Використання технологій штучного інтелекту в сільському господарстві: європейський досвід та застосування в Україні

О.В. Лебідь, С.С. Кіпоренко, В.Ю. Вовк, аспірантка
Вінницький національний аграрний університет
Україна, 21008, Вінниця, вул. Сонячна, 3
тел. +38 (098) 8882606, +38 (097) 0343045, +38 (068) 0483652;
Ця електронна адреса захищена від спам-ботів. Вам необхідно увімкнути JavaScript, щоб побачити її., Ця електронна адреса захищена від спам-ботів. Вам необхідно увімкнути JavaScript, щоб побачити її., Ця електронна адреса захищена від спам-ботів. Вам необхідно увімкнути JavaScript, щоб побачити її.

Èlektron. model. 2023, 45(3):57-71

https://doi.org/10.15407/emodel.45.03.057

АНОТАЦІЯ

Проаналізовано технології штучного інтелекту (ШІ), які застосовуються у різних га­лузях народного господарства, зокрема у сільському господарстві, наприклад для виявлення хвороб рослин, класифікації та ідентифікації бур’янів, визначення та підрахунку плодів, управління водними ресурсами та ґрунтом, прогнозування кліматичних умов, вивчення поведінки тварин. Окреслено сильні сторони технологій ШІ, до яких слід віднести підвищення продуктивності праці у галузях сільського господарства, зростання ефективності управлінських рішень, а також полегшення доступу до інформації, розширення можливостей людини на робочому місці та поява нових професій. Одною з загроз для України є відставання, що спостерігається у розробці даних технологій для сільського господарства, від передових країн. Результати дослідження можуть бути використані органами виконавчої влади при розробці програм інноваційного розвитку сільського господарства та технічної модернізації галузі.

КЛЮЧОВІ СЛОВА:

інформаційні технології, штучний інтелект, сільське господарст­во, інноваційний розвиток, цифровізація.

СПИСОК ЛІТЕРАТУРИ

1. Amatya S. et al. Detection of cherry tree branches with full foliage in planar architecture for automated sweet-cherry harvesting / Biosystems Engineering, 2016, Vol. 146, рр. 3―15. URL: https://doi.org/10.1016/j.biosystemseng.2015.10.003(date of access: 11.03.2023).
2. Denning P.J., Lewis T.G. Exponential laws of computing growth // Communications of the ACM, 2016, Vol. 60, no. 1, 54―65. URL: https://doi.org/10.1145/2976758 (date of access: 20.03.2023).
3. Dutta R. et al. Dynamic cattle behavioural classification using supervised ensemble classi­fiers / Computers and Electronics in Agriculture, 2015, Vol. 111, рр. 18―28. URL: https:// org/10.1016/j.compag.2014.12.002 (date of access: 11.05.2023).
4. Impacts of the digital economy on the food chain and the CAP / Research for AGRI Committee of EP. Policy Department for Structural and Cohesion Policies Directorate-General for Internal Policies. URL: http://www.europarl.europa.eu/RegData/etudes/STUD/2019/ 629192/IPOL_STU(2019)629192_EN.pdf (date of access: 20.03.2023).
5. Information and Communication Technology (ICT) in Agriculture: A Report to the G20 Agricultural Deputies. Rome: FAO, 2017. 57 p.
6. Mehdizadeh S., Behmanesh J., Khalili K. Using MARS, SVM, GEP and empirical equations for estimation of monthly mean reference evapotranspiration. Computers and Electronics in Agriculture. 2017, Vol. 139, рр. 103―114. URL: https://doi.org/10.1016/j. 2017.05.002 (date of access: 11.03.2023).
7. Input selection and data-driven model performance optimization to predict the Standardized Precipitation and Evaporation Index in a drought-prone region / S. Mouatadid et al. Atmospheric Research. 2018, Vol. 212, рр. 130―149. URL: https://doi.org/10.1016/j.atmosres. 05.012 (date of access: 28.03.2023).
8. Pantazi X.E. et al. Detection of biotic and abiotic stresses in crops by using hierarchical self organizing classifiers / Precision Agriculture. 2017, Vol. 18, no. 3, рр. 383―393. URL: https://doi.org/10.1007/s11119-017-9507-8 (date of access: 11.03.2023).
9. Prasad R. et al. Soil moisture forecasting by a hybrid machine learning technique: ELM integrated with ensemble empirical mode decomposition / Geoderma. 2018, 330, рр. 136― 161. URL: https://doi.org/10.1016/j.geoderma.2018.05.035 (date of access: 11.03.2023).
10. Sengupta S., Lee W.S. Identification and determination of the number of immature green citrus fruit in a canopy under different ambient light conditions. Biosystems Engineering. 2014, Vol. 117, рр. 51―61. URL: https://doi.org/10.1016/j.biosystemseng.2013.07.007 (date of access: 21.03.2023).
11. World Population Prospects 2022. United Nations, 2022. URL: https://doi.org/10.18356/ 9789210014380 (date of access: 21.03.2023).
12. Болтянська Н.І., Маніта І.Ю., Подашевська О. Проблеми і перспективи розвитку інформаційних технологій в сільському господарстві. Праці Таврійського державного агротехнологічного університету імені Дмитра Моторного. 2020, Т. 20, № 4, с. 175― URL: 10.31388/2078-0877-2020-20-4-175-185 (дата звернення: 18.04.2023).
13. Пасічник Ю. Використання технологій штучного інтелекту в агропромисловому секторі економіки. Сучасні тенденції розвитку фінансових та інноваційно інвестиційних процесів в Україні : матеріали ІV Міжнар. науково-практ. конф., м. Вінниця, 12 черв. 2021 р. Вінниця, 2021, с. 880―882.
14. Державна служба статистики України. Капітальні інвестиції. URL:https://www. ukrstat. gov.ua/ (дата звернення: 19.03.2023)
15. Население земли ― счетчик населения мира. Current world population by country. Population data for every country as of 2023. URL: https://countrymeters.info/ru/World (дата звернення: 17.03.2023).
16. Піжук О.І. Штучний інтелект як один із ключових драйверів цифрової трансформації економіки. Економіка, управління та адміністрування. 2019, № 3(89), с. 41―46. URL: https://doi.org/10.26642/ema-2019-3(89)-41-46 (дата звернення: 11.03.2023).
17. Руденко М.В. Вплив цифрових технологій на аграрне виробництво: методичний аспект. Вчені записки ТНУ імені В.І. Вернадського. Серія: Економіка і управління. 2019. Вип. 6, № 69, с. 30―36. URL: https://doi.org/10.32838/2523-4803/69-6-28 (дата звернення: 17.03.2023).

Повний текст: PDF