комплекса на территории РФ значительно повысит конкурентоспособность предприятий, окажет положительное влияние на экономику, приведет к положительной динамике развития предприятия.

Список литературы Возможные пути совершенствования агропромышленного комплекса с использованием сквозных технологий

  • Амелин С.В., Щетинина И.В. Организация производства в условиях цифровой экономики / Организатор производства. 2018. Т.26. №4. С. 7-18.
  • Жданеев О.В., Чубоксаров В.С. Перспективы технологий индустрии 4.0 в ТЭК России / Энергетическая политика. 2020. №7(149). С.16-33.
  • Машинное зрение [Электронный ресурс]. Режим доступа: https://ru.wikipedia.org/wiki/Машинное_зрение (дата обращения 14.11.22).
  • Пырнова О.А., Зарипова Р.С. Автономные машины и искусственный интеллект / Информационные технологии в строительных, социальных и экономических системах. 2020. № 3 (21). С. 46-49.
  • Саляхов А.Р., Зарипова Р.С., Чупаев А.В. Разработка автоматизированной системы управления деятельностью сельскохозяйственного предприятия в условиях цифровой экономики / Siberian Journal of Life Sciences and Agriculture. 2019. Т. 11. № 2-2. С. 75-78.
  • Силкина О.Ю., Зарипова Р.С. Тенденции в развитии искусственного интеллекта / Информационные технологии в строительных, социальных и экономических системах. 2020. № 3 (21). С. 63-65.
  • Шакиров А.А., Злыгостев Д.Д., Зарипова Р.С. Решение сельскохозяйственных задач с помощью современных информационных технологий / Развитие аграрной науки в разработках молодых ученых: Сборник материалов онлайн-конференции. 2018. С.184-189.
  • Python [Электронный ресурс]. Режим доступа: https://ru.wikipedia.org/wiki/Python (дата обращения 14.11.22).
Еще
Статья научная