10.33267/2072-9642-2021-12-37-41

УДК 631.171:004.4

Е.В. Пестряков, мл. науч. сотр., Этот адрес электронной почты защищён от спам-ботов. У вас должен быть включен JavaScript для просмотра. (ФГБНУ ФНАЦ ВИМ)

Аннотация. Рассмотрены технические платформы для решения задач использования искусственного интеллекта в сфере сельского хозяйства. Создание новых вычислительных устройств, позволяющих хранить и обрабатывать большие объемы информации, и программного обеспечения дает возможность формировать сложные компьютерные системы для увеличения максимальной производительности.

Ключевые слова: искусственный интеллект, CUDA, диагностирование, анализ данных, С/С++, база данных.

Список использованных источников: 1. Джонс М.Т. Программирование искусственного интеллекта в приложениях / Пер. с англ. А.И.Осипов. М. ДМК Пресс. 2018. 312 с.: ил. 2. Шлее Макс. Qt 5.10. Профессиональное программирование на С++. СПб: БХВ-Петербург. 2018. 1072 с. 3. Боресков А.В., Харламов А.А. Основы работы с технологией CUDA. М.: ДМК Пресс. 2019. 232 с. 4. CUDA Toolkit [Электронный ресурс]. URL: https://developer. nvidia.com/cuda-toolkit (дата обращения 18.10.2021). 5. NVIDIA cuDNN [Электронный ресурс]. URL: https://developer. nvidia.com/cudnn (дата обращения: 18.10.2021). 6. Гриффитс Дуэйн, Гриффитс Доун. Изучаем программирование на C / Пер. с англ. M.: Эксмо. 2013. 624 с. 7. Страуструп Бьярне. Программирование: принципы и практика с использованием С++, 2-е изд. / Пер. с англ. М.: ООО «И.Д. Вильяме». 2016. 1328 с. 8. Гудфеллоу Я., Бенджио И., Курвилль А. Глубокое обучение / Пер. с анг. А. А. Слинкина. 2-е изд., испр. М.: ДМК Пресс. 2018. 652 с. 9. Николенко С., Кадурин А., Архангельская Е. Глубокое обучение. Погружение в мир нейронных сетей. СПб: Питер, 2018. 480 с.: ил. (Серия «Библиотека программиста»). 10. Сандерс Джейсон, Кэндрот Эдвард. Технология CUDA в примерах. Введение в программирование графических процессоров / Пер. с англ. А.А. Слинкин. M.: ДМК Пресс. 2018. 232 с. 11. Дорохов А.С. Совершенствование входного контроля качества сельскохозяйственной техники на дилерских предприятиях // Вестник ФГОУ ВО МГАУ им. В.П. Горячкина. 2009. № 2. С. 73-75. 12. Петрищев Н.А., Костомахин М.Н., Саяпин А.С., Ивлева И.Б. Совершенствование мониторинга системы «Человекмашина-среда» и правил эксплуатации для повышения эксплуатационной надежности тракторов // Технический сервис машин. 2020. № 3(140). С. 12-20. 1 3 . Ерохин М. Н., Дорохов А. С., Катаев Ю. В. Интеллектуальная система диагностирования параметров технического состояния сельскохозяйственной техники // Агроинженерия. 2021. № 2(102). С. 45-50. 14. Дидманидзе О.Н., Дорохов А.С., Катаев Ю.В. Тенденции развития цифровых технологий диагностирования технического состояния тракторов // Техника и оборуд. для села. 2020. № 11 (281). С. 39-43.

Software for Diagnosing and Predicting the Technical Condition of Agricultural Machines

E.V. Pestryakov (VIM)

Summary. The technical platforms for solving the problems of using artificial intelligence in the field of agriculture are described. Creation of new computing devices that allow storing and processing large amounts of information and software makes it possible to form integrated computer systems to increase maximum productivity.

Keywords: artificial intelligence, CUDA, diagnostics, data analysis, С / С ++, database.