Типы сельскохозяйственных машин и их применение – uprom.info

Сельскохозяйственные машины – это машины, взаимодействующие с сельскохозяйственным трактором или самоходные машины. Рабочий процесс обоих обусловлен не только движением всей машины по полю, но и движениями активных элементов машины, приводимых в действие напрямую. Они используются для улучшения работы в поле, а также для ее ускорения и повышения комфорта.

Благодаря сельскохозяйственной технике можно получить максимальную пользу от выращивания растений на заданном участке с наименьшим объемом работы. Новая сельхоз техника автоматизирует ряд операций, выполняемых в полевых условиях, и оптимизируют работу. Их используют на всех этапах деятельности, начиная с подготовки почвы, внесения удобрений, посева, опрыскивания и сбора сельскохозяйственных продуктов или даже ремонтных работ на ферме.

Специалисты ETS Group помогли нам разобрать важные факторы применения сельскохозяйственной техники. Есть много преимуществ и преимуществ, связанных с использованием. В первую очередь, благодаря такому оборудованию можно сэкономить много времени. Многие работы необходимо выполнять в строго определенные сроки, невыполнение приведет к сокращению производства и прибыли. Благодаря машинам можно сэкономить много времени и сил даже на фермах с площадью много гектаров.

Еще одним важным преимуществом сельскохозяйственной техники является экономия рабочей силы и энергии. Современное оборудование и машинная работа позволили исключить ручной труд и помощь животных (например, лошадей) во многих процессах. Также необязательно привлекать человеческие силы. Также не следует забывать, что машины обеспечивают гораздо более высокий уровень точности и эффективности для различных работ, таких как, например, опрыскивание или посев.

Тракторы

Трактор – это сельскохозяйственная машина, без которой не обходится ни одно хозяйство. Это машины, используемые для перемещения устройств, машин и других транспортных средств, не имеющих собственного двигателя.  Весь процесс происходит через вал отбора мощности или муфты внешней гидравлики. Они активно используются в сельском хозяйстве благодаря своим свойствам: свободное передвижение по полю, низкое удельное давление на почву, высокая маневренность и универсальность применения.

Качественные сельскохозяйственные тракторы мировых брендов предлагает своим покупателям оптовый торговец техникой Agromarket, который также предлагает подержанную технику.

Комбайны зерноуборочные

Зерноуборочные комбайны обеспечивают быструю и эффективную уборку зерна; самоходная техника. Они приспособлены для автоматического скашивания зерновых, обмолота и последующей транспортировки урожая. Это одноступенчатые устройства, используемые в основном для уборки зерновых и круп: пшеницы, ячменя, ржи, овса или тритикале.

Опрыскиватели сельскохозяйственные

Сельскохозяйственные опрыскиватели незаменимы как в крупных, так и в средних и мелких хозяйствах. Эти машины используются для опрыскивания растений пестицидами, которые борются с вредителями и болезнями растений.  У них есть бак для жидкости и форсунки, установленные на откидной балке. Форсунки наносят жидкость, содержащуюся в резервуаре, прямо на растения. Каждый опрыскиватель также оснащен специальным насосом.

Внесение удобрений

Напоследок стоит упомянуть разбрасыватели удобрений, благодаря которым работа в хозяйстве становится намного проще. Они равномерно распределяют искусственные удобрения по растениям или земле.

Разбрасыватели бывают двух основных типов:

• буксируемый собственной осью с колесами, тянущийся трактором
• подвешивается и навешивается на трактор с помощью трехточечной навески

Сельскохозяйственные машины и технологии

Том 16, № 3 (2022)

Скачать выпуск PDF

МОБИЛЬНЫЕ ЭНЕРГЕТИЧЕСКИЕ СРЕДСТВА 

Деформация прецизионных деталей топливной аппаратуры дизелей при восстановлении методом диффузионной металлизации

М. Н. Ерохин, С. П. Казанцев, А. Г. Пастухов, Д. М. Скороходов, К. М. Логачев

PDF (Rus)

4-11 52

Аннотация

Отметили, что износ рабочих поверхностей плунжера и втулки ухудшают экономические и экологические показатели дизельного двигателя. Указали на экономическую целесообразность восстановления работоспособности с повышением их износостойкости дорогостоящих плунжерных пар. Предложили решить эту задачу методом диффузионной металлизации, чтобы получить упрочняющие покрытия на основе карбидов, нитридов и боридов железа и легирующих элементов.

(Цель исследования) Оценить влияние температурных режимов на деформацию плунжеров при диффузионном борировании. (Материалы и методы) В качестве параметров технологического процесса приняли: состав порошковой смеси, температуру и время выдержки, время охлаждения контейнеров, толщину покрытия, прогиб детали. Исследовали материалы: сталь 45, сталь ХВГ, сталь 25Х5МА после азотирования в среде диссоциированного аммиака на заводе-изготовителе топливной аппаратуры. (Результаты и обсуждение) Измерили толщину боридного слоя при 8-часовом борировании: 250; 215 и 170 микрометров соответственно. Выявили, что каждые 2 часа процесса дают приращение слоя в среднем на 40 микрометров. Измерили среднюю величину прогиба плунжеров, борированных 2 и 6 часов, после 8-часового охлаждения контейнеров: 9,8 и 12,7 микрометра. Отметили, что увеличение скорости охлаждения контейнера усиливает коробление плунжеров до 35 микрометров. Для равномерного прогрева рекомендовали использовать контейнеры, вмещающие не более 100 плунжеров.

(Выводы) Выявили главную причину деформации (прогиба) плунжеров после диффузионной металлизации, которая заключается в релаксации внутренних напряжений в сердцевине детали в результате структурных изменений в стали. Установили, что минимальное время охлаждения контейнеров вместе с печью должно составлять не менее 8 часов, тогда прогиб не превышает 20 микрометров. Достигли возможности уменьшить припуск на механическую обработку плунжера до 30 микрометров.

ЦИФРОВЫЕ ТЕХНОЛОГИИ. ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ 

Планирование производства продукции растениеводства с применением цифровых технологий

В. В. Альт, С. П. Исакова

PDF (Rus)

12-19 46

Аннотация

Показали, что сельскохозяйственное производство связано с территориальной распределенностью, многовариантностью агротехнологий, изменчивостью климатических условий, большими объемами разнообразной информации, сложными алгоритмами принятия стратегических и тактических решений. Отметили, что решение задачи по планированию производства заключается в систематизации и структурировании информации о технологических операциях, определении признаков и формировании параметров для выбора (корректировки) технологии, в моделировании сельскохозяйственного технологического процесса, создании автоматизированного информационного сопровождения. Подчеркнули актуальность привлечения современной компьютерной техники и передовых цифровых технологий ввода и обработки больших объемов информации, визуализации результатов. (

Цель исследования) Разработать программно-технологическое обеспечение, позволяющее подобрать варианты технологий, адаптированных к условиям конкретного хозяйства. (Материалы и методы) Программное обеспечение тестировали на примере южно-таежно-лесной зоны Новосибирской области. Изучили процесс выбора технологий, рассмотрели совокупность технологий обработки почв при возделывании зерновых культур, обеспечивающих минимизацию воздействия на урожай лимитирующих факторов. По результатам оценки выделили постоянные и переменные факторы. Использовали информационные и аналитические методы анализа материалов, системный подход, методологии разработки программного обеспечения. (Результаты и обсуждение) С помощью программного модуля сформировали два варианта технологий, адаптированных к природным и производственным условиям хозяйства. В качестве исходного материала для подбора вариантов приняли регистры технологических операций и условия применения. (Выводы) Разработали программный модуль, который позволяет подобрать агротехнологии на основе тщательного учета и оперативной обработки информации, характеризующей конкретные условия хозяй- ства, что дает возможность повысить эффективность управления производством продукции растениеводства и конкурентоспособность сельхозпредприятия.

ПОСЛЕУБОРОЧНАЯ ОБРАБОТКА ЗЕРНА И СЕМЯН 

Определение коэффициента Пуассона и модуля Юнга внешней плодовой оболочки зерна кукурузы

А. Г. Пастухов, Д. Н. Бахарев

PDF (Rus)

20-26 33

Аннотация

Отметили необходимость снижения травмирования зерна кукурузы при обмолоте початков. Показали, что можно ввести ограничивающие условия и обеспечить рациональные параметры при работе молотильно-сепарирующих устройств, исключающие повреждение внешней плодовой оболочки зерна.

Подтвердили, что закономерности обмолота початков кукурузы адекватно описываются посредством применения контактной задачи теории упругости Г. Герца. (Цель исследования) Определить коэффициент Пуассона и модуль Юнга плодовой оболочки зерна кукурузы, поверхность которой непосредственно контактирует с рабочими органами молотильного устройства. (Материалы и методы) Использовали методы однофакторного экспериментального исследования с последующей статистической обработкой массива данных. Экспериментально изучили коэффициент Пуассона для внешней плодовой оболочки зубовидной кукурузы и модуль Юнга применительно к зерну кремнистой, зубовидной, сахарной и лопающейся кукурузы. (Результаты и обсуждение

) Разработали методики исследования и экспериментальные установки для определения коэффициента Пуассона и модуля Юнга плодовой оболочки зерна кукурузы. Установили, что с доверительной вероятностью 0,95 среднее значение коэффициента Пуассона плодовой оболочки зерна зубовидной кукурузы составляет 0,356. Определили модуль Юнга применительно к нескольким разновидностям кукурузы: кремнистой – 98-125 мегапаскалей, зубовидной кукурузы – 78-127, сахарной – 97-124, лопающейся – 127-169 мегапаскалей. Выявили, что максимально допустимый скоростной режим обмолота обеспечивается при скорости контактного взаимодействия зерна и шипа молотильного устройства не более 1,6 метра в секунду. (Выводы) Доказали, что для более полного прикладного применения контактной задачи теории упругости Г. Герца при моделировании процессов обмолота початков кукурузы необходимо знать коэффициент Пуассона и модуль Юнга внешней плодовой оболочки зерна. Рекомендовали использовать полученные численные значения данных механико-технологических характеристик при моделировании деформационных процессов, регламентирующих скоростные режимы обмолота.

Обоснование конструктивно-компоновочной схемы гравитационно-пневматического очистителя семян сои

В. Г. Хамуев, С. А. Герасименко

PDF (Rus)

27-32 31

Аннотация

Показали, что научные исследования по интенсификации процессов сепарации семян сои необходимы для разработки технологий очистки нового типа, исключающих недостатки традиционных машин, а также для достижения более выгодных технико-экономических показателей зерноочистительного оборудования. (Цель исследования) Обосновать конструктивные параметры очистительно-сортировальной установки для высокоэффективной сепарации семян сои. (

Материалы и методы) Использовали разработанный макетный образец установки для очистки семян сои, состоящий из гравитационной колонки и пневматического очистительно-сортировального канала. Обосновали количество гребенок в гравитационной колонке и зазор между прутками гребенок. Определили полноту выделения крупной примеси в гравитационной колонке, легкой примеси – в первой секции канала, половинок сои – во второй, мелких и щуплых семян сои – в третьей секции канала при различной подаче материала на очистку. (Результаты и обсуждение) Установили оптимальное количество гребенок для гравитационной колонки – 10 штук при зазорах между прутками гребенок 10 миллиметров, при этом эффективность сепарации – 99,3 процента. Выявили, что оптимальное соотношение ширины сужающей перегородки и глубины секции канала, равной 150 миллиметрам, составляет 0,37. Вычислили, что ширина сужающих перегородок составит 55,5 миллиметра; оптимальная подача сои – 2,5 тонны в час, при этом полнота выделения в гравитационной колонке – не ниже 95 процентов, в пневматическом канале – не меньше 98 процентов. (

Выводы) Определили, что интенсификация сепарации семян сои возможна путем совместного применения гравитационной колонки и пневматического сепарирующего устройства, что позволяет увеличить производительность и эффективность очистки сои на 20 процентов и более.

ИННОВАЦИОННЫЕ ТЕХНОЛОГИИ И ОБОРУДОВАНИЕ 

Обоснование параметров полетного задания беспилотного воздушного судна для мультиспектральной аэрофотосъемки

Р. К. Курбанов, Н. И. Захарова

PDF (Rus)

33-39 45

Аннотация

Показали возможность сбора мультиспектральных и RGB-данных о состоянии сельскохозяйственных культур с помощью беспилотного воздушного судна. Отметили, что использование нескольких программ для создания полетного задания приводит к неэффективному использованию ресурсов беспилотного воздушного судна. (Цель исследования) Рассчитать параметры аэрофотосъемки с мультиспектральной и RGB-камерами для повышения эффективности использования ресурсов беспилотного воздушного судна. (Материалы и методы) Изучили спецификации характеристик RGB и мультиспектральных камер, устанавливаемых на беспилотник. Использовали результаты научных исследований по расчету параметров аэрофотосъемки: продольное и поперечное перекрытие, а также скорость полета беспилотного воздушного судна. (Результаты и обсуждение) Установили, что рассчитанные значения продольного и поперечного перекрытия, а также скорости полета беспилотного воздушного судна для RGB-камеры Zenmuse X4S при совместной аэрофотосъемке с мультиспектральной камерой позволяют применять стандартные мобильные приложения для создания полетного задания. (Выводы) Определили, что полученные значения гарантируют создание качественных цифровых карт. Рассчитали параметры полетного задания, обеспечивающие эффективное использование ресурсов беспилотного воздушного судна, при одновременном использовании RGB-камеры Zenmuse X4S и одной из шести моделей мультиспектральных камер на борту беспилотного воздушного судна.

Алгоритмы расчета траекторий полета беспилотных воздушных судов для решения сельскохозяйственных задач

В. В. Лебедева, И. В. Лебедев

PDF (Rus)

40-47 42

Аннотация

Обосновали актуальность использования беспилотных воздушных судов (БВС) по сравнению с другими способами аэрокосмической съемки. Привели примеры задач, требующие применения БВС для аэрофотосъемки с разной высоты. Показали, что внедрение сельскохозяйственных роботов, в том числе БВС, ускоряет выполнение полевых работ, а также позволяет получать уникальные данные, необходимые для оценки сельскохозяйственных территорий, обработки посевов и стимуляции роста растений. Отметили, что проблема построения траекторий движения БВС мультироторного типа при выполнении сельскохозяйственных задач за минимальное время остается нерешенной. (Цель исследования) Уменьшить длину траектории покрытия заданного участка и сократить время полета БВС мультироторного типа с учетом анализа возможных препятствий и участков земли, не представляющих интереса при решении поставленной задачи. (Материалы и методы) Использовали геометрические методы расчета траектории полета БВС для покрытия заданного участка, траекторию движения в среде с препятствиями к назначенной точке. С помощью методов фотограмметрии провели обработку изображений аэрофотосъемки при формировании ортофотоплана и карты рельефа местности. (Результаты и обсуждение) Показали, что рассчитанная разработанным алгоритмом траектория удовлетворяет все требования: она непрерывна, имеет минимальное количество поворотов, сглажена, а также осуществима для БВС мультироторного типа. (Выводы) Определили, что для расчета по предложенному алгоритму траектории покрытия на прямоугольном участке со сторонами 200 и 30 метров потребовалось менее 0,05 секунды. Выявили, что траектория на первом участке, площадью 10 200 квадратных метров, уменьшилась на 9 процентов, а на втором, площадью 950 000 квадратных метров, – на 6 процентов, по сравнению с длиной траектории, построенной по стандартным алгоритмам, причем время полета сократилось на 32 и 10 процентов соответственно. Отметили основные преимущества применения БВС для видеосъемки: гарантированное высокое разрешение фотоматериалов и возможность съемки в заданное время, позволяющие оценивать состояние посевов.

Качество упрочняющей пропитки 3D-печатных деталей сельскохозяйственной техники

Р. Я. Казберов, С. П. Тужилин

PDF (Rus)

48-54 49

Аннотация

Отметили, что уровень механических свойств полимерных изделий, изготовленных с помощью традиционных технологий, выше, чем деталей, изготовленных 3D-печатью. Показали актуальность исследования различных способов упрочнения 3D-печатных изделий, например способа вакуумной пропитки в эпоксидных компаундах. (Цель исследования) Определить зависимость качества пропитки 3D-печатных деталей сельскохозяйственной техники от вязкости выбранного пропиточного эпоксидного компаунда. (Материалы и методы) Изменяли вязкость пропиточного эпоксидного компаунда, добавляя разбавители – ацетон и ДЭГ-1. Для измерения вязкости компаунда использовали ротационный вискозиметр. В качестве объектов пропитки выбрали шестерню привода магнето пускового двигателя трактора МТЗ и опору пальцев шнека жатки John Deere. Детали изготовили на 3D-принтере, работающем по технологии FDM. После пропитки проводили резку изделий в определенных сечениях для оценки наличия непролитых областей. Оценили количество смолы, затвердевшей на поверхности изделий. (Результаты и обсуждение) Установили, что ацетон снижает вязкость в 2 раза эффективнее, чем ДЭГ-1. Поскольку стоимость ацетона меньше, последующие эксперименты проводили на нем. Для пропитки деталей сельскохозяйственной техники выбрали три уровня вязкости: высокий, соответствующий исходной вязкости эпоксидного компаунда 16 паскаль-секунд; средний – 8,8 паскаль-секунды, соответствующий введению 0,5 процента (по массе) ацетона; низкий – 6,5 паскаль-секунды, соответствующий введению 1,5 процента (по массе) ацетона. Выявили, что изделия, пропитанные компаундами с высокой и низкой вязкостью, содержали много пор в сечениях и большое количество компаунда на поверхности. (Выводы) По результатам пропитки определили лучшую композицию – с вязкостью эпоксидной смолы 8,8 паскаль-секунды, что соответствует содержанию 0,5 процента (по массе) ацетона. Доказали, что повышенная вязкость компаунда не позволяет ему эффективно проникать внутрь детали, при низко

ТЕХНИКА ДЛЯ ЖИВОТНОВОДСТВА 

Эффективность фотолюминесцентного метода контроля гомогенности кормовых смесей в животноводстве

М. В. Беляков, Е. А. Никитин, И. Ю. Ефременков

PDF (Rus)

55-61 62

Аннотация

Провели анализ спектральных систем оценки для контроля гомогенности кормовых смесей. (Цель исследования) Изучить оптические люминесцентные свойства основных составляющих кормовых смесей в ультрафиолетовом и видимом диапазонах и разработать методику фотолюминесцентного контроля их качества. (Материалы и методы) Исследовали две группы компонентов кормовой смеси: гранулированный комбикорм и кукурузный силос. Спектральные характеристики измеряли на спектрофлуориметре «Флюорат-02-Панорама». Установили спектры возбуждения при синхронном сканировании и на их основе определили спектры фотолюминесценции по ранее апробированной методике. (Результаты и обсуждение) В спектрах возбуждения компонентов выявили основные максимумы, соответствующие длине 362 нанометра и 424 нанометра. Определили, что все характеристики фотолюминесценции одномодальны, а измеренные кривые для каждой длины волны возбуждения качественно схожи, но различаются количественно: например, различие потоков комбикорма и светлого силоса составляет 2,4 раза при длине 232 нанометра, 2,8 раза – при 424 и 3,8 раза – при 362 нанометрах. Рекомендовали использовать для возбуждения опытной пробы кормосмеси излучение длины волны 362 нанометра, а фотолюминесценцию регистрировать в диапазоне 390-540 нанометров. Описали этапы методики экспресс-контроля качества смешивания: начальная градуировка по люминесценции комбикорма, пробоподготовка, возбуждение люминесценции смеси, регистрация потока люминесценции, усиление фотосигнала и его обработка по алгоритмам диагностики, после чего следует либо кормораздача, либо продолжение смешивания с повторным экспресс-контролем. (Выводы) Предложили методику оценки качества смешивания компонентов кормовой смеси, которая может быть реализована с помощью компактного спектрального прибора. Выявили, что использование предлагаемого метода в технологическом процессе приготовления кормовой смеси позволит снизить энергетические затраты на смешивание кормов.

Влияние субклинического и клинического мастита на процесс молокоотдачи коров ярославской породы

Д. Ю. Павкин, А. Р. Хакимов, Ф. Е. Владимиров, С. С. Юрочка

PDF (Rus)

62-66 38

Аннотация

Проанализировали процесс доения здоровых коров и с заболеванием мастита по таким параметрам, как средний разовый удой, скорость молокоотдачи, длительность доения, для оценки различий между ними и необходимости использовать отличные от стандартных методы доения. (Цель исследования) Изучить влияние мастита на молокоотдачу коров и разработать рекомендации по доению заболевших животных. (Материалы и методы) Сформировали три группы животных по результатам теста на мастит: первая – здоровые, вторая – с субклиническим маститом, третья – с клинической формой заболевания. Провели контрольные дойки для сбора данных. Результаты скорости молокоотдачи фиксировали каждые 15 секунд доения. (Результаты и обсуждение) Выявили значительные различия между группами в скорости молокоотдачи (1,90; 0,89 и 0,49 килограмма в минуту соответственно) и продолжительности доения (281; 375 и 294 секунды). (Выводы) Определили, что в случае субклинического мастита доение наиболее продолжительное (в среднем 375 секунд). Отметили смещение пика скорости молокоотдачи со второй минуты доения на третью по сравнению со здоровыми животными. Выявили, что в случае клинического мастита длительность доения (295 секунд) меньше, чем при субклиническом, но при этом практически отсутствует пик скорости молокоотдачи. Подтвердили необходимость смещать режим интенсивного доения животного с субклиническим маститом на 30-45 секунд, а также использовать щадящий режим доения для коров с клиническим маститом.

ТЕХНИКА ДЛЯ РАСТЕНИЕВОДСТВА 

Портативный микропроцессорный колориметр для определения стабильности развития растений

С. А. Ракутько, Е. Н. Ракутько

PDF (Rus)

67-73 68

Аннотация

Показали, что по величине флуктуирующей асимметрии можно судить о стабильности развития растений. Отметили недостатки оценки физиологического состояния растений – как визуальной, так и с помощью созданного ранее измерителя цвета. (Цель исследования) Разработать устройство для определения стабильности развития растений по результатам измерения цветовых характеристик их листьев. (Материалы и методы) Апробировали прибор на растениях огурца, выращиваемых под различным спектром. Измеряли цвет поверхности на втором и третьем листьях в порядке их появления на растении, слева и справа от центральной жилки: у вершины листа, в месте раздвоения вторых жилок второго порядка, у основания листа. При измерениях подносили прибор к листу. Описали принцип работы микропроцессорного колориметра. (Результаты и обсуждение) Выявили, что асимметрия значений цветовых координат симметричных точек поверхности листа огурца носит флуктуирующий характер и может быть использована для оценки стабильности развития растений. Определили, что различия в качестве световой среды влияют на биометрические параметры растений, проявляются в асимметрии цветовых координат симметричных точек поверхности листа, причем большим значениям показателей роста (у растений в лучших условиях световой среды) соответствуют меньшие значения флуктуирующей асимметрии. (Выводы) Доказали, что разработанный колориметр компактен и эргономичен, прост в изготовлении, недорогой, удобен в эксплуатации и может быть использован в полевых условиях. Прибор позволяет выявить различия стабильности развития растений, выращиваемых под разными источниками света. В условиях эксперимента определили, что в красном диапазоне величина флуктуирующей асимметрии под светодиодами составила 0,0301 относительной единицы, под натриевыми лампами – 0,0471; в зеленом диапазоне – 0,0228 и 0,0305; в синем – 0,0253 и 0,0416 относительной единицы соответственно.

Разработка алгоритма роботизированного устройства точного внесения средств защиты растений

М. А. Мирзаев

PDF (Rus)

74-80 28

Аннотация

Показали, что широкий спектр методик и инструментов для идентификации растений ограничен в реальных агротехнических задачах. Отметили, что параметры изображений сильно отличаются в прикладных решениях. (Цель исследования) Разработать алгоритм распознавания культурных растений роботизированным устройством, основанный на современном методе глубокого обучения с использованием сверточной нейронной сети R-CNN. (Материалы и методы) Создали роботизированное устройство для дифференцированного внесения средств защиты растений, которое способно распознавать полезную культуру и сорную растительность, определять площадь обработки по координатам центра и рдиусу. Для обнаружения сельскохозяйственной культуры (белокочанной капусты) выбрали сегментирующие нейронные сети Mask R-CNN и Deeplabv3 plus. Алгоритм на основе данных сетей обнаруживает, сегментирует и позиционирует растения на основе набора данных, собранных в форматах «изображение – маска» и COCO dataset. Набор данных формировали путем аэросъемки с помощью беспилотного воздушного судна. Исходные изображения получили от веб-камеры Xiaovv HD Web USB с углом съемки 150 градусов, разрешением Full HD 1080P и веб-камеры Logitech C270 с разрешением HD 720p. Обученную нейронную сеть для роботизированного устройства установили на платформу Nvidia Jetson AGX Xavier. (Результаты и обсуждение) В результате оценки точности модели на тестовых данных получили следующие значения: количество найденных растений – 98 процентов, точность выделения контура – 94 процента. (Выводы) Доказали, что обученную нейронную сеть можно применять к любым выращиваемым культурам, учитывая неоднородность их расположения на поле, типы почвы, количество сорной растительности. По итогу модель обучили извлекать координаты ограничительной рамки и местоположение объекта (капусты) по пикселям с требуемой точностью как для синтетических, так и для реальных данных.

Контент доступен под лицензией Creative Commons Attribution 4.0 License.

ISSN 2073-7599 (Print)
ISSN 2618-6748 (Online)

X МАШИНА – Продукция

На полпути между инновации, опыт и страсть.

Все продукты

Автоматика

Робототехника

Системы технического зрения

Робот-укладчик на поддоны

Робот-укладчик xPal предназначен для автоматической укладки на поддоны коробок, упаковок, мешков, ободки, рулоны бумаги, панели и т. д.

Системы технического зрения

“xVision” Система технического зрения, используемая для контроля качества в пищевой промышленности. Проверяет билеты на пакеты со скоростью 300 шт/мин.

Манипуляционный робот

Наши роботизированные системы перемещения полностью автоматизированы и могут работать автономно без контроль любого оператора.

Упаковка с Vision

xFlexVis — это установка для быстрой упаковки, которая может достигать скорости 80 шт/мин. Имеет камеры для распознавания фасуемого продукта и тары.

Специальные растения

Специальные автоматизированные системы с высоким технологическим содержанием, реализованные для удовлетворения самых разнообразных технико-производственные требования.

Робот по обслуживанию машин

Робот обслуживания xTend был разработан для обслуживания станков, таких как обработка центры, токарные станки, трансферы, прессы и т.д.

Робот для обслуживания прессов

xPress — это роботизированные системы для загрузки/разгрузки прессов, использующие взаимосвязь роботы и прессы через локальные сети связи для достижения динамической оптимизации цикла время.

Конвейеры

Родился как неотъемлемая часть реализации наших установок промышленной автоматизации, Транспортные системы xConv теперь предлагаются клиентам даже в виде «автономных» решений.

ЧМИ

Мы реализуем Системы наблюдения , SCADA и Интерфейсы HMI , которые позволяют управлять системами с очень высокими стандартами эффективности, функциональность и простота использования.

Работа с Vision

Продукция xHandleVis серии предназначены для перемещения и сборки объектов в случае, когда переменные, такие как поскольку форма, размер, положение и т. д. неизвестны.

Телесервис

Мы предоставляем широкий спектр услуг Teleservice и Remote Management , реализованных через использование аппаратных компонентов ведущих фирм.

Покраска робота

xPaint Роботизированные покрасочные установки являются результатом нашего ноу-хау, чрезвычайно точного дизайн и использование роботов для окраски самых известных брендов.

Свяжитесь с нами

Стэнфордский алгоритм машинного обучения предсказывает биологические структуры более точно, чем когда-либо прежде

Стефан Эйсманн в лаборатории Дрора в Центре Кларка в 2019 году. биологические молекулы — одна из самых сложных проблем современной биологии и медицинских открытий. Компании и исследовательские институты часто тратят миллионы долларов на определение молекулярной структуры, и даже такие масштабные усилия часто оказываются безуспешными.

Используя умные новые методы машинного обучения, аспиранты Стэнфордского университета Стефан Эйсманн и Рафаэль Таунсенд под руководством Рона Дрора, адъюнкт-профессора компьютерных наук, разработали подход, который преодолевает эту проблему, предсказывая точные структуры с помощью вычислений.

                    Благодарственное письмо от Стефана: нажмите, чтобы увеличить.

В частности, их подход успешен даже при изучении только нескольких известных структур, что делает его применимым к типам молекул, структуру которых труднее всего определить экспериментально.

Их работа продемонстрирована в двух статьях, подробно описывающих применение молекул РНК и мультибелковых комплексов, опубликованных в журналах Science 27 августа 2021 г. и в Proteins в декабре 2020 г. соответственно. Статья в Science является результатом сотрудничества со Стэнфордской лабораторией Риджу Даса, адъюнкт-профессора биохимии.

«Структурная биология, изучающая формы молекул, придерживается мантры о том, что структура определяет функцию», — сказал Тауншенд, соавтор обеих статей.

Алгоритм, разработанный исследователями, предсказывает точные молекулярные структуры и, таким образом, может позволить ученым объяснить, как работают различные молекулы, с приложениями, варьирующимися от фундаментальных биологических исследований до информированных практик разработки лекарств.

«Белки — это молекулярные машины, выполняющие всевозможные функции. Для выполнения своих функций белки часто связываются с другими белками», — сказал Эйсманн, соавтор обеих статей. «Если вы знаете, что пара белков связана с заболеванием, и вы знаете, как они взаимодействуют в 3D, вы можете попытаться точно нацелить это взаимодействие с помощью лекарства».

Эйсманн и Таунсенд являются соавторами статьи Science вместе со Стэнфордским докторантом Эндрю Уоткинсом из лаборатории Das, а также соавторами статьи Proteins с бывшим аспирантом Стэнфорда Натаниэлем Томасом.

Разработка алгоритма

Вместо определения того, что делает структурный прогноз более или менее точным, исследователи позволили алгоритму самостоятельно обнаружить эти молекулярные особенности. Они сделали это, потому что обнаружили, что обычная техника предоставления таких знаний может склонить алгоритм в пользу определенных признаков, тем самым не позволяя ему находить другие информативные признаки.

«Проблема с этими созданными вручную функциями в алгоритме заключается в том, что алгоритм становится предвзятым в отношении того, что человек, который выбирает эти функции, считает важным, и вы можете упустить некоторую информацию, которая вам понадобится для улучшения», — сказал Эйсманн.

«Сеть научилась находить фундаментальные понятия, которые являются ключом к формированию молекулярной структуры, но без явных указаний», — сказал Таунсенд. «Важным аспектом является то, что алгоритм явно восстановил вещи, которые, как мы знали, были важны, но он также восстановил характеристики, о которых мы не знали раньше».

Доказав успех с белками, исследователи затем применили свой алгоритм к другому классу важных биологических молекул, РНК. Они проверили свой алгоритм в серии «головоломки РНК» из давнего соревнования в своей области, и в каждом случае инструмент превосходил всех других участников головоломок, и делал это, не будучи специально разработанным для структур РНК.

Более широкие области применения

Изображение Camille L.L. Townshend: Новый искусственный интеллект 9Алгоритм 0015 может выбрать трехмерную форму молекулы РНК из
неправильных форм. Вычислительное предсказание структур
, которые складываются в РНК, особенно важно — и особенно сложно — потому что известно так мало структур.

Исследователи рады видеть, где еще можно применить их подход, уже добившись успеха с белковыми комплексами и молекулами РНК.

«Большинство недавних значительных достижений в области машинного обучения потребовали огромного количества данных для обучения. Тот факт, что этот метод успешен при очень небольшом количестве данных для обучения, предполагает, что связанные методы могут решать нерешенные проблемы во многих областях, где данных недостаточно», — сказал Дрор, старший автор Proteins и, вместе с Дасом, со-старшим автором статьи Science .

Специально для структурной биологии команда говорит, что они только царапают поверхность с точки зрения научного прогресса.

«Как только вы освоите эту фундаментальную технологию, вы повысите свой уровень понимания еще на один шаг и сможете начать задавать следующий набор вопросов», — сказал Таунсенд. «Например, вы можете начать разрабатывать новые молекулы и лекарства с помощью такого рода информации, что является областью, которая очень волнует людей».

Постдокторант Эндрю Уоткинс из лаборатории Das и бывший аспирант Стэнфордского университета Натаниэль Томас также являются соавторами статей по науке и белкам соответственно. Другими соавторами научной статьи являются аспиранты Стэнфордского университета Рамья Ранган и Мария Карелина. Среди других соавторов статьи о белках бывшие студенты Стэнфорда Милинд Джагота и Боуэн Цзин. Дас также является членом Stanford Bio-X и Института неврологии Ву Цай. Дрор также является членом Stanford Bio-X, Института вычислительной и математической инженерии (ICME), Института неврологии Ву Цая и Стэнфордской лаборатории искусственного интеллекта, филиала Института искусственного интеллекта, ориентированного на человека (HAI).