ЖАСАНДЫ ИНТЕЛЛЕКТТІ ҚОЛДАНА ОТЫРЫП СЕКСЕУІЛ ТҰҚЫМДАРЫН ЖИНАУДЫ АВТОМАТТАНДЫРУ

Қазақстан шөлейттену мен жердің тозу проблемасымен бетпе-бет келіп отыр, әсіресе оңтүстік облыстар мен Арал өңірінде жыл сайын шамамен 150 миллион тонна тұздың тасымалдануы экологиялық жағдайдың нашарлауына алып келеді. Топырақты тұрақтандырудың негізгі құралдарының бірі 6 миллион гектардан астам жерді алып жатқан сексеуіл. Дегенмен, оның тұқымын жинаудың дәстүрлі әдістері тиімсіз, бұл орманды қалпына келтіру мүмкіндіктерін шектейді.
Бұл зерттеудің мақсаты қазіргі заманғы технологияларды, соның ішінде жасанды интеллект (ЖИ), қашықтықтан зондтау және робототехниканы қолдана отырып, сексеуіл тұқымын жинаудың автоматтандырылған жүйесін әзірлеу үшін бар әдебиеттерді талдау болып табылады. Зерттеу барысында спутниктік деректер (KazEOSat, Sentinel), терең оқыту алгоритмдері (CNN, Random Forest), ұшқышсыз ұшатын аппараттар (ҰҰА), IoT жүйелері және перспективалы инновациялық технологиялар зерттелді.
Мақалада заманауи технологиялық шешімдерді пайдалана отырып, ормандарды қалпына келтіру шараларының тиімділігін арттыру және өсімдіктердің тіршілігін жақсарту үшін айтарлықтай әлеуетті көрсетеді. Зерттеу нәтижелері бұл технологиялардың Арал өңірін тұрақты жасылдандыруға елеулі үлес қоса алатын мүмкіндіктері анықталды. Дегенмен де, олардың Қазақстан жағдайына бейімделуі қосымша зерттеулерді қажет етеді.

1. Informburo.kz. Саксаул в Казахстане: спасение пустынь. – 2019. – URL: https://informburo.kz/stati/saksaul-v-kazahstane-spasenie-pustyn.

2. Kitzes J. Shrinkage of the human ecological footprint / J. Kitzes // Proceedings of the National Academy of Sciences. – 2008. – Vol. 105, № 36. – P. 13151-13156. https://doi.org/10.1073/pnas.0711440105.

3. FAO. Global agriculture towards 2050. – Rome: Food and Agriculture Organization of the United Nations, 2009. http://www.fao.org/fileadmin/templates/wsfs/docs/Issues_papers/HLEF2050_Global_Agriculture.pdf.

4. Комитет лесного хозяйства РК. Отчёт о незаконной вырубке саксаула. – 2019. https://www.gov.kz/memleket/entities/les?lang=ru (официальный сайт, точный отчёт требует запроса).

5. Informburo.kz. Саксаул в Казахстане: спасение пустынь. – 2019. https://informburo.kz/stati/saksaul-v-kazahstane-spasenie-pustyn.

6. Zhang Y. Smart irrigation systems using IoT and machine learning / Y. Zhang // Agricultural Water Management. – 2021. – Vol. 245. – P. 106543. https://doi.org/10.1016/j.agwat.2020.106543. https://www.sciencedirect.com/science/article/abs/pii/S0378377420305435

7. Kamilaris A. Deep learning in agriculture: A survey / A. Kamilaris, F.X. Prenafeta-Boldú // Computers and Electronics in Agriculture. – 2018. – Vol. 147. – P. 70-90. https://doi.org/10.1016/j.compag.2018.02.016. https://www.sciencedirect.com/science/article/abs/pii/S0168169917313736.

8. Gebbers R. Precision agriculture and food security / R. Gebbers, V.I. Adamchuk // Science. – 2010. – Vol. 327, № 5967. – P. 828-831. https://doi.org/10.1126/science.1183899. https://www.science.org/doi/10.1126/science.1183899.

9. Wang X. Desertification control and restoration of degraded lands / X. Wang, Y. Zhang, Z. Chen // Journal of Arid Environments. – 2019. – Vol. 163. – P. 1-8. https://doi.org/10.1016/j.jaridenv.2018.12.001. https://www.sciencedirect.com/science/article/abs/pii/S0140196318306839.

10. Fannon E. Drone-based reforestation and its potential for carbon sequestration / E. Fannon // Environmental Research Letters. – 2020. – Vol. 15, № 12. – P. 124025. https://doi.org/10.1088/1748-9326/abc5f1. https://iopscience.iop.org/article/10.1088/1748-9326/abc5f1.

11. Le Cun Y. Convolutional networks for images, speech, and time series / Y. Le Cun, Y. Bengio // The Handbook of Brain Theory and Neural Networks. – 1995. – P. 255-258. http://yann.lecun.com/exdb/publis/pdf/lecun-bengio-95a.pdf.

12. Mwangi E. Remote sensing for land degradation assessment and monitoring in Kenya / E. Mwangi // Remote Sensing Applications: Society and Environment. – 2018. – Vol. 10. – P. 1-10. https://doi.org/10.1016/j.rsase.2018.01.003. https://www.sciencedirect.com/science/article/abs/pii/S2352938517300991.

13. Primeminister.kz. Цифровой Казахстан: новые возможности для развития. – 2023. https://primeminister.kz/ru/news/tsifrovoy-kazahstan-novye-vozmozhnosti-dlya-razvitiya.

14. Mwangi E. Remote sensing for land degradation assessment and monitoring in Kenya / E. Mwangi // Remote Sensing Applications: Society and Environment. – 2018. – Vol. 10. – P. 1-10. https://doi.org/10.1016/j.rsase.2018.01.003. https://www.sciencedirect.com/science/article/abs/pii/S2352938517300991.

15. Tyagi A.C. Towards a second green revolution / A.C. Tyagi // Irrigation and Drainage. – 2016. – Vol. 65, № 4. – P. 388-389. https://doi.org/10.1002/ird.2056. https://onlinelibrary.wiley.com/doi/10.1002/ird.2056.

16. Teke A. A survey of machine learning techniques for remote sensing image classification / A. Teke // Journal of Applied Remote Sensing. – 2013. – Vol. 7, № 1. – P. 073595. https://doi.org/10.1117/1.JRS.7.073595. https://www.spiedigitallibrary.org/journals/journal-ofapplied-remote-sensing/volume-7/issue-1/073595/Survey-of-machine-learning-techniques-forremote-sensing-image-classification/10.1117/1.JRS.7.073595.full.

17. Старостин Я. Интеллектуальная система управления сельскохозяйственными роботами / Я. Старостин, С.А. Давыдова, А.В. Йешин // CyberLeninka. – 2020. https://cyberleninka.ru/article/n/intellektualnaya-sistema-upravleniya-selskohozyaystvennymirobotami.

18. Kamilaris A. Deep learning in agriculture: A survey / A. Kamilaris, F.X. Prenafeta-Boldú // Computers and Electronics in Agriculture. – 2018. – Vol. 147. – P. 70-90. https://doi.org/10.1016/j.compag.2018.02.016. – URL: https://www.sciencedirect.com/science/article/abs/pii/S0168169917313736.

19. Bastiaanssen W.G. Remote sensing for irrigated agriculture: Examples from research and possible applications / W.G. Bastiaanssen // Agricultural Water Management. – 2000. – Vol. 46, № 2. – P. 137-155. https://doi.org/10.1016/S0378-3774(00)00080-9. https://www.sciencedirect.com/science /article/abs/pii/S0378377400000809.

20. Liaghat S. A review: The role of remote sensing in precision agriculture / S. Liaghat, S.K. Balasundram // American Journal of Agricultural and Biological Sciences. – 2010. – Vol. 5, № 1. – P. 50-55. https://doi.org/10.3844/ajabssp.2010.50.55. https://thescipub.com/abstract/10.3844/ajabssp.2010.50.55.