AQLLI KO‘CHAT EKISH MASHINASI – YASHIL KELAJAK UCHUN INNOVATSIYA

Dadajonov Baxtiyorjon Akramovich; Abdubannopov Abdulatif Abdulxaq o‘g‘li

doi:10.56292/SJFSU/vol31_iss6/a266

Авторы

Dadajonov Baxtiyorjon Akramovich

Farg‘ona davlat texnik universiteti

https://orcid.org/0009-0009-7528-9834
Abdubannopov Abdulatif Abdulxaq o‘g‘li

Farg‘ona davlat texnik universiteti

https://orcid.org/0009-0001-3653-0754

DOI:

https://doi.org/10.56292/SJFSU/vol31_iss6/a266

Ключевые слова:

SmartPlant, умная машина для посадки саженцев, Приаралье, экология, опустынивание, искусственный ин-теллект.

Аннотация

Экологические проблемы в регионе Аральского моря, включая опустынивание, снижение плодородия почв и сокращение биоразнообразия, представляют серьезную угрозу устойчивому развитию. Традиционные методы ручной посадки саженцев требуют значительных затрат времени и ресурсов, при этом большинство саженцев не приживаются в суровых климатических условиях. Для решения этих проблем был разработан стартап-проект «SmartPlant – Умная машина для посадки саженцев». Устройство основано на искусственном интеллекте и автоматизированных системах, которые анализируют влажность почвы, её химический состав и климатические условия, обеспечивая оптимальные места для посадки. Кроме того, машина осуществляет мониторинг высаженных саженцев, отслеживая процесс укоренения и роста, что повышает эффективность. Данный инновационный подход способствует восстановлению окружающей среды, снижению процессов опустынивания и расширению зеленых территорий. В конечном итоге проект имеет важное значение не только для Приаралья, но и для обеспечения экологической устойчивости во всем Центральноазиатском регионе

Биографии авторов

Dadajonov Baxtiyorjon Akramovich, Farg‘ona davlat texnik universiteti

Farg‘ona davlat texnik universiteti Mexanika-mashinasozlik fakulteti “Transport vositalari muhandisligi kafedrasi” Katta o‘qituvchisi
Abdubannopov Abdulatif Abdulxaq o‘g‘li, Farg‘ona davlat texnik universiteti

Farg‘ona davlat texnik universiteti Mexanika-mashinasozlik fakulteti “Transport vositalari muhandisligi kafedrasi” assistant

Библиографические ссылки

1.FAO. (2024). The State of Food and Agriculture 2024: Innovation in agrifood systems. https://www.fao.org

2.Kamilaris, A., & Prenafeta-Boldú, F. X. (2018). Deep learning in agriculture: A survey. Computers and Elec-tronics in Agriculture, 147, 70–90. https://doi.org/10.1016/j.compag.2018.02.016

3.Zhang, M., et al. (2022). Machine vision-based weed detection and classification. Computers and Electron-ics in Agriculture, 196, 106885.

4.Alahi, M. E. E., & Mukhopadhyay, S. C. (2018). Plant disease detection using smart sensors. Springer.

5.Liu, B., et al. (2020). Real-time plant disease detection using CNN. IEEE Access, 8, 135558–135569.

6.Jayasundara, D. M., et al. (2023). AgroAI: AI model for plant and soil health. Agricultural Systems, 210, 103599.

7.Mohanty, S. P., Hughes, D. P., & Salathé, M. (2016). Using deep learning for image-based plant disease de-tection. Frontiers in Plant Science, 7, 1419.

8.Sladojevic, S., et al. (2016). Deep neural networks for plant disease detection and diagnosis. Computers and Electronics in Agriculture, 124, 93–99.

9.Koirala, A., et al. (2019). Deep learning for fruit detection and counting: A review. Computers and Electronics in Agriculture, 162, 219–234.

10.Ferentinos, K. P. (2018). Deep learning models for plant disease detection. Computers and Electronics in Agriculture, 145, 311–318.

11.Deng, L., et al. (2021). Weed recognition using CNN. Sensors, 21(4), 1293.

12.Zhang, Y., et al. (2020). Automatic weed detection using UAV imagery and deep learning. Remote Sens-ing, 12(1), 25.

13.Islam, M., et al. (2021). IoT-based smart agriculture. Sensors, 21(19), 6758.

14.Verma, R., et al. (2020). Agriculture 4.0: AI-based solutions. International Journal of Scientific & Technology Research, 9(2), 3473–3476.

15.Davis, S. C., et al. (2019). Soil fertility monitoring using sensors. Journal of Precision Agriculture, 20, 223–235.

16.Khodjaev, B. (2021). O‘zbekiston sharoitida o‘simlik kasalliklarini aniqlash usullari. Agrar fanlar jurnali, 3(9), 15–21.

17.Shavkatov, A., & Karimov, I. (2021). IoT texnologiyalari va kichik dehqonchilik. O‘zbekiston agrar fanlari jurnali, 4(12), 35–41.

18.Yang, G., et al. (2020). Crop monitoring using drones and AI. Computers and Electronics in Agriculture, 174, 105499.

19.Kussul, N., et al. (2017). Deep learning for plant stress detection. IEEE International Geoscience and Re-mote Sensing Symposium (IGARSS), 5469–5472.

20.Bekchanova, M. T. (2022). Raqamli texnologiyalar va fermer xo‘jaliklari. Innovatsion qishloq xo‘jaligi, 3(7), 17–23.

21.Al-Kodmany, K. (2018). Smart farming: Global trends. International Journal of Agricultural Research, 13(2), 76–92.

22.Singh, A., et al. (2019). Edge computing in agriculture: A review. IEEE Access, 7, 156999–157014.

23.Whelan, B., & McBratney, A. B. (2003). Precision agriculture: Rationale and developments. International Journal of Applied Earth Observation and Geoinformation, 4(1), 1–9.

24.FAO & ITU. (2022). Digital Agriculture: Technology Briefs for Sustainable Rural Development.