Концепция цифровизации почвообрабатывающих машин

УДК 631.171

10.33267/2072-9642-2021-8-2-6

С.И. Старовойтов, д-р техн. наук, доц., зав. лабораторией, Этот адрес электронной почты защищён от спам-ботов. У вас должен быть включен JavaScript для просмотра.

В.М. Коротченя, канд. экон. наук, вед. науч. сотр., Этот адрес электронной почты защищён от спам-ботов. У вас должен быть включен JavaScript для просмотра. (ФГБНУ ФНАЦ ВИМ)

Аннотация. Представлена авторская концепция цифровизации почвообрабатывающей техники. Отмечено, что цифровизация почвообработки осуществляется в рамках следующих систем, подключенных к Интернету вещей: системы обеспечения устойчивости хода сельскохозяйственного орудия, адаптивной функциональной конфигурации, обеспечения качества обработки почвы, оценки технического состояния.

Ключевые слова: цифровизация почвообрабатывающих машин, тензометрическое оборудование, техническое зрение, сканирование поверхностного слоя, нейронная сеть, система адаптивной функциональной конфигурации.

Список использованных источников: 1. The trend of tillage equipment development / S.I. Starovoytov [etc.] // AMA, Agricultural Mechanization in Asia, Africa and Latin America. 2020. Vol. 51. No. 3. P. 77-81. 2. Seed Chaser: Vertical soil tillage distribution model / K.A. Spokas [etc.] // Computers and Electronics in Agriculture. 2007. Vol. 57. No. 1. P. 62-73. 3. Shmulevich I., Asaf Z., Rubinstein D. SeedChaser: Interaction between soil and a wide cutting blade using the discrete element method // Soil and Tillage Research. 2007. Vol. 97. No. 1. P. 37-50. 4. Study the effect of tool geometry and operational conditions on mouldboard plough forces and energy requirement: Part 1. Finite element simulation / A. Inbrahmi [etc.] // Computers and Electronics in Agriculture. 2015. Vol. 117. September. P. 258-267. 5. Методические рекомендации по внедрению систем мониторинга и управления уборочно-транспортными комплексами / А.Ю. Измайлов [и др.]. М.: ВИМ, 2016. 108 с. 6. Рубцов И.В., Русанова О.Г., Годжаев З.А. Использование технологий специального назначения в сельскохозяйственной робототехнике // Сельскохозяйственные машины и технологии. 2018. № 1. С. 40. 7. Ахалая Б.Х., Шогенов Ю.Х. Автоматизированный многофункциональный почвообрабатывающий агрегат // Российская сельскохозяйственная наука. 2017. № 6. С. 55-58. 8. Machine vision for soil roughness measurement and contr of tillage machines during seedbed preparation / P. Riegler-Nurscher [etc.] // Soil and Tillage Research. 2020. Vol. 196. February. 104351. 9. Компоненты приводов мехатронных устройств: учеб. пособ. / С.В. Пономарев [и др.]. Тамбов: ФГБОУ ВПО ТГТУ, 2014. 120 с. 10. Application of machine vision for classification of soil aggregate size / F.R. Ajdadi [etc.] // Soil and Tillage Research. 2016. Vol. 162. September. P. 8-17. 11. Using a mobile device “app” and proximal remote sensing technologies to assess soil cover fractions on agricultural fields / A. Laamrani [etc.] // Sensors. 2018. Vol. 18. No. 3. 708. 12. On the ground orintheair? A methodological experiment on crop residue cover measurement in Ethiopia / F. Kosmowski [etc.] // Environmental Management. 2017. Vol. 60. No. 4. P. 705-716. 13. Оптимизация управления технологическими процессами в растениеводстве / А.Ю. Измайлов [и др.] // Сельскохозяйственные машины и технологии. 2018. № 3. С. 4-11. 14. Мониторинг управления сельскохозяйственными мобильными и стационарными объектами / Н.Т. Гончаров [и др.] // Сельскохозяйственные машины и технологии. 2016. № 6. С. 27-32.

A concept of digitalization of tillage machines

S.I. Starovoitov, V.M. Korotchenya (VIM)

Summary. An author's concept of digitalization of tillage equipment is described. It is noted that the digitalization of soil cultivation is performed within the framework of the following systems connected to the Internet of Things: ensuring the stability of run of agricultural implements, adaptive functional configuration, the quality of soil cultivation, and assessing the technical condition.

Keywords: digitalization of tillage machines, strain-measuring equipment, artificial vision, scanning of the surface layer, neural network, adaptive functional configuration system.