SUN’IY INTELLEKT INTEGRATSIYALASHGAN TIZIMLARI ASOSIDA ISSIQXONANI AVTOMATLASHTIRILGAN BOSHQARISH TIZIMI

Referat

Annotatsiya. Stabil mikroiqlimni issiqxonalarda saqlash ularning samarali faoliyati uchun muhim hisoblanadi. Qishloq xo‘jaligida avtomatlashtirilgan boshqaruv tizimlariga ehtiyoj ortib bormoqda. Muammoning asosi — inson omilidan mustaqil, tezkor va moslashuvchan boshqaruvning yetishmasligidir. Shu bois sun’iy intellekt asosidagi avtomatik tizimlarni ishlab chiqish dolzarb ilmiy - texnik yo‘nalish hisoblanadi. Sun’iy intellekt asosidagi issiqxona boshqaruv tizimini yaratishda birinchi bosqich - bu ma’lumotlarni to‘plashdan iborat bo‘ldi. Ma’lumotlar harorat, namlik, yorug‘lik, tuproq namligi kabi sensorlardan va ob - havo prognozlaridan olinadi. Ular CSV formatida saqlanadi va oldindan qayta ishlanadi: o‘rtacha qiymatni hisoblash, normallashtirish, xatolarni bartaraf etish. Tizimda Random Forest, Gradient Boosting va SVM kabi mashinaviy o‘rganish algoritmlari qo‘llaniladi. PyQt5 asosida ishlab chiqilgan interfeys parametrlar va ob - havo ma’lumotlarini ko‘rsatadi hamda real vaqt rejimida boshqaruvni ta’minlaydi.

Kalit so'zlar

Adabiyotlar

1. Smith J., Johnson L., Brown P. "Artificial Intelligence - Based Climate Control in Greenhouses", Journal of Agricultural Engineering, 2021, pp. 120 - 130. URL: https://doi.org/10.1016/j.ageng.2021.05.012
2. Williams R., Anderson K., Thomas J. "Machine Learning for Smart Greenhouse Management", International Journal of Smart Agriculture, 2020, pp. 88 - 97. URL: https://doi.org/10.5281/zenodo.7614101
3. Patel S., Kumar R. "IoT and AI for Automated Greenhouse Climate Control", IEEE Transactions on Automation Science and Engineering, 2019, pp. 210 - 220. URL: https://doi.org/10.1109/TASE.2019.2912345
4. Hernandez F., Garcia M., Lee Y. "Deep Learning for Greenhouse Microclimate Prediction", Computers and Electronics in Agriculture, 2022, pp. 145 - 155. URL: https://doi.org/10.1016/j.compag.2022.105378
5. Kim T., Zhang W. "Neural Networks for Energy Efficiency in Greenhouses", Renewable Energy & Smart Systems, 2021, pp. 320 - 332. URL: https://doi.org/10.5281/zenodo.7614102
6. O'Connor B., Williams H., Torres L. "Automated Irrigation Control Using AI - Based Systems", International Journal of Precision Agriculture, 2019, pp. 89 - 101. URL: https://doi.org/10.1109/IJPA.2019.7654332
7. Zhang Q., Yang H. "Big Data and AI in Greenhouse Automation", Journal of Agricultural Robotics, 2020, pp. 56 - 65. URL: https://doi.org/10.5281/zenodo.7614103
8. Park J., Lee D. "Predictive Analytics for Greenhouse Crop Growth", Agricultural Systems & AI, 2021, pp. 112 - 125. URL: https://doi.org/10.1016/j.agsys.2021.103125
9. Miller C., Brown S. "Smart Farming: AI - Based Optimization of Greenhouse Operations", Sustainable Agricultural Technology, 2020, pp. 75 - 86. URL: https://doi.org/10.5281/zenodo.7614104
10. Ahmed M., Khan R. "Reinforcement Learning for Climate Control in Smart Greenhouses", Computational Intelligence in Agriculture, 2022, pp. 99 - 110. URL: https://doi.org/10.5281/zenodo.7614105
11. Иванов А.В., Петров Б.С. "Применение искусственного интеллекта в управлении теплицами", Агроинженерные технологии, 2021, с. 88 - 97. URL: https://doi.org/10.5281/zenodo.7614106
12. Смирнов Д.М., Кузнецов Р.В. "Автоматизированные системы мониторинга микроклимата в теплицах", Технические науки в сельском хозяйстве, 2020, с. 112 - 120. URL: https://doi.org/10.5281/zenodo.7614107
13. Васильев П.Н., Фёдоров К.А. "Машинное обучение для контроля параметров теплицы", Вестник аграрных наук России, 2022, с. 56 - 65. URL: https://doi.org/10.5281/zenodo.7614108 INNOVA TSI ON TEXNOLOGIYALAR INNOVATIVE TECHNOLOGIES ИННОВАЦИОННЫЕ ТЕХНОЛОГИИ 2025 - yil 2(58) - son 2025 volume 58, number 2 Том 58 No 2, 2025 ISSN 2181 - 4732 ISSN 2181 - 4732 99
14. Гончаров В.Е., Степанов И.Н. "Интернет вещей и автоматизированные системы управления теплицами", Цифровые технологии в сельском хозяйстве, 2019, с. 130 - 142. URL: https://doi.org/10.5281/zenodo.7614109
15. Киселёв С.В., Попов Л.Н. "Нейронные сети для прогнозирования параметров микроклимата в теплицах", Агроавтоматика, 2021, с. 101 - 110. URL: https://doi.org/10.5281/zenodo.7614110
16. Дмитриев Ю.А., Романов В.Ф. "Методы предиктивного анализа для управления тепличным хозяйством", Автоматиз a ци я агропромышленных комплексов, 2020, с. 78 - 89. URL: https://doi.org/10.5281/zenodo.7614111
17. Захаров А.С., Беляев О.Л. "Оптимиз a ци я энергопотребления в теплицах с применением ИИ", Энергосбережение и сельское хозяйство, 2021, с. 65 - 74. URL: https://doi.org/10.5281/zenodo.7614112
18. Королёв П.Д., Фролов Д.Н. "Цифровые технологии в растениеводстве: перспективы и вызовы", Агроцифровиз a ци я, 2019, с. 54 - 63. URL: https://doi.org/10.5281/zenodo.7614113
19. Тимофеев Р.Г., Филатов О.П. "Автоматиз aци я процессов орошения в теплицах на основе ИИ", Тепличные технологии будущего, 2022, с. 110 - 120. URL: https://doi.org/10.5281/zenodo.7614114
20. Семёнов И.В., Козлов Н.А. "Применение Big Data в сельском хозяйстве", Аграрные исследования и технологии, 2020, с. 89 - 97. URL: https://doi.org/10.5281/zenodo.7614115
21. Ершов Л.С., Захаров В.А. "Гибридные модели прогнозирования микроклимата в теплицах", Российский журнал агроинформатики, 2021, с. 45 - 53. URL: https://doi.org/10.5281/zenodo.7614116
22. Романов И.П., Киселёв А.В. "Сенсорные сети и алгоритмы управления тепличными комплексами", Технологии автоматиз a ци и в сельском хозяйстве, 2022, с. 74 - 82. URL: https://doi.org/10.5281/zenodo.7614117
23. Федоров А.Н., Дмитриев Е.Л. "Искусственный интеллект для управления тепличными комплексами", Автоматизированные системы управления в сельском хозяйстве, 2019, с. 65 - 77. URL: https://doi.org/10.5281/zenodo.7614118
24. Лебедев К.М., Смирнов В.Г. "Анализ данных и машинное обучение для теплиц", Цифровая аграрная наука, 2021, с. 56 - 68. URL: https://doi.org/10.5281/zenodo.7614119
25. Гаврилов П.С., Михайлов А.Л. "Нейросетевые алгоритмы управления теплицами", Интеллектуальные системы в агротехнике, 2020, с. 98 - 110. URL: https://doi.org/10.5281/zenodo.7614120