ҰШАҚ МАРШРУТТАРЫН ТИІМДІЛЕУ АЛГОРИТМІН ӘЗІРЛЕУ ЖӘНЕ ЕНГІЗУ

Бұл зерттеу ұшқышсыз ұшу аппараттары (ҰҰА) үшін бағытты тиімділеу алгоритмін әзірлеуге және енгізуге бағытталған. Мақсат – қоршаған орта мен ауылшаруашылық салаларында ҰҰА-дан деректерді жинау және талдау процесін автоматтандыру үшін пайдалануға болатын жүйені құру. Жүйе Python, QGroundControl және MAVLink байланыс протоколы арқылы құрастырылған. Әзірленген жүйе қоршаған ортаны бақылау және картаға түсіру тапсырмаларының тиімділігін арттыру мақсатында ҰҰА-ның ұшу бағыттарын тиімділеуге бағытталған. Ол қоршаған орта мен ауыл шаруашылығы жерлерінің жай-күйі туралы нақты және дер кезінде ақпарат алуға мүмкіндік беретін деректерді жинау және талдау процесін автоматтандырады. Жүйені сынау нәтижелері оның нақты жағдайда жоғары тиімділігін көрсетеді. Осы зерттеудің нәтижелері ұсынылған маршрутты тиімділеу алгоритмін әртүрлі экологиялық және ауылшаруашылық жағдайларда сәтті қолдануға болатынын көрсетеді. Сондай-ақ жұмыста жүйені одан әрі дамыту оның мүмкіндіктерін кеңейту және басқа салаларда пайдалану ұсынылады.

1. Mangewa, Lazaro J., Patrick, A. Ndakidemi, and Linus K. Munishi. Integrating UAV technology in an ecological monitoring system for community wildlife management areas in Tanzania. Sustainability, 11 (21), 6116 (2019). URL: https://www.mdpi.com/2071-1050/11/21/6116.

2. Zhang, Haidong, et al. A review of unmanned aerial vehicle low-altitude remote sensing (UAV-LARS) use in agricultural monitoring in China. Remote Sensing, 13 (6), 1221 (2021). URL: https://www.mdpi.com/2072-4292/13/6/1221.

3. Mabhaudhi, T., Chibarabada, T.P., Modi, A.T. Prospects of improving agricultural and water productivity through unmanned aerial vehicles (UAVs). Agriculture, 10 (7), 256 (2020). URL: https://www.mdpi.com/2077-0472/10/7/256.

4. Xu, Y., Lan, Y., Zheng, X., & Zhang, H. Progress in agricultural unmanned aerial vehicles (UAVs) applied in China and prospects for Poland. Agriculture, 12 (3), 397 (2022). URL: https://www.mdpi.com/2077-0472/12/3/397.

5. Toscano, F., Fiorentino, C., Capece, N., Erra, U., Travascia, D., Scopa, A., ... & D’Antonio, P. Unmanned Aerial Vehicle for Precision Agriculture: A Review. IEEE Access (2024). URL: https://ieeexplore.ieee.org/abstract/document/10531194.

6. Yuan, S., Li, Y., Bao, F., Xu, H., Yang, Y., Yan, Q., ... & Lin, J. Marine environmental monitoring with unmanned vehicle platforms: Present applications and future prospects. Science of The Total Environment, 858, 159741 (2023). URL: https://www.sciencedirect.com/science/article/abs/pii/S0048969722068413

7. Motlagh, N.H., Kortoçi, P., Su, X., Lovén, L., Hoel, H.K., Haugsvær, S.B., ... & Tarkoma, S. Unmanned aerial vehicles for air pollution monitoring: A survey. IEEE Internet of Things Journal (2023). URL: https://ieeexplore.ieee.org/abstract/document/10167736

8. QGroundControl. URL: https://qgroundcontrol.com (access date: 05.04.2025).

9. SwarMown. URL: https://github.com/uavkz/SwarMown/tree/dependabot/pip/django-3.2.24/mainapp (access date: 18.03.2025).

10. Django. URL: https://github.com/django/django (access date: 12.04.2025).

11. DEAP. URL: https://github.com/DEAP/deap (access date: 05.04.2025).

12. SCOOP. URL: https://github.com/ScoopInstaller/Scoop (access date: 18.03.2025).

13. Argparse. URL: https://github.com/python/cpython/blob/3.12/Lib/argparse.py (access date: 15.03.2025).