Аннотация. 

В статье представлен алгоритм управления роботизированной системы, который осуществляет сортировку зерна зараженного фузариозом. Актуальность исследования заключается в том, что ежегодно 15–50% зерновых во всем мире из-за заражения спорами грибов приходят в негодность и при попадании в организм животных или людей могут вызвать серьезные проблемы со здоровьем. Такую систему сортирования семян возможно реализовать с использованием оптического фотолюминесцентного метода. Разработанный алгоритм включает инициализацию и проверку систем, получение фотосигналов и идентификацию зерна на основе обоснованных критериев, после чего следует запуск исполнительных устройств. Предложена управляемая программой система оптического мониторинга семян пшеницы, ячменя, овса с использованием свето- и фотодиодов.

Ключевые слова: 

алгоритм, диагностика, фузариоз, система, методика, люминесценция.

DOI 10.14357/20718632250106

EDN REULDH

Стр. 65-73.

Литература

1. Alemu K. Detection of Diseases, Identification and Diversity of Viruses // Journal of Biology, Agriculture and Healthcare. 2015. Vol. 5. No. 1. pp. 132–141.

2. Mohd A. M., Bachik N. A., Muhadi N. A., Yusof T.T., Gomes C. Non-destructive techniques of detecting plant diseases: A review // Physiological and Molecular Plant Pathology. 2019. Vol. 108. DOI: https://doi.org/10.1016/j.pmpp.2019.101426

3. Zudyte B., Luksiene Z. Visible light-activated ZnO nanoparticles for microbial control of wheat crop // Journal of Photochemistry and Photobiology B: Biology. 2021. Vol. 219. DOI: https://doi.org/10.1016/j.jphotobiol.2021.112206.

4. Bilgili A., Bilgili A. V., Tenekeci M. E., Karadag K. Spectral characterization and classification of two different crown root rot and vascular wilt diseases (fusarium oxysporum f.sp. radicis lycopersici and fusarium solani) in tomato plants using different machine learning algorithms // European Journal of Plant Pathology. 2024. Vol. 165, No.2. pp. 271–286. DOI: 10.1007/s10658-022-02605-8.

5. Останин С. А., Рышика Ф., Семенов Г. А. Спектрально-статистический алгоритм обработки данных электронно-акустического сепаратора семян подсолнечника // Известия Санкт-Петербургского государственного аграрного университета. 2016. № 42. С. 389-393.

6. Лебедев Д. В., Рожков Е. А., Абрамцов Д. С. Применение многофункциональных технологий оптико-электронного зрения для калибровки и анализа семян // Вестник Курганской ГСХА. 2020. № 2(34). С. 67-74.

7. Барышева Н. Н., Пронин С. П. Выбор алгоритма фильтрации экспериментальных данных для контроля всхожести семян пшеницы по мембранным потенциалам // Вестник Алтайского государственного аграрного университета. 2019. № 4(174). С. 150-154.

8. Мусаев Ф. Б., Антошкина М. С., Солдатенко А. В. [и др.] Алгоритмы автоматического цифрового анализа качества семян овощных культур // Овощи России. 2018. № 3(41). С. 86-88.

9. Крыловецкий А. А., Суходолов Д. М. Распознавание изображений элементов зерновых смесей методами глубокого обучения с использованием библиотек KERAS и TENSORFLOW / // Вестник Воронежского государственного университета. Серия: Системный анализ и информационные технологии. 2018. № 2. С. 139-148.

10. Sharma A., Hazra D., Gupta S., Kumari D. Potato Leaf Disease Classification Using Federated Learning // Recent Trends in Image Processing and Pattern Recognition. 2024. Vol. 1. P. 191–201. DOI: 10.1007/978-3-031-53082-1_16 

11. Kaushik I., Prakash N., Jain A. Plant disease detection using a depth-wise separable-based adaptive deep neural network // Multimedia Tools and Applications. 2024. DOI: https://doi.org/10.1007/s11042-024-19047-5

12. Murad M. U., Okatan A. Smart detection and diagnosis of plant disease using deep and machine learning methods // International Research Journal of Modernization in Engineering Technology and Science. 2023. Vol. 5. pp. 1300–1307 DOI: https://www.doi.org/10.56726/IRJMETS33187

13. Moskovskiy M. N., Belyakov M. V., Dorokhov A. S. [et al] Design of Device for Optical Luminescent Diagnostic of the Seeds Infected by Fusarium // Agriculture. 2023. Vol. 13. No. 3. pp. 619. DOI: https://doi.org/10.3390/agriculture13030619

14. Бутовченко А. В. Применение механизированной очистки и фотосепарации семенного зерна и початков кукурузы в современных технологиях // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета. 2017. № 134. С. 984-994. DOI 10.21515/1990-4665-134-080.

15. Moskovsky M. N., Shogenov Yu. H., Lavrov A. V. [et al.] Spectral Photoluminescent Parameters of Barley Seeds (Hordéum vulgáre) Infected with Fusarium ssp // Photochemistry and Photobiology. 2023. Vol. 99. P. 29-34. DOI: https://doi.org/10.1111/php.13645

16. Беляков М.В., Московский М. Н., Ефременков И.Ю. [и др.] Оптические фотолюминесцентные свойства семян растений при заражении микопатогенами // Инженерные технологии и системы. 2024. № 2(34). С. 281–294. DOI: 10.15507/2658-4123.034.202402.281-294

17. Фотосепаратор ZORKIY [Электронный ресурс]. – Режим доступа: https://csort.ru/photoseparator/zorkiy/, свободный. – (дата обращения: 20.01.2025).

18. Фотосепаратор ОПТИМА [Электронный ресурс]. – Режим доступа: https://www.agrobase.ru/catalog/machinery/machinery_bbf46488-2e40-43b1-bdb0-a4c6ca6a06b0#section-description, свободный. – (дата обращения: 19.01.2025).

19. Фотосепаратор Smart Sort 1.1. [Электронный ресурс]. – Режим доступа: https://csort.ru/photoseparator/new/smartsort-1-1/, свободный. – (дата обращения: 19.01.2025).