Елементи інтелектуальної сервіс-орієнтованої інформаційної технології збору та обробки даних від сенсорів
Описано архітектуру сервіс орієнтованої системи для збору даних із сенсорів флуоресценції хлорофілу та узагальнений алгоритм обробки даних з використання нейронних мереж. Описана архитектура сервис-ориентированной системы для сбора данных от сенсоров флуоресценции хлорофилла и обобщенный алгоритм об...
Збережено в:
| Опубліковано в: : | Комп’ютерні засоби, мережі та системи |
|---|---|
| Дата: | 2018 |
| Автор: | |
| Формат: | Стаття |
| Мова: | Українська |
| Опубліковано: |
Інститут кібернетики ім. В.М. Глушкова НАН України
2018
|
| Онлайн доступ: | https://nasplib.isofts.kiev.ua/handle/123456789/150603 |
| Теги: |
Додати тег
Немає тегів, Будьте першим, хто поставить тег для цього запису!
|
| Назва журналу: | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| Цитувати: | Елементи інтелектуальної сервіс-орієнтованої інформаційної технології збору та обробки даних від сенсорів / В.М. Груша // Комп’ютерні засоби, мережі та системи. — 2018. — № 17. — С. 26-30. — Бібліогр.: 10 назв. — укр. |
Репозитарії
Digital Library of Periodicals of National Academy of Sciences of Ukraine| _version_ | 1859722772946616320 |
|---|---|
| author | Груша, В.М. |
| author_facet | Груша, В.М. |
| citation_txt | Елементи інтелектуальної сервіс-орієнтованої інформаційної технології збору та обробки даних від сенсорів / В.М. Груша // Комп’ютерні засоби, мережі та системи. — 2018. — № 17. — С. 26-30. — Бібліогр.: 10 назв. — укр. |
| collection | DSpace DC |
| container_title | Комп’ютерні засоби, мережі та системи |
| description | Описано архітектуру сервіс орієнтованої системи для збору даних із сенсорів флуоресценції хлорофілу та узагальнений алгоритм обробки даних з використання нейронних мереж.
Описана архитектура сервис-ориентированной системы для сбора данных от сенсоров флуоресценции хлорофилла и обобщенный алгоритм обработки данных с использованием нейронных сетей.
The paper describes the architecture of service-oriented system for acquisition of chlorophyll fluorescence sensors data acquisition and general algorithm for processing data using neural networks.
|
| first_indexed | 2025-12-01T10:51:07Z |
| format | Article |
| fulltext |
Комп’ютерні засоби, мережі та системи. 2018, № 17 26
V. Hrusha
ELEMENTS OF INTELIGENT
SERVICE-ORIENTED
INFORMATION TECHNOLOGY
FOR SENSORS DATA
ACQUSITION AND
PROSESSING
The paper describes the architecture
of service-oriented system for acqui-
sition of chlorophyll fluorescence
sensors data acquisition and general
algorithm for processing data using
neural networks.
Key words: sensors, chlorophyll
fluorescence induction, neural net-
works.
Описана архитектура сервис-
ориентированной системы для
сбора данных от сенсоров флуо-
ресценции хлорофилла и обобщен-
ный алгоритм обработки данных
с использованием нейронных се-
тей.
Ключевые слова: сенсоры, индук-
ция флуоресценции хлорофилла,
нейронные сети.
Описано архітектуру сервіс оріє-
нтованої системи для збору даних
із сенсорів флуоресценції хлорофі-
лу та узагальнений алгоритм об-
робки даних з використання ней-
ронних мереж.
Ключові слова: сенсори, індукція
флуоресценції хлорофілу, нейронні
мережі.
В.М. Груша, 2018
УДК 004.9
В.М. ГРУША
ЕЛЕМЕНТИ ІНТЕЛЕКТУАЛЬНОЇ
СЕРВІС-ОРІЄНТОВАНОЇ
ІНФОРМАЦІЇНОЇ ТЕХНОЛОГІЇ ЗБОРУ
ТА ОБРОБКИ ДАНИХ ВІД СЕНСОРІВ
Вступ. Впродовж останніх десятиліть індук-
ція флуоресценції хлорофілу (ІФХ) викликає
все більший інтерес як один із способів спо-
стереження за станом рослинних об’єктів,
про що свідчить зростання кількості науко-
вих публікацій на дану тематику [1]. Флуоре-
сценція хлорофілу найбільш виражена в чер-
воному спектрі світла в результаті освітлення
попередньо адаптованого до темряви листа
рослини в синьому спектрі світла. Отримана
крива ІФХ знана, також, як крива Каутсько-
го. Вимірювання даної кривої здійснюють за
допомогою спеціальних приладів флуороме-
трів, що дозволяють вимірювати флуоресце-
нцію у потрібному спектральному діапазоні
переважно 680–720 нм впродовж певного
періоду часу, від 10 секунд (досягнення мак-
симального рівня ІФХ) до декількох хвилин
(до досягнення стаціонарного рівня). Поши-
рення таких приладів сприяє накопиченню
значних сукупностей даних, що дозволяє за-
стосовувати, крім базових статистичних ме-
тодів, також комплексні методи машинного
навчання [2], такі як нейронні мережі
(НМ) [3–5], метод опорних векторів [6] тощо.
В даній статті узагальнено досвід отри-
мання та опрацювання даних, виміряних сен-
сорами, розробленими в Інституті кібернети-
ки імені В.М. Глушкова НАН України [3], із
застосуванням описової статистики та апара-
ту нейронних мереж, запропоновано архітек-
туру сервіс-орієнтованої системи для збору і
обробки даних ІФХ та узагальнений алго-
ритм її дослідження із застосуванням ней-
ронних мереж.
ЕЛЕМЕНТИ ІНТЕЛЕКТУАЛЬНОЇ СЕРВІС-ОРІЄНТОВАНОЇ ІНФОРМАЦІЙНОЇ ТЕХНОЛОГІЇ…
Комп’ютерні засоби, мережі та системи. 2018, № 17 27
Сервіс-орієнтована архітектура. Як показує досвід аналізу даних ІФХ, че-
рез природню варіабельність рослин, непрямолінійні залежності від факторів
навколишнього середовища [7, 8], вивчення явища ІФХ та впровадження їх в
прикладну сферу вимагають набору значних сукупностей даних, автоматизації
вимірювань та застосування розподілених систем збору та обробки інформації,
що дозволило б накопичувати дані, отримувані від дослідників та бездротових
мереж сенсорів, а також збір даних із сторонніх ресурсів, таких як параметри
навколишнього середовища в певній географічній ділянці (наприклад, метеода-
ні). Для даних цілей доцільним є застосування веб-сервісної архітектури, що пе-
редбачає функціонування системи на основі невеликих, унезалежнених програм,
що обмінюються на основі http-протоколу та дозволяють обробляти запити від
різних клієнтів. Запропонована архітектура інтелектуальної сервіс-орієнтованої
системи моніторингу стану рослинних об’єктів, яка показана на рис. 1, включає
бездротові сенсори ІФХ, розроблені в Інституті кібернетики імені В.М. Глушко-
ва НАН України та передбачає отримання даних про додаткові параметри на-
вколишнього середовища від сторонніх сервісів. На рис. 2 показано результат
тестування RESTful веб-сервісу для отримання і опрацювання файлу в xml фор-
маті з вимірюваннями ІФХ, який виконувався на комп’ютері з процесором
Intel Core i5-6200U.
РИС. 1. Архітектура сервіс-орієнтованої системи збору та обробки даних ІФХ
В.М. ГРУША
Комп’ютерні засоби, мережі та системи. 2018, № 17 28
РИС. 2. Час опрацювання запиту веб-сервісом в залежності від кількості вимірювань у файлі
Узагальнений алгоритм проведення дослідження ІФХ із застосуванням
нейронних мереж. Подальшою задачею після збору даних є обробка отриманих
результатів, що включає графічний та статистичний аналіз даних, що дозволяє
виявити аномальні дані, закономірності у даних, висунути певні гіпотези та пе-
ревірити їх. Отримані результати враховуються при застосуванні нейронних
мереж. Зокрема, результати попереднього статистичного аналізу враховуються
при формуванні вхідних векторів НМ. Питання попередньої обробки даних, та-
ких як нормалізація даних та формування вхідного вектора НМ було висвітлено
у [9]. Блок-схему узагальненого алгоритму проведення дослідження ІФХ із за-
стосуванням нейронних мереж показано на рис. 3.
Нейромережевий підхід дозволяє виявити чи можна застосувати ІФХ для
певної конкретної прикладної задачі (наприклад, можливості прийняття рішення
про необхідність поливу, виявлення інфекцій на ранніх стадіях, результатив-
ність обробки рослин гербіцидами, добривами, реєстрування впливу стресових
факторів), а також виявляти додаткові закономірності та залежності у даних. За-
стосування нейронних мереж з прямим поширенням сигналів (feed forward net-
work) для задачі класифікації видів рослин показало, що крива ІФХ тривалістю
5 хв. підходить краще для розпізнавання виду рослин, ніж тривалістю 10 с. [10].
Нейронні мережі ефективні при прийнятті рішень про необхідність поливу на
основі параметрів ІФХ та температури повітря [9].
В залежності від виду дослідження та поставленої задачі вибирають архітек-
туру нейронної мережі. Зокрема, задача класифікації виникає за необхідності
встановити наявність певного стресового фактору, визначення виду рослини.
Кластеризацію застосовують при дослідженні у вигляді спостереження, коли не
до кінця відомі впливаючі фактори, тож необхідно встановити певні кластери,
виходячи з яких необхідно проводити подальше дослідження даних або ж наз-
начити додаткові фізико-хімічні та мікробіологічні аналізи рослинних об’єктів,
зразків ґрунту, повітря тощо.
ЕЛЕМЕНТИ ІНТЕЛЕКТУАЛЬНОЇ СЕРВІС-ОРІЄНТОВАНОЇ ІНФОРМАЦІЙНОЇ ТЕХНОЛОГІЇ…
Комп’ютерні засоби, мережі та системи. 2018, № 17 29
РИС. 3. Узагальнений алгоритм проведення досліджень ІФХ із застосуванням НМ
В.М. ГРУША
Комп’ютерні засоби, мережі та системи. 2018, № 17 30
Моделювання взаємозалежностей параметрів навколишнього середовища та
ІФХ за допомогою множинних поліномних регресійних молелей показало пере-
вагу нейронних мереж над такими моделями.
Висновки. З метою збору даних з розподілених мереж сенсорів доцільно
використовувати сервіс-орієнтовану архітектуру при розробці систем збору да-
них із бездротових мереж сенсорів ІФХ. Досвід аналізу експериментальних да-
них пов’язаних з ІФХ, вказує, що нейронні мережі дозволяють застосовувати
ІФХ до ряду прикладних задач і показують кращі результати, ніж лінійні регре-
сійні моделі.
СПИСОК ЛІТЕРАТУРИ
1. Zulfugarov I.S et al. Practical guide to measure chlorophyll fluorescence in plants and calcu-
late main chlorophyll fluorescence parameters. Вестник СВФУ. 2018. № 2 (64). C. 35 – 44.
2. Kalaji H.M., Schansker G., Brestic M. at al. Frequently asked question about chlorophyll fluo-
rescence, the sequel. Photosynthesis Research. Vol. 132, Issue 1, Springer, 2017. P. 13 – 66.
3. Palagin O., Romanov V., Galelyuka I., Hrusha V., Voronenko O. Wireless smart biosensor for
sensor networks in ecological monitoring. Proceedings of the 9th IEEE International Confe-
rence on Intelligent Data Acquisition and Advanced Computing Systems: Technology and Ap-
plications 21-23 September, 2017. Bucharest, Romania.
4. Xanthoula Eirini Pantazi, Dimitrios Moshou, Dimitrios Kasampalis and Pavlos Tsouvaltzis.
Automatic Accessment of Phenotypes in lettuce plants by using Chlorophyll Fluorescence
Kinetics and Machine Learning. Proceedings International Conference of Agricultural
Engineering. AgEng 2014 Zurich 6–10.07.2014. P. 167 –176.
5. Goltsev V. et al. Drought-induced modification of photosynthetic electron transport in intact
leaves: Analysis and use of neural network as a tool for a rapid non-invasive estimation.
Biochimica et Biophysica Acta 1817. 2012. P. 1490–1498.
6. Yang J. et al. Accurate identification of nitrogen fertilizer application of paddy rice using laser-
induced fluorescence combined with support vector machine. Plaint Soil Environment. Vol.
61, 2015, No. 11: 501–506.
7. Груша В.М. Обробка результатів експериментальних досліджень, проведених з викори-
станням портативного флуорометра "Флоратест". Комп’ютерні засоби, мережі та сис-
теми. 2015. № 14. С. 109 – 116.
8. Guo Y., Tan J. Recent Advances in the Application of Chlorophyll a Fluorescence from Photo-
systemII. Photochemistry and Photobiology. 2015. 91. P. 1 – 14.
9. Груша В.М. Нормалізація та зменшення розмірності даних хлорофіл-флуорометрів.
Комп’ютерні засоби, мережі та системи. 2017. № 16. С. 76 – 86.
10. Palagin O., Grusha V., Antonova H., Kovyrova O., Lavrentyev V. Application of biosensors
for plants monitoring. International Journal "Information theories & applications". 2017.
Vol. 24, N. 2. P. 115 – 126.
Одержано 15.11.2018
|
| id | nasplib_isofts_kiev_ua-123456789-150603 |
| institution | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| issn | 1817-9908 |
| language | Ukrainian |
| last_indexed | 2025-12-01T10:51:07Z |
| publishDate | 2018 |
| publisher | Інститут кібернетики ім. В.М. Глушкова НАН України |
| record_format | dspace |
| spelling | Груша, В.М. 2019-04-10T15:40:38Z 2019-04-10T15:40:38Z 2018 Елементи інтелектуальної сервіс-орієнтованої інформаційної технології збору та обробки даних від сенсорів / В.М. Груша // Комп’ютерні засоби, мережі та системи. — 2018. — № 17. — С. 26-30. — Бібліогр.: 10 назв. — укр. 1817-9908 https://nasplib.isofts.kiev.ua/handle/123456789/150603 004.9 Описано архітектуру сервіс орієнтованої системи для збору даних із сенсорів флуоресценції хлорофілу та узагальнений алгоритм обробки даних з використання нейронних мереж. Описана архитектура сервис-ориентированной системы для сбора данных от сенсоров флуоресценции хлорофилла и обобщенный алгоритм обработки данных с использованием нейронных сетей. The paper describes the architecture of service-oriented system for acquisition of chlorophyll fluorescence sensors data acquisition and general algorithm for processing data using neural networks. uk Інститут кібернетики ім. В.М. Глушкова НАН України Комп’ютерні засоби, мережі та системи Елементи інтелектуальної сервіс-орієнтованої інформаційної технології збору та обробки даних від сенсорів Elements of intelligent service-oriented information technology for sensors data acquisition and prosessing Article published earlier |
| spellingShingle | Елементи інтелектуальної сервіс-орієнтованої інформаційної технології збору та обробки даних від сенсорів Груша, В.М. |
| title | Елементи інтелектуальної сервіс-орієнтованої інформаційної технології збору та обробки даних від сенсорів |
| title_alt | Elements of intelligent service-oriented information technology for sensors data acquisition and prosessing |
| title_full | Елементи інтелектуальної сервіс-орієнтованої інформаційної технології збору та обробки даних від сенсорів |
| title_fullStr | Елементи інтелектуальної сервіс-орієнтованої інформаційної технології збору та обробки даних від сенсорів |
| title_full_unstemmed | Елементи інтелектуальної сервіс-орієнтованої інформаційної технології збору та обробки даних від сенсорів |
| title_short | Елементи інтелектуальної сервіс-орієнтованої інформаційної технології збору та обробки даних від сенсорів |
| title_sort | елементи інтелектуальної сервіс-орієнтованої інформаційної технології збору та обробки даних від сенсорів |
| url | https://nasplib.isofts.kiev.ua/handle/123456789/150603 |
| work_keys_str_mv | AT grušavm elementiíntelektualʹnoíservísoríêntovanoíínformacíinoítehnologíízborutaobrobkidanihvídsensorív AT grušavm elementsofintelligentserviceorientedinformationtechnologyforsensorsdataacquisitionandprosessing |