Актуальность исследования

Актуальность проекта обусловлена необходимостью улучшения методов диагностики и мониторинга здоровья растений, особенно в условиях растущих потребностей аграрного сектора в повышении урожайности и качества сельскохозяйственной продукции. Современные методы визуального осмотра или ручного анализа данных недостаточно эффективны из-за высокой трудоемкости и невозможности проведения мониторинга на больших площадях.

Автоматизированные системы диагностики заболеваний растений способны существенно сократить временные и трудовые затраты, а также повысить точность выявления заболеваний на ранних стадиях, что, в свою очередь, позволит своевременно применять меры по их устранению и минимизировать потери урожая.

Цель и задачи проекта

Общая цель этого проекта: заключается в создании робототехнического комплекса, который будет сочетать методы машинного обучения, глубокого обучения и мультимодальные сенсоры для диагностики болезней растений.

Задачи проекта:

1. Анализ предметной области: Исследование существующих методов обнаружения болезней растений. Анализ существующих технологий и методов для автоматизированного обнаружения болезней растений с использованием робототехнических комплексов и алгоритмов ИИ.
2. Сбор данных о состоянии растений (Формирование датасета для обучения модели): Предварительная обработка данных. Формирование базы данных изображений растений, включая здоровые и пораженные болезнями образцы. Формирование датасетов для обучения модели распознавания заболеваний растений.
3. Разработка архитектуры нейронных сетей для глубокого обучения (выявление заболевания растений): Создание модели глубокого обучения для классификации различных болезней растений на основе съемок данных. Применение различных архитектур глубокого обучения для распознавания болезней на основе нескольких нейронных сетей: сверточных нейронных сетей (CNN), рекуррентных нейронных сетей (RNN), архитектуры UNet и механизмов внимания.
4. Тестирование и валидация модели глубокого обучения: Проведение серии экспериментов для проверки точности работы разработанных алгоритмов по выявлению болезней растений и их локализации.
5. Разработка робототехнического комплекса: Разработка мобильного робота.
6. Интеграция сенсоров для сбора данных: Внедрение различных сенсоров (камера, LIDAR, температурные датчики и др.) для сбора мультимодальных данных с целью повышения точности диагностики заболеваний.
7. Разработка системы управления робототехническим комплексом.
8. Разработка системы оптимального управления на основе глубокого обучения с подкреплением (Deep Reinforcement Learning).
9. Разработка алгоритмов обучения для автономного принятия решений.
10. Разработка системы навигации и автономного перемещения по полям.
11. Разработка системы зонирования (сегментация) участков растений с заболеваниями: Создание системы для сбора данных о местоположении пораженных растений и построение пространственного распределения распространения болезней.
12. Тестирование робототехнического комплекса в лабораторных условиях.
13. Разработка пользовательского интерфейса: Создание интерфейса для взаимодействия с мобильным роботом, включая мониторинг состояния робота и визуализацию результатов картографирования.
14. Подготовка докторанта по соответствующей теме проекта и публикация научных статей по следующим параметрам:
    • не менее 2 (двух) статей и (или) обзоров в рецензируемых научных изданиях, индексируемых в Science Citation Index Expanded и входящих в 1 (первый) и (или) 2 (второй) квартиль по импакт-фактору в базе Web of Science и (или) имеющих процентиль по CiteScore в базе Scopus не менее 65 (шестидесяти пяти);
    • не менее 2 (двух) статей или обзоров в рецензируемом зарубежном или отечественном издании, рекомендованном КОКНВО.

Ожидаемые результаты

Повышение точности и скорости диагностики заболеваний растений, что позволит аграрным хозяйствам снизить потери урожая, улучшить качество сельскохозяйственной продукции и оптимизировать использование ресурсов.

Достигнутые результаты

Протестирован алгоритм сверточной нейронной сети (CNN) для классификации заболеваний растений на основе изображений листьев. Эти результаты подтвердили эффективность применения методов глубокого обучения для диагностики заболеваний и служат основой для дальнейшего развития системы на базе мультимодальных сенсоров и мобильного робота.

Исследовательская группа

Научный руководитель Проекта – Ибраева Арман Саятқызы, PhD по специальности "8D07117 – Робототехнические системы".

Руководитель проекта владеет значительным опытом в области робототехнических систем. Её научная карьера выделяется глубокими исследованиями в области синтеза и оптимизации механических и управляющих систем для роботизированных устройств. Имеет международный опыт в престижных университетах, таких как KAUST (СА), IDSIA (Швейцария), TU Berlin (Германия). Является автором более 30 научных работ, опубликованных в ведущих международных журналах, и 4 патентов.

Scopus Author ID: 6506592930

ORCID: https://orcid.org/0000-0001-7542-3778

Ибраев Саят Мұратұлы — Главный научный сотрудник, Доктор технических наук, Профессор.

Имеет значительный опыт и авторитет в области механики и робототехники. Окончил с отличием МГУ имени М.В. Ломоносова в 1988 году, насчитывает более 40 лет опыта работы в данной сфере. Автор 150 научных работ, пяти научных монографий и обладатель девяти патентов РК. Подготовил пять кандидатов наук.

Scopus Author ID: 57192154748

ORCID: https://orcid.org/0000-0001-6261-5586

Омаров Батырхан Султанович — Главный научный сотрудник, PhD, доцент КазНУ им. аль-Фараби.

Выделяется своими научными интересами в области ИИ, применения ИИ в медицине, науки о данных и машинного обучения. Под его руководством были подготовлены два PhD. Автор двух монографий и более 100 научных статей (свыше 80 в рейтинговых журналах). Занимает позицию официального рецензента в научных журналах Computers, Materials and Continua, Frontiers in Artificial Intelligence и других престижных изданиях базов Scopus и Web of Science.

Иманбаева Нурбиби Сайрамовна — Старший научный сотрудник, к.т.н., ассоциированный профессор.

Момынқулов Зейнель Зейнуллаұлы — Научный сотрудник, PhD докторант.

Является активным участником научного сообщества с 9 публикациями, индексируемыми в базах данных Scopus и Web of Science. Его специализация в области искусственного интеллекта подчеркивает его компетенции и вклад в разработку передовых технологий.

Список публикаций

1. Ibrayev, S., Ibrayeva, A., Rakhmatulina, A., Ibrayeva, A., Amanov, B., & Imanbayeva, N. (2023). Multicriteria optimization of lower limb exoskeleton mechanism. Applied Sciences, 13(23), 12781.
2. Ibrayev, S., Ibrayeva, A., Jamalov, N., & Patel, S. H. (2022). Optimization of the Walking Robot Parameters on the Basis of Isotropy Criteria. IEEE Access, 10, 113969-113979.
3. Ibrayev, S., Ibrayeva, A., Jamalov, N., Ibrayev, A., Ualiyev, Z., & Amanov, B. (2024). Optimal synthesis of walking robot leg. Mechanics Based Design of Structures and Machines, 52(5), 2639-2659.
4. Ibrayev, S., Jamalov, N., Tuleshov, A., Jomartov, A., Ibrayev, A., Kamal, A., Ibrayeva A., Bissembayev, K. (2020, September). Walking robot leg design based on translatory straight-line generator. In Symposium on Robot Design, Dynamics and Control (pp. 264-271). Cham: Springer International Publishing.
5. Omarov, B., Ibrayev, S., Ibrayeva, A., Amanov, B., & Momynkulov, Z. (2024). Optimal Leg Linkage Design for Horizontal Propel of a Walking Robot Using Non-dominated Sorting Genetic Algorithm. IEEE Access.
6. Ibrayev, S., Jamalov, N., Ibrayeva, A., & Mukhambetkaliyeva, G. (2019). Optimal structural synthesis of agricultural legged robot with minimal damage on soil. In E3S Web of Conferences (Vol. 135, p. 01027). EDP Sciences.
7. Ibrayev, S., Imanbayeva, N., Rakhmatulina, A., Sakenova, A., & Ibrayeva, A. (2024, August). Investigation of the Kinetostatics and Stress-Strain State of the Links of the im Exoskeleton of the Lower Limb. In IFToMM Asian conference on Mechanism and Machine Science (pp. 315-323). Cham: Springer Nature Switzerland.
8. Ibarayev, S., Omarov, B., Amanov, B., Ibrayeva, A., & Momynkulov, Z. (2024, August). Deep Surrogate Network Enhancement of Non-dominated Sorting Genetic Algorithms for Improved Multi-objective Optimization. In IFToMM Asian conference on Mechanism and Machine Science (pp. 256-266). Cham: Springer Nature Switzerland.
9. Ibrayev, A., Ibrayeva, A., & Akhmedov, D. (2016). Development of Methods and Algorithms to Improve the Accuracy of Inertial Navigation and Global Positioning Systems for Vehicles. Indian Journal of Science and Technology, 9, 44.
10. Ibrayev, S., Imanbayeva, N., Rakhmatulina, A., Sakenova, A., & Ibrayeva, A. (2024, August). Investigation of the Kinetostatics and Stress-Strain State of the Links of the im Exoskeleton of the Lower Limb. In IFToMM Asian conference on Mechanism and Machine Science (pp. 315-323). Cham: Springer Nature Switzerland.
11. Kabdoldina, A., Ualiyev, Z., Ibrayev, S., Jamalov, N., Ibrayeva, A., Tuleshov, Y., ... & Uaissov, B. (2023). The Use of Technologies for Stabilizing the Electrophysical Characteristics of Sensor Structures Used in The Development and Manufacture of Measuring Transducers. Eastern-European Journal of Enterprise Technologies, 121(5).
12. Ibrayev, S., Ibrayeva, A., Rakhmatulina, A., Ibrayeva, A., Amanov, B., & Imanbayeva, N. (2023). Multicriteria optimization of lower limb exoskeleton mechanism. Applied Sciences, 13(23), 12781.
13. Ibrayev, S., Ibrayeva, A., Jamalov, N., & Patel, S. H. (2022). Optimization of the Walking Robot Parameters on the Basis of Isotropy Criteria. IEEE Access, 10, 113969-113979.
14. Ibrayev, S., Ibrayeva, A., Jamalov, N., Ibrayev, A., Ualiyev, Z., & Amanov, B. (2024). Optimal synthesis of walking robot leg. Mechanics Based Design of Structures and Machines, 52(5), 2639-2659.
15. Omarov, B., Ibrayev, S., Ibrayeva, A., Amanov, B., & Momynkulov, Z. (2024). Optimal Leg Linkage Design for Horizontal Propel of a Walking Robot Using Non-dominated Sorting Genetic Algorithm. IEEE Access.
16. Ibrayev, S., Omarov, B., Ibrayeva, A., Momynkulov, Z. (2024). Deepsurnet-NSGA II: deep surrogate model-assisted multi-objective evolutionary algorithm for enhancing leg linkage in walking robots. Computers, Materials & Continua, 81(1), 229-249. https://doi.org/10.32604/cmc.2024.053075
17. Ibrayev, S., Imanbayeva, N., Rakhmatulina, A., Sakenova, A., & Ibrayeva, A. (2024, August). Investigation of the Kinetostatics and Stress-Strain State of the Links of the im Exoskeleton of the Lower Limb. In IFToMM Asian conference on Mechanism and Machine Science (pp. 315-323). Cham: Springer Nature Switzerland.
18. Ibarayev, S., Omarov, B., Amanov, B., Ibrayeva, A., & Momynkulov, Z. (2024, August). Deep Surrogate Network Enhancement of Non-dominated Sorting Genetic Algorithms for Improved Multi-objective Optimization. In IFToMM Asian conference on Mechanism and Machine Science (pp. 256-266). Cham: Springer Nature Switzerland.
19. Ibrayev, S. M., & Jamalov, N. K. (2002). Approximate synthesis of planar Cartesian manipulators with parallel structures. Mechanism and machine theory, 37(9), 877-894.
20. Sayat Ibrayev, Batyrkhan Omarov, Bekzat Amanov, and Zeinel Momynkulov. Development of a Deep Learning-Enhanced Lower-Limb Exoskeleton Using Electromyography Data for Post-Neurovascular Rehabilitation. Engineered Science, http://dx.doi.org/10.30919/es1269
21. Евразийский патент на изобретение №040808. Многофункциональный робот-дезинфектор. Тулешов А.К., Джамалов Н.К., Ибраев С.М., Сейдахмет А.Ж., Абдураимов А.Е., Канапия М.О., Иманбаева Н.С., Рахматуллина А.Б., Толебаев Н.С. Заявитель и патентообладатель ИММаш им. У.А. Джолдасбекова, выдано 29.07.2022.