Підтримка прийняття рішень при вирощуванні соняшнику на основі цифрової технології фенотипування

Abstract

UK: Об’єкт дослідження – процеси прийняття рішень при вирощуванні соняшника в умовах цифрової трансформації аграрної галузі. Предмет дослідження – методи формалізації знань на основі онтологічного моделювання, алгоритми цифрового фенотипування рослинних об’єктів за зображеннями та цифрові технології інтеграції даних для моделювання взаємодії «генотип — середовище».. Мета дослідження – розробка цифрової технології фенотипування рослинного об’єкта на основі онтологічної моделі та формування датасетів, що забезпечує формалізоване представлення, ефективну інтеграцію фенотипових даних для прийняття рішень при вирощуванні соняшника. Методи дослідження –онтологічного моделювання, семантичного аналізу та побудови баз знань, цифрової обробки зображень, комп’ютерного зору та математичного моделювання, статистичного аналізу результатів та методів валідації цифрових фенотипових даних, метричний аналіз за методологією OntoQA, Проведено системний аналіз сучасних процесів цифрової трансформації аграрної галузі та визначено вимоги до формування цифрового середовища вирощування і селекції соняшнику в умовах Agriculture 4.0.. Удосконалено цифрову модель соняшнику на основі моделювання взаємодії «генотип — середовище», що забезпечує інтеграцію різнорідних даних про генотипові, фенотипові, агротехнологічні та екологічні характеристики рослини. Удосконалено онтологічну модель агросистеми вирощування соняшнику HELIANTHUS, яка забезпечує інтеграцію різнорідних даних про генотипові характеристики, фенотипові ознаки, селекційні процеси, агротехнологічні параметри, кліматичні показники та екологічні фактори у єдиному семантичному інформаційному просторі. Розроблено метод цифрового фенотипування рослинних об'єктів на основі зображень, який забезпечує автоматизоване виділення та кількісну оцінку морфологічних, структурних і колірних характеристик об’єктів за цифровими зображеннями. Удосконалено цифрову технологію фенотипування із формуванням інтегрованих наборів даних (datasets) для цифрової селекції соняшнику, яка забезпечує автоматизований збір, стандартизацію, семантичне узгодження та збереження фенотипових даних відповідно до онтологічної моделі HELIANTUS. Розроблено концептуальні та технологічні засади створення інтелектуального інформаційного середовища цифрової селекції соняшнику. EN: The object of the study is decision-making processes in sunflower cultivation in the context of digital transformation of the agricultural industry. The subject of the study is methods of formalizing knowledge based on ontological modeling, algorithms for digital phenotyping of plant objects based on images, and digital data integration technologies for modeling the interaction "genotype - environment". The purpose of the study is to develop a digital technology for phenotyping a plant object based on an ontological model and the formation of datasets, which provides a formalized representation and effective integration of phenotypic data for decision-making in sunflower cultivation. Research methods – ontological modeling, semantic analysis and knowledge base construction, digital image processing, computer vision and mathematical modeling, statistical analysis of results and methods for validating digital phenotypic data, metric analysis using the OntoQA methodology, A systematic analysis of modern processes of digital transformation of the agricultural industry was conducted and requirements for the formation of a digital environment for growing and breeding sunflower in the conditions of Agriculture 4.0 were determined.. A digital model of sunflower was improved based on modeling the interaction “genotype - environment”, which ensures the integration of heterogeneous data on genotypic, phenotypic, agrotechnological and environmental characteristics of the plant. The ontological model of the sunflower cultivation agrosystem HELIANTHUS was improved, which ensures the integration of heterogeneous data on genotypic characteristics, phenotypic traits, breeding processes, agrotechnological parameters, climatic indicators and environmental factors in a single semantic information space. A method for digital phenotyping of plant objects based on images has been developed, which provides automated selection and quantitative assessment of morphological, structural and color characteristics of objects based on digital images. Digital phenotyping technology has been improved with the formation of integrated datasets for digital sunflower breeding, which provides automated collection, standardization, semantic coordination and storage of phenotypic data in accordance with the HELIANTUS ontological model. Conceptual and technological principles for creating an intelligent information environment for digital sunflower breeding have been developed.