АУЫЛ ШАРУАШЫЛЫҒЫНА АРНАЛҒАН ЖЫЛЖЫМАЛЫ (МОБИЛЬДІ) ДАТЧИКТЕР

Ауыл шаруашылығы климаттың өзгеруімен байланысты мәселелердің әсерінен барған сайын күрделі бола түсуде. Бұл жағдай тұрақты мониторинг пен бейімделуді, соның ішінде дәлме-дәл ауыл шаруашылығы қажеттіліктері үшін топырақты бақылауды талап етеді. Ауыл шаруашылығы топырақтары өндірісті арттыру мақсатында фермерлер тарапынан пестицидтер мен нитрат-фосфаттарды қарқынды қолдану арқылы пайдаланылады. Су тасқыны мен құрғақшылық мәселелері де ушығып, топырақтың тегіс болмауына әкелуде, бұл әрбір нүктеде топырақты дұрыс бақылауды қажет етеді. Топырақты бақылау көптеген фермерлер үшін өте қымбат. Бұл мәселені шешу үшін әртүрлі сенсорлармен жабдықталған шағын, энергияны үнемдейтін, төмен құнды мобильді роботтық платформаны қолдану орынды болады. Фермерлер оны қашықтан басқара алады, жер бетінің жоғарғы топырақ қабаттарын зерттейді және жер бедерін тексереді. Ғылыми-зерттеу жұмыстары мен белсенді демалыс қажеттіліктері шеңберінде қолдану қоршаған ортаны зерттеудің егжейтегжейін түсінуге мүмкіндік беретін әрекеттер тізбегінің арзандатылған құнын қамтамасыз етуі мүмкін. Арнайы жасалған үш дөңгелекті мобильді платформа – автономды қозғалысқа және түрлі тапсырмаларды орындауға арналған инновациялық құрылғы. Үш дөңгелектің қолданылуы арқасында робот жоғары маневрлікке және тұрақтылыққа ие, бұл оған тар кеңістіктерде және әртүрлі беттерде тиімді жұмыс істеуге мүмкіндік береді. Ол сенсорлармен және дәл навигациялық басқару мен кедергілерден аулақ болуды қамтамасыз ететін басқару жүйесімен жабдықталған. Бағдарламалау және бейімдеу мүмкіндіктері роботты деректер жинау, шағын жүк тасымалдау немесе қоршаған ортаны бақылау сияқты нақты тапсырмаларға бейімдеуге мүмкіндік береді. Роботты білім беру, ғылыми зерттеулер, сондай-ақ өнеркәсіптік және тұрмыстық қолданбаларда пайдалануға болады. Осылайша, үш дөңгелекті мобильді робот қазіргі заманғы роботтық жүйелерді дамыту үшін көп функциялы әрі келешегі зор платформа.

1. Abibulla B. Methods for improving energy efficiency in agriculture // International Scientific and Theoretical Conference “Seyfullin Readings – 15: Youth, Science, Technology, New Ideas and Prospects”, dedicated to the 125th anniversary of S. Seifullin. – 2019. – Vol. 237–239.

2. Айтхожин С.Қ., Балкибаева А.М., Рамазанова Р.Х., Ермеков Ф.К., Қарсыбаева Қ.А. Қазақстандағы нақты ауыл шаруашылығы жобасының экономикалық бағалауы // Periódico Tchê Química. – 2019. – Vol. 16. – No. 33. – P. 304–314. https://doi.org/10.52571/ptq.v16.n33.2019.319_periodico33_pgs_304_314.pdf

3. Алакунова А. Топырақты талдау 1034 сомнан: Хемизация департаменті шаруаларға бағаны жариялады // Aqparat. – 2025. URL: https://aqparat.info/news/2025/01/28/10747876-analiz_pochvy_ot_1034_somov_v_departamen.html

4. Alcolea J. Top 10 Vision AI benefits for agriculture // Ultralytics. – 2024. URL: https://www.ultralytics.com/ru/blog/top-10-benefits-of-using-vision-ai-for-agriculture

5. Аверченко Д. Тобылда көктайғақ болады: қостанайлықтарға әкімдік үндеу тастады // ҚазАқпарат. – 2025. URL: https://www.inform.kz/ru/led-budut-vzrivat-na-tobole-k-kostanaytsam-obratilisv-akimate-7a3228

6. Беляева Е. Шығыс Қазақстан облысында құтқарушылар 80 мың шаршы метрден астам мұзды жарып жіберді // Закон. – 2025. – 15 наурыз. URL: https://www.zakon.kz/sobytiia/6470465-bolee-80tysyach-kvadratnykh-metrov-lda-vzorvali-spasateli-v-vko.html

7. Bertocco M., Cappellazzo S., Flammini A., Parvis M. A multi-layer architecture for distributed data acquisition // Proc. 19th IEEE Instrumentation and Measurement Technology Conference. – 2003. https://doi.org/10.1109/imtc.2002.1007138

8. Budiharto W., Chowanda A., Gunawan A.a.S., Irwansyah E., Suroso J.S. A review and progress of research on autonomous drone in agriculture, delivering items and GIS // Proc. 2019 2nd World Symposium on Communication Engineering (WSCE). – 2019. – P. 205–209. https://doi.org/10.1109/wsce49000.2019.9041004

9. Carbone C., Garibaldi O., Kurt Z. Swarm robotics as a solution to crops inspection for precision agriculture // KnE Engineering. – 2018. – Vol. 3. – No. 1. – P. 552. https://doi.org/10.18502/keg.v3i1.1459

10. Debicka M., Jamroz E., Bekier J., Ćwieląg-Piasecka I., Kocowicz A. The influence of municipal solid waste compost on phosphorus transformations in soil // Agronomy. – 2023. – Vol. 13. – No. 5. – Art. 1234. https://doi.org/10.3390/agronomy13051234

11. Demush R. A brief history of computer vision (and convolutional neural networks) // HackerNoon. – 2019. URL: https://hackernoon.com/a-brief-history-of-computer-vision-and-convolutional-neural-networks8fe8aacc79f3

12. Dileep M.R., Navaneeth A.V., Ullagaddi S., Danti A. A study and analysis on various types of agricultural drones and applications // Proc. 2020 ICRCICN. – 2020. – P. 181–185. https://doi.org/10.1109/icrcicn50933.2020.9296195

13. Дорошкевич Г. Қазақстандық азамат фермасын цифрлық жүйеге айналдырып, жетістікке жетті // Сандық бизнес. – 2025. – 19 наурыз. URL: https://digitalbusiness.kz/2025-03-19/kazahstanetssdelal-svoe-fermerskoe-hozyaystvo-tsifrovim-i-preuspel-vot-ego-istoriya/

14. Егорова Н. Ауыл шаруашылығындағы шағын кәсіпкерліктің мәселелері // Концепт. – 2016. – P. 48–51. URL: https://e-koncept.ru/2017/770431.htm

15. Ferreira C.S., Seifollahi-Aghmiuni S., Destouni G., Ghajarnia N., Kalantari Z. Soil degradation in the European Mediterranean region // Sci. Total Environ. – 2021. – Vol. 805. – Art. 150106. https://doi.org/10.1016/j.scitotenv.2021.150106

16. Furtak K., Wolińska A. Impact of extreme weather events on soil moisture and agricultural quality // CATENA. – 2023. – Vol. 231. – Art. 107378. https://doi.org/10.1016/j.catena.2023.107378

17. Ғабдуалиева Р., Мелекова А., Жакупова А., Базарова Б. Қазақстанның ауыл шаруашылығы саласын цифрландыру // BIO Web Conf. – 2024. – Vol. 82. – Art. 05038. https://doi.org/10.1051/bioconf/20248205038

18. Григорук В.В., Әкімбекова Ч.У., Климов Е.В. Органикалық ауыл шаруашылығын институционалдық және экономикалық ынталандыру. – LEM Publishing, 2024. – 72 с.

19. Gonzalez-Dugo V., Zarco-Tejada P., Nicolás E. et al. Assessing variability in tree water status with UAV thermal imagery // Precision Agriculture. – 2013. – Vol. 14. – No. 6. – P. 660–678. https://doi.org/10.1007/s11119-013-9322-9

20. Groover P.M. Manufacturing applications of automation and robotics // Encyclopedia Britannica. – 2025. – 12 March. URL: https://www.britannica.com/technology/automation/Manufacturing-applications-ofautomation-and-robotics

21. Rehman W.U., Koondhar M.A., Afridi S.K. et al. Role of 5G network in revolutionizing agriculture for sustainable development // Energy Nexus. – 2025. – Art. 100368. https://doi.org/10.1016/j.nexus.2025.100368

22. Ruiz J., Torres E., Villarreal E. Design and construction of a mobile robot with regenerative brake on DC motors // Int. J. Mater. Sci. Eng. – 2014. https://doi.org/10.12720/ijmse.2.1.6-9

23. Seidaliyeva U., Ilipbayeva L., Taissariyeva K., Smailov N., Matson E.T. Advances and challenges in drone detection and classification // Sensors. – 2023. – Vol. 24. – No. 1. – Art. 125. https://doi.org/10.3390/s24010125

24. Shi S., Zhu L., Luo Z., Qiu H. Contributions of climate and anthropogenic factors to NPP variability // Remote Sensing. – 2023. – Vol. 15. – No. 3. – Art. 789. https://doi.org/10.3390/rs15030789

25. Silverberg B.D. Lasers, drones and AI: the future of weeding // BBC. – 2023. URL: https://www.bbc.com/news/business-64742513

26. Steidl V., Bamber J.L., Zhu X.X. Physics-aware machine learning for glacier ice thickness // Cryosphere. – 2025. – Vol. 19. – No. 2. – P. 645–661. https://doi.org/10.5194/tc-19-645-2025

27. Strickland S. Making the 5G precision agriculture connection // Ericsson Blog. – 2022. URL: https://www.ericsson.com/en/blog/north-america/2022/making-the-5g-precision-agriculture-connection

28. Tkáčik M., Březina A., Jadlovská S. Design of prototype for modular mobile robotic platform // IFAC-PapersOnLine. – 2019. – Vol. 52. – No. 27. – P. 192–197. https://doi.org/10.1016/j.ifacol.2019.12.755

29. Tleubayev A., Bobojonov I., Gagalyuk T., Glauben T. Business group affiliation and financial performance in agriculture // J. East Eur. Manag. Stud. – 2022. – Vol. 27. – No. 2. – P. 280–310. https://doi.org/10.5771/0949-6181-2022-2-280

30. Trianni V. Robot swarms for precision agriculture // Consiglio Nazionale Delle Ricerche. – 2016. URL: https://www.cnr.it/it/comunicato-stampa/7077/robot-swarms-for-precision-agriculture

31. Tripicchio P., Satler M., Dabisias G., Ruffaldi E., Avizzano C.A. Towards smart farming with drones // Proc. 2015 International Conference on Intelligent Environments. – 2015. – P. 140–143. https://doi.org/10.1109/ie.2015.29

32. Tsirtsakis P., Zacharis G., Maraslidis G.S., Fragulis G.F. Deep learning for object recognition: review // Int. J. Cogn. Comput. Eng. – 2025. https://doi.org/10.1016/j.ijcce.2025.01.004

33. Turysbekova. What awaits Kazakhstan in a changing climate: expert opinion // Kazpravda. URL: https://kazpravda.kz/n/chto-zhdet-kazahstan-v-usloviyah-izmenyayushchegosya-klimata-mnenie-eksperta/