Інформаційна система інтерактивної візуалізації та обміну даними про стан розвитку рослин

Abstract

Магістерська кваліфікаційна робота: «Інформаційна система інтерактивної візуалізації та обміну даними про стан розвитку рослин». Кількість сторінок: 90, рисунків: 38, таблиць: 13, додатків: 1, використаних джерел: 30. Актуальність теми. Сучасні методи спостереження в аграрному секторі, що базуються на ручному зборі даних, не забезпечують своєчасного реагування на зміни умов середовища. Використання інформаційних систем, інтегрованих із сенсорними ІоТ-пристроями та модулями візуалізації, створює нові можливості для агроінформатики: підвищення точності моніторингу та оптимізації агротехнічних рішень на основі аналітики даних у реальному часі. Мета і завдання дослідження. Метою роботи є розроблення інформаційної системи інтерактивної візуалізації та обміну даними про стан розвитку рослин, що забезпечує комплексний збір, оброблення, зберігання та відображення агробіологічних показників. Для досягнення мети вирішено такі завдання: 1. Проаналізувати предметну область та існуючі рішення агромоніторингу. 2. Розробити модель даних та архітектуру системи з використанням ІоТсенсорів і хмарних сервісів. 3. Реалізувати програмний прототип з інтерактивним інтерфейсом та модулями прогнозування. 4. Провести тестування ефективності системи в реальних умовах. Об’єкт дослідження: процес інформаційного моніторингу стану рослин у динамічних умовах середовища. Предмет дослідження: методи та програмні засоби збору, оброблення й інтерактивної візуалізації даних про розвиток рослин. Методи дослідження. Використано методи системного аналізу, сенсорної аналітики, баз даних, алгоритмів обробки часових рядів (ARIMA, LSTM), статистичного моделювання та засобів візуальної аналітики. Наукова новизна. Створено єдину архітектуру для збору й візуалізації аграрних даних із застосуванням інтерактивного обміну між польовими станціями та користувачем. Розроблено унікальну підсистему оцінювання метричних характеристик (індекси PHI, Model Reliability), яка дозволяє системі автоматично оцінювати точність і стабільність власних прогнозів. Практичне значення. Розроблена система дозволяє здійснювати моніторинг теплиць та відкритих полів, підвищує ефективність прийняття рішень та сприяє формуванню цифрового агровиробництва. ОСНОВНИЙ ЗМІСТ РОБОТИ. У першому розділі проведено системний аналіз предметної області. Розглянуто існуючі рішення (Climate FieldView, John Deere Operations Center, Arable Mark), виявлено їх недоліки, такі як обмеженість у динамічній візуалізації біофізичних процесів. Сформульовано вимоги до системи та виконано моделювання предметної області за допомогою діаграм UML (варіантів використання, послідовності, активності). У другому розділі обґрунтовано архітектуру системи. Розроблено логічну модель даних (ER-діаграму), що включає сутності сенсорів, вимірювань, прогнозів та звітів. Спроектовано діаграми класів, компонентів та пакетів, які відображають модульну структуру програмного забезпечення: сенсорний рівень (ESP32), транспортний рівень (MQTT), сервер аналітики та інтерфейс користувача. У третьому розділі подано узагальнений опис програмної реалізації системи. Розглянуто використаний технологічний стек на основі Python з FastAPI, Pandas і TensorFlow, застосування SQLite для зберігання даних та PyQt6 для інтерфейсу. Описано роботу транспортного шару MQTT, а також реалізацію аналітичних модулів кластеризації та прогнозування (K-Means, LSTM, ARIMA), що забезпечують оцінку параметрів середовища та розрахунок індексу PHI. Структуру інформаційної бази представлено у вигляді «зірки», що забезпечує ефективний OLAP-аналіз телеметрії. Четвертий розділ містить результати тестування і розгортання системи. Підтверджено стабільність роботи під час навантаження: втрати телеметрії становили менш ніж 0,5%. Алгоритми виявлення аномалій продемонстрували Recall 94%, а інтерфейс показав середній час реакції 138 мс. Застосування Docker-контейнерів забезпечило відтворюваність середовища та спростило масштабування системи. У результаті виконання роботи створено повноцінний програмний комплекс. Система забезпечує інтерактивну візуалізацію до 50 000 записів історичних даних із затримкою синхронізації 250-400 мс. Підтверджено, що інтеграція моделей машинного навчання та метричної самоперевірки дозволяє оперативно виявляти відхилення у розвитку культур і підвищувати ефективність управління агроекосистемою.