КОНТРОЛЬНАЯ РАБОТА По дисциплине «Цифровые технологии в агрономии» Вопросы.

10. Умное землепользование.
11. Искусственный интеллект.
12. Программы для мониторинга сельскохозяйственной техники в режиме онлайн.
13. Умное землепользование.

Умное землепользование – интеллектуальная система (искусственный интеллект, нейронные сети, пространственное моделирование и др.), осуществляющая в автоматизированном режиме сбор, анализ, обновление информации о состоянии почвенных и земельных ресурсов территории, разрабатывающая рекомендации по оптимальному (ландшафтно-адаптивному) размещению посевов сельскохозяйственных культур, нарезке полей, размещению севооборотов, агротехнологиям возделывания культур, автоматизированную оценку земельных участков (в том числе кадастровую), контроль и мониторинг функционирования и эффективности систем землепользования и адаптивно-ландшафтного земледелия, их воздействия на окружающую среду и сельский социум. Широкое понятие умного землепользования, включает несколько важных составляющих. Для дистанционного отслеживания и управления доходами, затратами и другими метриками фермеры могут использовать мобильные приложения. Чувствительные полевые датчики продемонстрировали свою полезность как аппаратные и программные технологии. А интеллектуальное геопозиционирование (GPS) позволило сделать фермерскую практику еще рациональнее. Не стоит сбрасывать со счетов и коммуникационные технологии. Телематика (способ передачи данных на большие расстояния), расширенный инструментарий и платформы для анализа информации стали основным пунктом умного сельского хозяйства. Эти технологии совершенствуются с каждым кварталом. В результате этого интеллектуальное фермерство также становится более развитым. Северная Америка остается лидеромрынка. В начале этого года Северная Америка с рынком франчайзинга в сельском хозяйстве стоимостью 5000 миллионов долларов стала явным мировым лидером в этой отрасли. К 2026 году среднегодовой темп роста этого рынка будет варьировать в пределах 10% и в итоге достигнет отметки в 16 миллиардов долларов. Тем не менее, лидерами станут азиатские рынки Тихого океана (за исключением Японии). Их среднегодовой темп роста составит 13,7%. В странах Латинской Америки прирост технологического сельского хозяйства будет составлять более 12%. Так же быстро с точки зрения роста стандартов развивается интеллектуальное земледелие в странах Европы, Ближнего Востока и Африки. Интеллектуальное       управление          орошением. Сельскохозяйственная отрасль потребляет около 70% от общего объема пресной воды в мире. Это, в свою очередь, подчеркивает важность оптимизации управления ирригационными технологиями и сокращения потерь водных ресурсов. По данным OnFarm, умное сельское хозяйство помогло снизить общее количество воды для орошения фермы на целых 8%. Технологии позволили также сократить энергозатраты почти на 6 долларов. Были достигнуты успехи и в плане снижения стоимости удобрений. В среднем, благодаря умному сельскому хозяйству урожайность увеличилась почти на 2%, и эта цифра, как ожидается, будет расти в ближайшие 8-10 лет. Примечание: В Соединенных Штатах средний урожай зерновых на гектар составляет 7340 кг. Это практически вдвое превышает средний мировой показатель (3850 кг). Автоматизированные системы для ведения умного сельского хозяйства В период с 2017 по 2022 год во всем мире прогнозируется всплеск популярности автоматизированных систем и технологий для умного сельского хозяйства. В частности, росту этой отрасли будут способствовать система VRT (технология с переменной скоростью) и GPS-приемники. В то же время, не менее востребованны среди фермеров будут интеллектуальные системы рулевого управления и наведения. Использование передового оборудования на сельскохозяйственных землях позволит минимизировать затраты, повысить качество и урожайность. По мнению экспертов из области техники, постоянное совершенствование стандартов систем автоматизации и управления играет жизненно важную роль в развитии умного сельского хозяйства. Рост  инвестиций. Очевидные преимущества сельского хозяйства объясняют повышение интереса к нему среди инвесторов. В 2016 году CropX (американская компания по выпуску фермерских смарт-технологий) инвестировала средства в Lab IX и Robert Bosch Venture Capital GmbH. Многие известные производители сенсорных устройств разрабатывают индивидуальные программы и оборудование для отслеживания в соответствии с точными характеристиками, размерами и требованиями конкретной фермы. Значимым примером высокопрофессиональных партнерских отношений между различными компаниями, задействованными в общей цепи разработок интеллектуального сельского хозяйства, является сотрудничество между Trimble Navigation и Avidor High Tech France, Precision AG и Agrinetix (в ноябре 2016 года). Корпорации готовы вкладывать средства в разработку сельскохозяйственных технологий, зная, что доход может быть в разы больше. Беспилотные транспортные средства. В «связанных фермах» дроны (или беспилотные транспортные средства) играют важную роль в сборе данных об урожае и общем наблюдении за земледелием. За последние пару лет немало компаний-поставщиков сельскохозяйственных технологий стали использовать беспилотники в своей работе. Этот факт еще раз подтверждает популярность и пользу дронов в интеллектуальном фермерстве. Относительно недорогая стоимость и легкая управляемость беспилотных транспортных средств позволяет использовать их в качестве ключевого звена ведения умного сельского хозяйства с поддержкой интернет вещей. Основной функцией дронов является получение изображений с полей. Они смогли повысить не только объем, но и точность данных фермерского хозяйства, поэтому принятие решений стало более осознанным и рациональным. Понимание разумных сельскохозяйственных          экосистем. Потребителями интеллектуальных технологий ведения сельского хозяйства являются, конечно же, фермеры и руководители ферм. А технологические провайдеры являются «поставщиками». Они отвечают за разработку инновационных программных или мобильных приложений, инструментов M2M, датчиков и устройств слежения, каналов связи, средств анализа данных и других интеллектуальных решений для пользователей. Среди них особенно важны заинтересованные производители, например, Джон Дир, который предоставляет тракторы, комбайны и опрыскиватели, а также «влиятельные» (которые способны повлиять на принятие решений, в том числе и на ценообразование). С развитием технологий интеллектуальное сельское хозяйство становится все более диверсифицированным. Поэтому в последние несколько кварталов представители различных отраслей (розничная торговля, финансы, химическая промышленность, машиностроение и т.д.) присоединяются к экосистеме. Рост  возможностей. Потребление Интернет вещей быстро набирает популярность. Поэтому на плечи владельцев фермерских хозяйств ложится ответственность за понимание, доступ и реализацию этого «интеллекта» в их повседневной практике ведения сельского хозяйства (например, тракторах или ирригационных системах). Партнерство между Dacom и Orange Business Services показало, что у ведущих мобильных операторов есть значительные ресурсы для сотрудничества с производителями сельскохозяйственного оборудования. Аналогичным образом владельцы платформ M2M могут заключить взаимовыгодные сделки с производителями сенсорных устройств (учитывая важность встроенных SIM-карт в датчиках, которые будут использоваться в сельских районах). В обозримом будущем аппаратные и программные сегменты рынка станут более утонченными. В конечном итоге это приведет к повышению производительности, устойчивости, надежности и оптимизации сельского хозяйства.  

15. 1 Искусственный интеллект.

  Современное сельское хозяйство — это огромная отрасль. Чтобы накормить миллиарды людей, нужно много земли, и обработать её вручную в наше время уже, конечно, невозможно. Болезни растений и нашествия насекомых часто приводят к неурожаям, а при современных масштабах сельского хозяйства такие нашествия сложно вовремя выявить и нейтрализовать в зародыше. Это важная область, где могут помочь алгоритмы компьютерного зрения. Растениеводы используют компьютерное зрение для распознавания заболеваний культур: как на микроуровне, по снимкам листьев и растений крупным планом, так и на макроуровне, выявляя ранние признаки заболеваний растений или распространения вредителей по данным аэрофотосъёмки. Все эти проекты обычно основаны на основном современном подходе к компьютерному зрению: сверточных нейронных сетях (convolutional neural networks, CNN). Заметим, что речь здесь идёт о компьютерном зрении в очень широком смысле. Во многих случаях фотографии — отнюдь не лучший источник данных, и многие важные аспекты жизни растений лучше изучать другими способами. Зачастую состояние растений можно лучше понять, например, собирая при помощи специальных датчиков гиперспектральные изображения или выполняя лазерное трехмерное сканирование; такие методы всё чаще используются в агрономии. Данные такого рода обычно имеют высокое разрешение и по своей природе ближе к медицинским снимкам, чем к фотографиям; одна из систем наблюдения за посадками прямо так и называется — AgMRI. Для обработки этих данных нужны специальные модели, но их пространственная структура позволяет применять современные технологии компьютерного зрения, в частности сверточные нейронные сети. Недавно 37 миллионов долларов были вложены в создание Исследовательского центра фенотипирования и обработки изображений растений (Plant Phenotyping and Imaging Research Centre) в Университете Саскачевана (Saskatchewan). Это целая организация, основная задача которой — сбор больших наборов данных о культурах (обычно в виде фотографий или описанных выше трёхмерных изображений) и сопоставление данных о фенотипе с генотипом растений; результаты таких проектов можно использовать для совершенствования сельскохозяйственных технологий во всем мире.  

32. Основные направления цифровой трансформации сельского хозяйства.
33. Цифровые технологии в управлении АПК — создание и внедрение аналитических инструментов и специализированных баз данных для программного, аппаратного и информационного обеспечения управления АПК. 2. «Умное» землепользование — создание и внедрение интеллектуальнои системы планирования и оптимизации агроландшафтов и использования земель в сельскохозяи ственном производстве на разных уровнях обобщения (поле, хозяи ство, муниципалитет, субъект РФ, страна, зарубежные территории), функционирующеи на основе цифровых, дистанционных, геоинформационных технологии и методов компьютерного моделирования. 3. «Умное» поле — обеспечение стабильного роста производства сельскохозяйственной продукции растениеводства за счет внедрения цифровых технологий сбора, обработки и использования массива данных о состоянии почв, растений и окружающей среды. 4. «Умный» сад — не менее 90 % площадей многолетних насаждений в оцифрованном виде в единой геоинформационной системе; не менее 70 % площадей промышленных садов должны быть обеспечены средствами сбора данных о состоянии почв, растений и окружающей среды; не менее 50 % площадей промышленных садов должны быть покрыты сетью передачи данных для обеспечения сбора Больших Данных ; не менее 70 % мобильных технических средств будут оснащены системами мониторинга и включены в единую геоинформационную систему; не менее 30 % технических средств будут роботизированными. 5. «Умная» теплица — разработка современной комплексной технологии «Умной» теплицы, базирующейся на применении интернета вещей для производства продуктов питания, обеспечение стабильного роста производства продукции растениеводства в защищенном грунте, получение высококонкурентных субстратов и удобрений, отечественных инновационных систем (микроклимат, освещение, эффективное энергоснабжение, универсальный модуль, питание, автономность и др.) для закрытого грунта, методов контроля качества продукции, увеличения питательной ценности овощей. 6. «Умная» ферма — создание цифровых технологий, обеспечивающих независимость и конкурентоспособность отечественного животноводческого комплекса; создание и внедрение технологий повышения молочной продуктивности животных до 13 000 16 л/год; снижение уровня заболеваемости коров маститом и следовательно снижение затрат на антибиотики; создание и внедрение технологий автономного производства (без оператора), энергоэффективности и энергомобильности в «Умной ферме»; создание безопасных и качественных, в том числе функциональных, продуктов питания. 7. Сквозные технологии и формирование исследовательских компетенций — Минсельхозу России в сотрудничестве с Миннауки России и РАН целесообразно создать отраслевую платформу, которая обеспечит обсуждение задач по развитию цифровизации АПК, проведение и координацию исследовательских и образовательных программ, осуществление пилотных и бизнес-проектов. развивать следующие сквозные технологии:- интернет вещей;- RFID –технологии;- нейронные сети;- большие данные;- искусственный интеллект;- новые производственные технологии;- сенсорика и компоненты робототехники;- технологии Blockchain;- бесконтактные и дистанционные технологии. Разработчики Концепции Цифровизации СХ РФ считают, что основными научнотехническими проблемами цифрового точного земледелия в России, как сегмента цифровизации отрасли, являются: — игнорирование отечественных, научно-обоснованных системных решений, базовых платформ, учитывающих особенности российских реалий. В результате имеет место применение зарубежных технологий (Trimble, D. Deere). — научные учреждения (НИИ), учебные заведения, проектные организации, специализирующиеся на разработке точного земледелия, разобщены и имеют различную ведомственную подчиненность (ФАНО, Минобрнауки, Минсельхоз, Минпромторг, Минтранс). — предприятия разработчики (госбюджет) и производители оборудования (субсидии государства) и аппаратно-программных средств (платформ) не обеспечивают (на заинтересованы) в эффективном внедрении и применении технологий и комплексов (Роскосмос, Минпромторг, Минтранс, Минсельхоз России). — требуется совершенствование методик и учебных программ. ориентированных на аграрных сектор экономики, а также развитие учебных центров в регионах. — предстоит серьезная кадровая переподготовка. 17 — проект цифрового точного земледелия требует комплексных научных исследований и координации в целом: наука – бизнес – госструктуры. Стоит также указать на кооперацию научных учреждений, участвующих в разработке ЦТЗ: 1. Российская Академия Наук – научная координация по разработке проекта ЦТЗ 2. ФГБНУ «Федеральный научный агроинженерный центр ВИМ» (ФГБНУ ФНАЦ ВИМ) – организация разработки высокоэффективных платформы с/х машин, с/х авиации, в том числе, беспилотных авиационных систем, технологических комплексов и узлов. Внедрение механизмов государственно-частного партнерства. 3. Исполнители по направлениям: Институт проблем управления РАН – научные исследования, головной и научный разработчик проекта Цифрового точного земледелия. Всероссийский институт защиты растений (ВИЗР) – методология защиты растений от болезней, вредителей и сорняков, алгоритмическое обеспечение сбора и анализа данных. Институт прикладной математики им. М.В. Келдыша – разработка математической модели системы ЦТЗ и ее компонентов. Сельскохозяйственная академия им. К.А. Тимирязева – проведение экспериментальных проверок комплексов и разработка методик учебного процесса для подготовки специалистов. Московский физико-технический институт (МФТИ) – Программно-алгоритмическое обеспечение информационно-аналитических центров ЦТЗ. Взаимодействие программных приложений на вычислительном кластере в «облаке». 18 Предлагаемая кооперация охватывает углубленные исследования на всех этапах жизненного цикла проекта. Кооперация проектных организаций, участвующих в разработке ЦТЗ: 1. ООО «ГИНУС» – развитие проекта «Система точного земледелия» исполнитель госконтракта с Минпромторгом по ФЦП «ГЛОНАСС» 2012-20120 годы), в том числе: комплекс ИАДЦ, комплекс оперативного мониторинга, системная интеграция проекта, организация испытаний в пилотной зоне; 2. ГБНУ «НИИ Аэрокосмос» — комплексный мониторинг полей на всех стадиях жизненного цикла растений; 3. ОАО «РИРВ» и АО «КБ НАВИС» – навигационная аппаратура СНС «ГЛОНАС» и функциональные дополнения. Исполнитель ОКР «Геодезия 2015» ФЦП «ГЛОНАСС» 2012-2020 года; 4. ЗАО «Институт телекоммуникаций» – система управления с/х авиацией. Исполнитель ОКР «Авиа-поле» ФЦП «ГЛОНАСС» 2012-2020 года; 5. ЗАО «Сатис-Софт» – разработка ПО, на основе базовой платформы ИАДЦ; 6. ОАО «Концерн радиостроения «Вега» — радиометры и большие БПЛА; 7. ООО «ЦентрПрограммСистем» — ПО управления с/х предприятием; 8. ИПУ РАН – мобильное приложение производственно-хозяйственной деятельностью агропредприятия; 9. ЗАО «Логус» (г. Воронеж)- экспериментальное агропроизводство по видам культур; 10. ОАО «РусАгро» – комплексное экспериментальное агропроизводство в различных регионах (Белгородская область, Приморский край). Состав кооперации должен позволять проводить разработку комплексов проекта и испытания в пилотных зонах. Согласно данной концепции, система цифровизации сельхозпроизводства имеет следующую структуру (рис. 1) и архитектуры информационно-аналитического и диспетчерского центра (рис. 2) 19 Рис.1: Структура системы ЦСХП (Цифровизации сельского хозяйства) и входящих центров, комплексов, предприятий, объектов 1) Стратегическое планирование и обеспечениие 2) 3) Господержка Федеральный уровень Министерства и ведомства) Региональный уровень (субъекты Федерации) Уровень агропроизводства (район) Информационный аналитический центр Минсельхоза Росгидромет Росинформсвязьнадзор Центр инфрастр фед. оператора навигационных систем Росагромаш и др. Уровень Потребителей с/х продукции Центр СДКМКФД 1)Региональное планированиеи регулирование ресурсов 2)Развитие инфраструктуры Аналитический центр ГИС-АГРО Областная гидро-метео служба Операторы инф. услуг РНИС Авия/сх предприятия Хим. лаборатория Сервисный и учебный центр CTЗ Центр сети (РТК) . Переработка иформации 1Оперативное планирование 2Мониторинг со. стояния земель 3 Картирование 4 Учет севоборота 5 База данных ПО сельхозмашин 6 Управление с/х машинами 7Анализ агропроизводства 8Отчетность С/х машины, оборудование и комплексы автоматизации Агрохолдинг Агрохолдинг Agrarunternehmen Агропредприятие Агропредприятие Ферм. хозяйство Агропредприятие Фермерское хозяйство БПЛА Автолаборатории Комплекс логистики Operatives Monitoring Центр оперативного управления агропроизводства Информационноаналитический центр Базовая Станция ДК Пункты приёма и продажи с/х продукции Семенной фонд Склады, хранилища, холодильники Элеваторы Производство и переработка с/х продукции Транспортные терминалы УРОВНИ ЗАДАЧИ Удобрения ГСМ СТРУКТУРА Росагролизинг Нормативно правовое обесппечение Ферм. хозяйство Процесс производства Ферм. хозяйство Лизинговый центр с/х машин и оборудования 20 Рис. 2: Информационно-аналитический, диспетчерский центр ЦСХП (аппаратно-программный комплекс – АПКЦ) итический, диспетчерский центр ЦСХП (аппаратно-программный комплекс – АПКЦ) Геоинформационная подсистема Подсистема мониторинга состояния земель сельскохозяйственного Назначения, посевов, с/х продукции Подсистема планирования с/ работ Подсистема планирования работы грузовой / техники Подсистема управления складами с/х продукции, удобрений, материалов Телематическая платформа Подсистема управления движением грузового транспорта и вспомогательной техники Подсистема связи интеграции, администрирования и мониторинга функционирования Подсистема анализа и прогнозирования Подсистема информационной безопасности Подсистема управления бизнес процессами организации Подсистема обслуживания парка техники и управления автопредприятием Сеть высокоточной навигации, в т.ч. RTK Бортовые системы транспортных средств с/х техники агрегатов (Навигация, связь, оборудования и центра обработки данных) РНИС Системы кадастрового учета Системы гидрометеоцентра Системы информационных центров ДЗЗ Региональный уровень Федеральный уровень Пользователи Региональная метеослужба С/Х АВИА Ситуационный центр мониторинга продовольственной безопасности Минсельхоза доступ Общесистемные компоненты Региональный ситуационный центр АПКЦ Информационноаналитический диспетчерский центр Пользовательский уровень МЕТЕО Федеральные ГИС БД ГИС АГРО НВ ОБЕСПЕЧЕНИЕ ГЛОНАСС ПУНКТЫ ПРИЁМА И ПЕРЕРАБОТКИ С/Х ПРОДУКЦИИ КОМПЛЕКС ОПЕРАТИВНОГО МОНИТОРИНГА БПЛА И АВТОЛАБОРАТОРИЙ БС БД ГИС БД Кадастр агрохимия, севобороты БД почв посевы урожайность ССПД региона GSM, WiFi, УКВ) Инженерные системы, , СКС СКУД, Энергоснабжение, Охлаждение, Вентиляция, Пожаротушение и сигнализация С/Х машины , работающие в СТЗ, оснащенные датчиками параметров движения и техническими параметрами с/х машин Трактора с навесным оборудованием Комбайны Прицепное оборудование Опрыскиватели, сеялки, разбрасыватели Навигация, курсоуказатели, подруливающие устройства, автопилоты и др. в т. ч. Аппаратно-программный комплекс бортового оборудования сельхозмашин — АПКБ Программы управления с/х техникой 21 Рис. 3: Блок-схема ЦСП предприятия МОНИТОРИНГ. Обеспечение: 1. Аппаратное 2. Программное 3. Математическое 4. Инфраструктурное Модели продукционного процесса по отдельным с/х культурам: — Банк знаний — Банк моделей — База данных — Детерминированные и случайные модели — Критерии оценки: урожайность, экономические показатели Выработка управления, выбор технологий и технических средств с учётом моделей ПП и экологическитехногенных ограничений Диспетчерский центр Агропредприятия — Наземные мобильные РТК — Стационарные РТК — Беспилотные транспортно-логистические системы — Искусственные экосистемы — Средства электрофизического воздействия на растения и с/х продукцию • Геоинформационная БД • Технические средства: — БПЛА — Аэрофотосъемка — Спутниковая связь — Распределенная система датчиков состояния почвы и растений — Информационно-аналитические системы Исполнение управления — выполнения с/х операций: БПЛА Наземные мобильные РТК Стационарные РТК Беспилотные транспортно-логистические системы Искусственные экосистемы Средства электрофизического воздействия на растения и с/х продукцию 22 Рис. 4: Алгоритм поддержки принятия решения по управлению СХ предприятием Рис. 5: «Круглый стол» программных агентов 23 Анализ мирового тренда развития МЭС различного назначения показывает, что в них интенсивно применяются автоматизированные электрические привода (на асинхронных, синхронных и вентильно-идукционных двигателях, двигателях постоянного тока). На сегодня это направление характеризуется применением десятков миллионов электрических машин. Интеллектуализация мобильных средств АПК требует их дальнейшего развития, в том числе применение по всему спектру систему машин и технологий автоматизированных энергоэффективных электроприводов. Масштабная интеллектуализация и роботизация мобильных энергетических и транспортно-технологических средств АПК позволит на ближайшие 5-10 лет существенно повысить урожайность, производительность труда и экологическую безопасность, а также снизит потери урожая и расхода энергии и материалов в 2,5 – 3 раза. Безусловно применение современных автоматизированных силовых приводов на мобильных и стационарных технических средствах сельхоз назначения дает существенных экономический эффект по сравнению с существующими традиционными- гидравлическими, пневматическими, механическими. Например, применение автоматизированных электроприводов на технологических агрегатах комбайна «Торум» (производства «Ростсельмаш») по расчетам специалистов, даст экономический эффект около 400 – 450 тыс. рублей за уборочный сезон. Рис. 6: «Преимущества применения электропривода на СХ машинах» Для нужд АПК необходимо разрабатывать роботы, оснащенные специальными движителями с минимальным давлением на почву, захватными устройствами, алгоритмами управления, высокочувствительными датчиками в пыле- и 24 влагозащитном исполнении, искусственным интеллектом и системой технического зрения. Важной проблемой роботов в АПК является их надежность. Поэтому в их структуру должна входить система самодиагностики. В результате рассмотрения проблем интеллектуализации МЭС в качестве принципиального признака выделена замена кинематических связей информационными параметрами в том числе применение алгоритмов и определений нечеткой логики. Предложена 4-х степенная классификация интеллектуальных мобильных энергосредств по объему применения мехатронных модулей для решения энерготехнологических задач (рис. 7). Рис. 7: 4-х степенная классификация интеллектуальных МЭС Также при создании роботизированных МЭС важным является выбор единой программной платформы – стандарты (протоколы) обмена. В настоящее время наиболее распространенным стандартом взаимодействия мобильного и транспортного средства с навесным оборудованием является протокол ISOBUS. На протяжении последних десятилетий ISO-11783 (ISOBUS) является де-факто стандартом обмена информацией между тракторами и их сельхозорудиями различных марок. Создан Фонд электроники сельскохозяйственной 25 промышленности (AEF) для внедрения и дальнейшего совершенствования ISOBUS. Но со временем его работа расширилась и включает в себя другие важные области, такие как силовые электрические приводы, системы видеонаблюдения, системы позиционирования, информационные системы управления фермой, высокоскоростная беспроводная связь, выработка управленческого решения и передача её на уровень ISO. Примеры применение роботизированных МЭС приведены ниже. Рис. 8: Технология точного земледелия — сев лука по сигналу GPS-ГЛОНАСС, Московская обл., ЗАО «Озеры» Рис. 9: ЗАО «Озёры». Общая площадь землепользования в хозяйстве составляет 5017 га. Для производства и хранения продукции применяется современная высокопроизводительная роботизированная техника 26

   

Тест

  Вариант 9

Искусственный интеллект

• технология создания умных программ и машин, которые могут решать творческие задачи и генерировать новую информацию на основе имеющейся.
• совокупность методов и средств практического решения инженерных задач с помощью компьютерной техники и прикладных информационных технологий, среди которых особое место занимают системы автоматизированного проектирования.
• дискретная система, которая базируется на способах кодирования и трансляции информационных данных, позволяющих решать разнообразные задачи за относительно короткие отрезки времени.

 

В России была создана Глобальная навигационная спутниковая система (ГЛОНАСС) в :

• 1995 г.
• 2002 г.
• 2004 г.
• 2010 г.

Какие показатели отражает специальное оборудование, установленное на современную уборочную технику

• урожайность
• влажность зерна
• массу собранного зерна
• содержание NPK почвы
• обработанную площадь