Bosh sahifa / Maqolalar / INNOVATSION TEXNOLOGIYALAR / Maqola
TEXNIKA FANLARI

SUN’IY INTELLEKT INTEGRATSIYALASHGAN TIZIMLARI ASOSIDA ISSIQXONANI AVTOMATLASHTIRILGAN BOSHQARISH TIZIMI

Uzakov G‘ulom Norboevich Uzakov G.N. Ibragimov Islomnur Ibragimov I.

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

sun’iy intellekt issiqxonani boshqarish ansamblli modellar ob - havo prognozi sensorlar avtomatlashtirish grafik interfeys mashinani o‘rganish qishloq xo‘jaligi boshqaruv tizimlari.
Mualliflar
Uzakov G‘ulom Norboevich
Qarshi davlat texnika universiteti
ORCID: 0009-0005-7386-8075
Ibragimov Islomnur
Qarshi davlat texnika universiteti
ORCID: 0000-0001-5532-6612

Iqtibos keltirish tartibi

Jurnal uslubi
Uzakov, G. N.; Ibragimov, I. SUN’IY INTELLEKT INTEGRATSIYALASHGAN TIZIMLARI ASOSIDA ISSIQXONANI AVTOMATLASHTIRILGAN BOSHQARISH TIZIMI. Innovatsion texnologiyalar, 2025, 58(2), 91-99. https://www.innotex-journal.uz/article.php?id=108&lang=uz
TXT (joriy uslub) BibTeX RIS

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