По всем вопросам звоните:

+7 495 274-22-22

УДК: 631.171:004.4 DOI:10.33920/sel-10-2110-06

К вопросу анализа технического состояния сельскохозяйственной техники с использованием нейронных сетей

Пестряков Е. В. мл. науч. сотр., ФГБНУ ФНАЦ ВИМ, г. Москва, Россия, e-mail: unlimeted-007@yandex.ru
Костомахин М. Н. канд. техн. наук, вед. науч. сотр., ФГБНУ ФНАЦ ВИМ, г. Москва, Россия
Петрищев Н. А. канд. техн. наук, вед. науч. сотр., ФГБНУ ФНАЦ ВИМ, г. Москва, Россия
Саяпин А. С. мл. науч. сотр., ФГБНУ ФНАЦ ВИМ, г. Москва, Россия
Молибоженко К. К. инженер, ФГБНУ ФНАЦ ВИМ, г. Москва, Россия

Данная статья посвящена возрастающей роли искусственного интеллекта в сельском хозяйстве, а именно в диагностике состояния сельскохозяйственной техники. Разработка нового программного обеспечения, использующего в своей работе искусственный интеллект, ведется во всем мире. Также параллельно с программами разрабатываются новые вычислительные устройства, позволяющие хранить и обрабатывать большие объемы информации. Все это позволяет создавать сложные компьютерные системы, в которых задействовано множество сторонних устройств. Кроме того, сельское хозяйство должно развиваться, ориентируясь на современные тенденции.

Литература:

1. Страуструп, Бьярне. Программирование на C83: Принципы и тактика с использованием C++ / Пер. с английского. — 2-е изд. — М.: И. Д. Уильямс, 2016. — № 1. — 328 с. ISBN 978-5-8459-1 949-6 (рус.).

2. Питер Принт, Кроуфорд. Язык С. Справочник. Полное описание языка. — 2-е изд. — Альфа-Букс, 2017. — 880 с. ISBN 978-5-9908911-6-6.

3. https://docs.microsoft.com/en-us/ windows/win32/.

4. Шлее М. Qt 5.10. Профессиональное программирование на C++. — СПб.: БХВ-Петербург, 2018. — 1072 с. ISBN 978-5-9775-3678-3.

5. https://developer.nvidia.com/cuda-toolkit.

6. https://developer.nvidia.com/cudnn.

7. Гудфеллоу Ю., Бенджи И., Курвилл А. Глубокое обучение G93 / Пер. с английского А. А. Слинкина. — 2-е изд., испр. — М.: DMK Press, 2018. — 652 с. ISBN 978-5-97060-618-6 ISBN 978-5-97060-6.

8. Николенко С., Кадурин А., Архангельский Е. H63 Глубокое обучение (Серия «Библиотека программиста»). — СПб.: Питер, 2018. — 480 с. ISBN 978-5-496-02536-2.

9. Николенко С., Кадурин А., Архангельская Е. Н63 Глубокое обучение (Серия «Библиотека программиста»). — СПб.: Питер, 2018. — 480 с.

10. Дорохов А. С. Совершенствование входного контроля качества сельскохозяйственной техники на дилерских предприятиях // Вестник Федерального государственного образовательного учреждения высшего профессионального образования «Московский государственный агроинженерный университет им. В. П. Горячкина». — 2009. — № 2. — С. 73–75.

11. Петрищев Н. А., Костомахин М. Н., Саяпин А. С., Ивлева И. Б. Совершенствование мониторинга системы «Человек — машина — среда» и правил эксплуатации для повышения эксплуатационной надежности тракторов // Технический сервис машин. — 2020. — № 3 (140). — С. 12–20.

12. Ерохин М. Н., Дорохов А. С., Катаев Ю. В. Интеллектуальная система диагностирования параметров технического состояния сельскохозяйственной техники // Агроинженерия. — 2021. — № 2 (102). — С. 45–50.

13. Дидманидзе О. Н., Дорохов А. С., Катаев Ю. В. Тенденции развития цифровых технологий диагностирования технического состояния тракторов // Техника и оборудование для села. — 2020. — № 11 (281). — С. 39–43.

В ближайшем будущем сельское хозяйство будет неразрывно связано с областью информационных технологий. Это результат наличия огромного массива информации, требующего качественного и быстрого анализа. Для этих целей в настоящее время разрабатываются отдельные области информационных технологий, такие как технологии больших данных и алгоритмы искусственного интеллекта, в первую очередь основанные на нейронных сетях. Но сначала, чтобы программное обеспечение работало, вам нужно предоставить ему тот же массив информации. Существует множество способов сделать это, и в данной статье представлена работа в этом направлении ученых ФГБНУ ФНАЦ ВИМ.

Цель исследования — провести анализ технических средств и программного обеспечения для диагностирования технического состояния сельскохозяйственной техники. Также целью ставится разработка программной платформы для анализа данных с помощью технологий искусственного интеллекта.

Важность этого исследования обусловлена постоянно растущей потребностью в предсказуемости технологии, а также в совершенствовании этой самой техники. Такая ситуация является следствием того, что технические средства в сельском хозяйстве, в частности тракторы, становятся все более технически сложными, а все производственные процессы — все более автоматизированными. Из этого следует, что любая нештатная ситуация может привести к сбою всего технологического процесса. Также стоит отметить, что зачастую экономически выгоднее проводить плановое техническое обслуживание, чем срочный ремонт. Диагностика и предсказуемость являются ключевыми факторами, которые вписываются в концепцию «бережливое производство», а также в области цифровизации и автоматизации сельского хозяйства. В этом направлении было проведено очень мало исследований и разработок, что позволяет говорить о новизне идеи. Для начала давайте рассмотрим реализацию технической составляющей этой задачи.

Сбор и анализ информации производятся с помощью внешнего модуля LCARD E14-140M АЦП/ЦАП на шину USB ПЭВМ (персональная электронно-вычислительная машина). Так же используются дополнительные микроконтроллеры: STM32 и Arduino, получая данные позиционно, от каждого датчика и перенаправляя ее либо на LCARD, либо напрямую в компьютер. Вся информация обрабатывается собственным специальным программным обеспечением. Данное ПО написано на языке программирования С/С++ [1–2] и работает на персональном компьютере. Дополнительно разработана серия специальных микропрограмм реального времени, которые встраиваются в микроконтроллеры. Они также спрограммированы на языке С/С++. Выбор языка программирования не является случайным, так как специальный драйвер, динамически подключаемая библиотека (dll), статическая библиотека (lib) и программный интерфейс по управлению модулем (API) E14-140M написаны именно на этом языке.

Для Цитирования:
Пестряков Е. В., Костомахин М. Н., Петрищев Н. А., Саяпин А. С., Молибоженко К. К., К вопросу анализа технического состояния сельскохозяйственной техники с использованием нейронных сетей. Сельскохозяйственная техника: обслуживание и ремонт. 2021;10.
Полная версия статьи доступна подписчикам журнала
Язык статьи:
Действия с выбранными: