Сіньфа В. .. Екологічне обгрунтування оптимальних параметрів роботи штучного освітлення теплиці на основі моделі росту рослин

English version

Дисертація на здобуття ступеня доктора філософії

Державний реєстраційний номер

0823U101715

Здобувач

Спеціальність

  • 133 - Галузеве машинобудування

Спеціалізована вчена рада

3417

Сумський національний аграрний університет

Анотація

Дисертація присвячена вирішенню актуальної науково-технічної проблеми в галузі механізації та автоматизації сільськогосподарського виробництва в сучасному аграрному виробництві: розробці інноваційної багатофакторної технології точного регулювання та оптимізації мікроклімату в теплицях штучного освітлення з метою покращення комплексного використання ресурсів та зниження собівартості промислового виробництва сільськогосподарських культур. Щоб відповідати вимогам енергозбереження та охорони навколишнього середовища і не залежати від зовнішніх кліматичних та земельних обмежень, найкращим варіантом є будівництво заводу з виробництва рослин зі штучним освітленням у закритій та ізольованій камері. Після досліджень ми взяли на себе ініціативу запропонувати концепції сучасних будівельних теплиць та інтелектуальних будівельних теплиць, а також рекомендували будувати заводи зі штучним освітленням у міських районах та будувати більш масштабні заводи інтелектуальних будівельних теплиць для поліпшення будівельних характеристик рослинних заводів, забезпечуючи тим самим постійне використання та довгострокове виробництво та експлуатацію. Міська інтелектуальна фабрика рослин - це високоінтенсивна сучасна система сільськогосподарського виробництва, яка може постійно забезпечувати найбільш сприятливе середовище для росту рослин і досягати якісного та ефективного виробництва рослинної продукції за допомогою точних методів екологічного регулювання, а також механізації, автоматизації, оцифрування, інтелекту, індустріалізації та заводських технологій. Більше того, цей метод виробництва може прийняти операційну модель "місцеве виробництво, місцеві продажі", безперервно виробляючи органічну, зелену, чисту, екологічно чисту та свіжу рослинну продукцію протягом усього року, покращуючи рівень життя людей, забезпечуючи безпеку "овочевого кошика" та продовольчу безпеку. Це дуже важливо і для сучасної України, і для Китаю, і навіть для всіх країн світу. Об'єкт дослідження - теорії та методи побудови моделей росту рослин на основі алгоритмів глибокого навчання; загальний склад, програмна архітектура та перспективи розвитку фабрики штучного освітлення рослин; прийоми та методи механізації, автоматизації та інтелектуального регулювання і оптимізації середовища рослинництва. Предмет дослідження - проектування та розробка механізованих, інтелектуальних, індустріалізованих, заводських, ювілейних та сучасних систем виробництва рослин, які можуть бути побудовані в міських умовах, а також аналіз та дослідження їх системного складу та архітектури; дослідження теорій та методів побудови моделей росту рослин на основі IoT, технологій великих даних та алгоритмів глибокого навчання, які відрізняються від традиційних математичних алгоритмів; дослідження прийомів і методів комбінованого багатофакторного прецизійного регулювання та оптимізації середовища заводу штучного освітлення на основі моделі росту рослин. Метою роботи є створення та вдосконалення сучасних інтенсивних рослинницьких комплексів та систем, які можуть бути побудовані в міських умовах, незалежно від геокліматичних та земельних обмежень, а також дослідження теорії, закономірностей, методології та технології механізованого, автоматизованого, інтелектуального та точного управління та оптимізації росту рослин і виробничих середовищ рослинних фабрик штучного освітлення в будівлях. Кінцевою метою є вдосконалення та оптимізація стратегій регулювання навколишнього середовища за допомогою інтелектуальних та точних технологій регулювання навколишнього середовища, підвищення ефективності використання ресурсів та зниження собівартості продукції рослинного промислового виробництва.

Публікації

Wang Xinfa, Onychko Viktor, Zubko Vladislav, Zhenwei Wu & Mingfu Zhao. (2023). Sustainable production systems of urban agriculture in the future: A case study on the investigation and development countermeasures of the Plant Factory and Vertical Farm in China. Frontiers in Sustainable Food Systems, 2023,7. DOI: 10.3389/fsufs.2023.973341

Xinfa Wang, Zhenwei Wu, Meng Jia, Tao Xu, Canlin Pan, Xuebin Qi, Mingfu Zhao. (2023) Lightweight SM-YOLOv5 tomato fruit detection algorithm for Plant Factory. Sensors, 23(6),3336. DOI:10.3390/s23063336

Wang Xinfa, Zubko Vladislav, Onychko Viktor, Zhao Mingfu. (2022). Illumination screening and uniformity simulation of hydroponic lettuce in artificial light plant factory.// Вісник Сумського національного аграрного університету. Серія Механізація та автоматизація виробничих процесів, 2022, Vol. 49 No. 3, p3-10. DOI: https://doi.org/10.32845/msnau.2022.3.1

Zhenwei Wu, Minghao Liu, Chengxiu Sun, Xinfa Wang. (2023). A dataset of tomato fruits images for object detection in the complex lighting environment of plant factories, Data in Brief, 5(48).

Liu Qihang, Wang Xinfa, Zhao Mingfu, Liu Tao. (2023). Synergistic influence of the capture effect of western flower thrips (Frankliniella occidentalis) induced by proportional yellow-green light in the greenhouse. International Journal of Agricultural and Biological Engineering (IJABE), 16(1):88-94.

Lin Lu, Weirong Luo, Wenjin Yu, Junguo Zhou, Xinfa Wang & Yongdong Sun. (2022). Identification and Characterization of Csa-miR395s Reveal Their Involvements in Fruit Expansion and Abiotic Stresses in Cucumber. Frontiers in Plant Science, section Plant Bioinformatics, 13:907364.

Hongxia Zhu, Linfeng Hu, Tetiana Rozhkova, Xinfa Wang, Chengwei Li. (2023). Spectrophotometric analysis of bioactive metabolites and fermentation optimization of Streptomyces sp. HU2014 with antifungal potential against Rhizoctonia solan. Biotechnology & Biotechnological Equipment, 2023,37(1):231-242.

Jifei Zhao, Rolla Almodfer, Xiaoying Wu, Xinfa Wang. (2023). A dataset of pomegranate growth stages for machine learning-based monitoring and analysis, Data in Brief, 7(50).

Cao Zhishan, Cao Jinjun, Vlasenko Volodymyr, Wang Xinfa, & Weihai Li. (2022). Transcriptome analysis of Grapholitha molesta (Busk) (Lepidoptera: Tortricidae) larvae in response to entomopathogenic fungi Beauveria bassiana. Journal of Asia-Pacific Entomology, 101926.

Tengfei Yan, Yevheniia Kremenetska, Biyang Zhang, Songlin He, Xinfa Wang, Zelong Yu, Qiang Hu, Xiangpeng Liang, Manyi Fu, Zhen Wang. (2022). The Relationship between Soil Particle Size Fractions, Associated Carbon Distribution and Physicochemical Properties of Historical Land-Use Types in Newly Formed Reservoir Buffer Strips. Sustainability, 14(14):8448.

Схожі дисертації