Showing 1 - 20 results of 43 for search '"умное сельское хозяйство"', query time: 0.88s Refine Results
  1. 1
    Academic Journal

    Subject Terms: Annotatsiya: Mazkur maqolada qishloq xo'jaligini modernizatsiya qilishda zamonaviy innovatsiyalarning o'rni va ahamiyati tahlil qilinadi. Dunyo bo'ylab raqamli texnologiyalar, aqlli qishloq xo'jaligi tizimlari, biotexnologiyalar va robototexnika agrar sohaning samaradorligini oshirish va resurslardan oqilona foydalanishga yordam bermoqda. Dronlar, GPS monitoringi, sun'iy intellekt va avtomatlashtirilgan texnologiyalar orqali hosildorlikni oshirish va ekologik barqarorlikni ta'minlash imkoni yaratilmoqda. Maqolada xalqaro tajriba va O'zbekistonda amalga oshirilayotgan islohotlar tahlil qilinib, mamlakat agrar sektorini rivojlantirish uchun taklif va tavsiyalar berilgan. Zamonaviy innovatsiyalarni keng joriy etish orqali qishloq xo'jaligi barqaror rivojlanishi, oziq-ovqat xavfsizligi ta'minlanishi va eksport salohiyati oshirilishi mumkin. Kalit so'zlar: Qishloq xo'jaligi, innovatsiyalar, aqlli qishloq xo'jaligi, dron texnologiyalari, genetik modifikatsiya, raqamli texnologiyalar, hosildorlik, O'zbekiston, oziq-ovqat xavfsizligi. Аннотация: В данной статье рассматривается роль современных инноваций в модернизации сельского хозяйства. По всему миру цифровые технологии, интеллектуальные аграрные системы, биотехнологии и робототехника способствуют повышению эффективности аграрного сектора и рациональному использованию ресурсов. Применение дронов, GPS-мониторинга, искусственного интеллекта и автоматизированных технологий позволяет увеличить урожайность и обеспечить экологическую устойчивость. В статье анализируется международный опыт, а также реформы, проводимые в Узбекистане, и предлагаются рекомендации по развитию аграрного сектора страны. Широкое внедрение современных инноваций может способствовать устойчивому развитию сельского хозяйства, обеспечению продовольственной безопасности и увеличению экспортного потенциала. Ключевые слова: Сельское хозяйство, инновации, умное сельское хозяйство, дроновые технологии, генетическая модификация, цифровые технологии, урожайность, Узбекистан, продовольственная безопасность

  2. 2
    Academic Journal

    Subject Terms: Annotatsiya: Ushbu maqolada qishloq xo'jaligini raqamlashtirishda buyumlar internetining ahamiyati haqida so'z boradi. Xususan, mexanizatsiya va axborot kommunikatsion texnologiyalarning (AKT) qo'llanilishiga alohida e'tibor qaratiladi. Maqolada dunyo bo'yicha qishloq xo'jaligida yuqori hosildorlik va tabiiy resurslarni tejashda raqamlashtirishning afzalliklari tahlil qlingan. Kalit so'zlari: raqamlashtirish, buyumlar Interneti (IoT), aqlli qishloq xo'jaligi, IoT texnologiyalari, agrotexnologiyalar, agro-innovatsiyalar, sensor. Аннотация: В данной статье рассматривается значение Интернета вещей в цифровизации сельского хозяйства. В частности, особое внимание уделяется использованию механизации и информационно-коммуникационных технологий (ИКТ). В статье анализируются преимущества цифровизации в мировом сельском хозяйстве для повышения производительности и экономии природных ресурсов. Ключевые слова: цифровизация, Интернет вещей (IoT), умное сельское хозяйство, технологии IoT, агротехнологии, агроинновации, сенсор. Abstract: This article discusses the importance of the Internet of Things in the digitization of agriculture. In particular, special attention is paid to the use of mechanization and information communication technologies (ICT). The article analyzes the advantages of digitization in the world's agriculture for high productivity and saving natural resources. Keywords: digitization, Internet of Things (IoT), smart agriculture, IoT technologies, agro-technologies, agro-innovations, sensor

  3. 3
    Academic Journal

    Subject Terms: Annotatsiya. Ushbu maqolada yashil iqtisodiyot tamoyillarining qishloq xo'jaligi va turizm sohalarida ahamiyati yoritilgan. Agrobiznes va agroturizmning ekologik barqarorlikni ta'minlashdagi roli, zamonaviy axborot texnologiyalarining qishloq xo'jaligidagi innovatsion imkoniyatlari ko'rib chiqilgan. Shuningdek, qishloq xo'jaligidagi jarayonlarni samarali rejalashtirish va optimallashtirish uchun matematik model asosida tahlil keltirilgan. Tadqiqot natijalari yashil iqtisodiyotni rivojlantirishda raqamli texnologiyalar va ekologik tamoyillarning muhimligini tasdiqlaydi. Kalit so'zlar: Yashil iqtisodiyot, agrobiznes, agroturizm, ekologik barqarorlik, aqlli qishloq xo'jaligi, raqamli texnologiyalar, sun'iy intellekt, resurslarni tejash, biomassa, ekoturizm, ekologik standartlar, aqlli sug'orish tizimlari, innovatsion yondashuvlar, iqtisodiy prognoz, barqaror rivojlanish. Аннотация. В статье подчеркивается важность принципов зеленой экономики в сельскохозяйственном и туристическом секторах. Рассмотрены роль агробизнеса и агротуризма в обеспечении экологической устойчивости, а также инновационный потенциал современных информационных технологий в сельском хозяйстве. Также представлен анализ на основе математической модели для эффективного планирования и оптимизации сельскохозяйственных процессов. Результаты исследования подтверждают важность цифровых технологий и экологических принципов в развитии зеленой экономики. Kлючевые фразы: Зелёная экономика, агробизнес, агротуризм, экологическая устойчивость, умное сельское хозяйство, цифровые технологии, искусственный интеллект, сохранение ресурсов, биомасса, экотуризм, экологические стандарты, умные ирригационные системы, инновационные подходы, экономический прогноз, устойчивое развитие. Abstract. This article highlights the importance of green economy principles in agriculture and tourism. The role of agribusiness and agritourism in ensuring environmental sustainability, the innovative potential of modern information technologies in agriculture are considered. Also, an analysis based on a mathematical model for effective planning and optimization of agricultural processes is presented. The research results confirm the importance of digital technologies and environmental principles in the development of a green economy. Key words: Green economy, agribusiness, agritourism, environmental sustainability, smart agriculture, digital technologies, artificial intelligence, resource conservation, biomass, ecotourism, environmental standards, smart irrigation systems, innovative approaches, economic forecast, sustainable development

  4. 4
  5. 5
  6. 6
  7. 7
  8. 8
    Academic Journal

    Source: Economic development and analysis; Vol. 3 No. 4 (2025): Economic Development and Analysis; 346-352 ; Экономическое развитие и анализ; Том 3 № 4 (2025): Экономическое развитие и анализ ; 346-352 ; Iqtisodiy taraqqiyot va tahlil; Jild 3 № 4 (2025): Iqtisodiy taraqqiyot va tahlil; 346-352 ; 2992-877X ; 10.60078/2992-877X-2025-vol3-iss4

    File Description: application/pdf

  9. 9
  10. 10
  11. 11
    Academic Journal

    Source: Economic development and analysis; Vol. 1 No. 8 (2023): Economic development and analysis; 273-279 ; Экономическое развитие и анализ; Том 1 № 8 (2023): Экономическое развитие и анализ; 273-279 ; Iqtisodiy taraqqiyot va tahlil; Jild 1 № 8 (2023): Iqtisodiy taraqqiyot va tahlil; 273-279 ; 2992-877X ; 10.60078/2992-877X-2023-vol1-iss8

    File Description: application/pdf

  12. 12
    Academic Journal

    Source: Economic development and analysis; Vol. 1 No. 8 (2023): Economic development and analysis; 273-279 ; Экономическое развитие и анализ; Том 1 № 8 (2023): Экономическое развитие и анализ; 273-279 ; Iqtisodiy taraqqiyot va tahlil; Jild 1 № 8 (2023): Iqtisodiy taraqqiyot va tahlil; 273-279 ; 2992-877X ; 10.60078/2992-877X-2023-vol1-iss8

    File Description: application/pdf

  13. 13
    Academic Journal

    Source: Agricultural Machinery and Technologies; Том 16, № 4 (2022); 45-53 ; Сельскохозяйственные машины и технологии; Том 16, № 4 (2022); 45-53 ; 2073-7599

    File Description: application/pdf

    Relation: https://www.vimsmit.com/jour/article/view/498/452; Федосов А.Ю., Меньших А.М., Иванова М.И., Рубцов А.А. Инновационные технологии орошения овощных культур. М.: Ким Л.А. 2021. 306 с.; Федосов А.Ю., Меньших А.М., Иванова М.И. Дефицитное орошение овощных культур // Овощи России. 2022. N3. С. 44-49.; Лобачевский Я.П., Дорохов А.С. Цифровые технологии и роботизированные технические средства для сельского хозяйства // Сельскохозяйственные машины и технологии. 2021. Т. 15. N4. С. 6-10.; Ронжин А.Л., Савельев А.И. Системы искусственного интеллекта в решении задач цифровизации и роботизации агропромышленного комплекса // Сельскохозяйственные машины и технологии. 2022. Т. 16. N2. С. 22-29.; Камышова Г.Н. Моделирование нейропрогнозирующего управления дождевальными машинами // Природообустройство. 2021. N1. С. 14-22.; Jaafar H., Kharroubi S.A. Views, practices and knowledge of farmers regarding smart irrigation apps: A national cross-sectional study in Lebanon. Agricultural Water Management. 2021. N248. 106759.; Liakos K.G., Busato P., Moshou D., Pearson S., Bochtis D. Machine learning in agriculture: A review. Sensors. 2018. N18. 2674.; Ait Issad H., Aoudjit R., Rodrigues J.J.P.C. A comprehensive review of data mining techniques in smart agriculture. Engineering in Agriculture, Environment and Food. 2019. N12. 511-525.; Çetin M., Yıldız S., Beyhan S. Water need models and irrigation decision systems: A survey on machine learning and control theory. arXiv. 2021. arXiv:2103.11133.; Hans K., Jayakumar A. A review of intelligent practices for irrigation prediction. arXiv. 2016. arXiv:1612.02893.; Jimenez A.F., Cardenas P.F., Canales A., Jimenez F., Portacio A. A survey on intelligent agents and multi-agents for irrigation scheduling. Computers and electronics in agriculture. 2020. N176. 105474.; Jha K., Doshi A., Patel P., Shah M. A comprehensive review on automation in agriculture using artificial intelligence. Artificial Intelligence in Agriculture. 2019. N2. 1-12.; Balducci F., Impedovo D., Pirlo G. Machine learning applications on agricultural datasets for smart farm enhancement. Machines. 2018. N6. 38.; Glória A., Cardoso J., Sebastião P. Sustainable irrigation system for farming supported by machine learning and real-time sensor data. Sensors. 2021. N21. 3079.; Abioye E.A., Hensel O., Esau T.J., Elijah O., Abidin M.S.Z., Ayobami A.S., Yerima O., Nasirahmadi A. Precision Irrigation Management Using Machine Learning and Digital Farming Solutions. AgriEngineering. 2022. N4. 70-103.; Mekonnen Y., Namuduri S., Burton L., Sarwat A., Bhansali S. Review – Machine learning techniques in wireless sensor network based precision agriculture. Journal of The Electrochemical Society. 2020. N167. 037522.; Sayari S., Mahdavi-Meymand A., Zounemat-Kermani M. Irrigation water infiltration modeling using machine learning. Computers and electronics in agriculture. 2021. N180. 105921.; Kumar A., Surendra, A., Mohan H., Valliappan K.M., Kirthika N. Internet of things based smart irrigation using regression algorithm. In Proceedings of the 2017 International Conference on Intelligent Computing, Instrumentation and Control Technologies (ICICICT) Internet. Kerala, India. 2017. 1652-1657.; Gu W., Yi Z. Machine learning on minimizing irrigation water for lawns. Journal of Sustainable Development of Energy Water and Environment Systems. 2020. N8. 701-714.; Arulselvi G., Poornima D. Implementation of precision soil and water conservation agriculture (Pswca) through machine learning, cloud enabled IoT integration and wireless sensor network. European Journal of Molecular & Clinical Medicine. 2020. N7. 5426-5446.; Ramya S., Swetha A.M., Doraipandian M. IoT framework for smart irrigation using machine learning technique. Journal of Computer Science. 2020. N16. 355-363.; Bhanu K.N., Mahadevaswamy H.S., Jasmine H.J. IoT based smart system for enhanced irrigation in agriculture. In Proceedings of the International Conference on Electronics and Sustainable Communication Systems. Coimbatore. India. 2020. 760-765.; Cagri Serdaroglu K., Onel C., Baydere S. IoT based smart plant irrigation system with enhanced learning. In Proceedings of the 2020 IEEE Computing, Communications and IoT Applications (ComComAp). Beijing, China. 2020.; Shalini H., Aravinda C.V. An IoT-Based Predictive Analytics for Estimation of Rainfall for Irrigation. Springer: Singapore. 2021. V. 1133.; Torres-Sanchez R., Navarro-Hellin H., Guillamon-Frutos A., San-Segundo R., Ruiz-Abellón M.C., Domingo-Miguel R. A decision support system for irrigation management: Analysis and implementation of different learning techniques. Water. 2020. N12. 548.; Meivel S., Maheswari S. Standard agricultural drone data analytics using KNN algorithm. Test Engineering and Management. 2020. N82. 206-215.; Nawandar N.K., Cheggoju N., Satpute V. ANN-based model to predict reference evapotranspiration for irrigation estimation. In Proceedings of the International Conference on Recent Trends in Machine Learning, IoT, Smart Cities and Applications. Hyderabad, India. Springer: Singapore. 2020. 671-679.; Chen Y.A., Hsieh W.H., Ko Y.S., Huang N.F. An ensemble learning model for agricultural irrigation prediction. In Proceedings of the 2021 International Conference on Information Networking (ICOIN). Jeju Island, Korea. 2021. 311-316.; Overweg H., Berghuijs H.N.C., Athanasiadis I.N. CropGym: A reinforcement learning environment for crop management. arXiv. 2021. arXiv:2104.04326.; Yashaswini L.S., Vani H.U., Sinchana H.N., Kumar N. Smart automated irrigation system with disease prediction. In Proceedings of the 2017 IEEE International Conference on Power, Control, Signals and Instrumentation Engineering (ICPCSI). Chennai, China. 2017. 422-427.; Agastya C.S., Ghebremusse S., Anderson I., Reed C., Vahabi H., Aug C.V. Self-supervised contrastive learning for irrigation detection. arXiv. 2021. arXiv:2108.05484.; Albuquerque C.K.G., Polimante S., Torre-Neto A., Prati R.C. Water spray detection for smart irrigation systems with mask R-CNN and UAV Footage. IEEE International Workshop on Metrology for Agriculture and Forestry. Trento, Italy. 2020. 236-240.; Bellahirich S., Mezghani D., Mami A. Design and Implementation of an Intelligent ANFIS Controller on a Raspberry Pi Nano-Computer for Photovoltaic Pumping Intended for Drip Irrigation. Energies. 2021. N14. 5217.; Anuslu T. Smart Precision Agriculture with Autonomous Irrigation System Using RNN-Based Techniques. MEF University: Istanbul, Turkey. 2017.; Zhang C., Yue P., Di L., Wu Z. Automatic identification of center pivot irrigation systems from landsat images using convolutional neural networks. Agriculture. 2018. N8. 147.; Li T., Sahu A.K., Talwalkar A., Smith V. Federated learning: Challenges, methods, and future directions. IEEE Signal Processing Magazine. 2020. N37. 50-60.; AgroWeather app. https://www.appsforagri.com/en/agroweather-app/.; Vuolo F., Essl L., Atzberger C. Costs and benefits of satellite-based tools for irrigation management. Frontiers of Environmental Science. 2015. N3. 52.; Andales A.A. Tactical irrigation management using the wise online tool. In Proceedings of the 29th Annual Central Plains Irrigation Conference. Burlington, USA. 2017. 95-99.; Siddique T., Barua D., Ferdous Z., Chakrabarty A. Automated farming prediction. In Proceedings of the Intelligent Systems Conference. London, UK. 2017. 757-763.; Ogubuike R., Adib A., Orji R. Masa: AI-adaptive mobile app for sustainable agriculture. IEEE 12th Annual Information Technology, Electronics and Mobile Communication Conference. Vancouver, Canada. 2021. 1-7.; Фартуков В.А., Ханов Н.В. Технология контроля и дифференцированной подачи воды для полива // Евразийский Союз Ученых. Серия: технические и физико-математические науки. 2021. N6(87). С. 10-11.; Neethirajan S., Kemp B. Digital twins in livestock farming. Animals. 2021. N11. 1008.; https://www.vimsmit.com/jour/article/view/498

  14. 14
  15. 15
  16. 16
  17. 17
  18. 18
  19. 19
  20. 20
    Academic Journal

    Source: Information and Innovations; Том 15, № 4 (2020); 77-83 ; Информация и инновации; Том 15, № 4 (2020); 77-83 ; 2949-2157 ; 1994-2443

    File Description: application/pdf

    Relation: https://journal.icsti.int/jour/article/view/45/49; Айдрус И.А.З., Иванов А.Л. Экономические санкции и импортозамещение в продовольственном секторе России // Инновационная экономика. 2017. № 2 (11). С. 12.; Меланьина М.В. Цифровизация мировой экономики: этапы, темпы, перспективы // Экономика и управление: проблемы, решения. 2019. Т. 11. № 2. С. 141–147.; Родионова И.А. (2019) О необходимости развития рыбного хозяйства (рыболовства и аквакультуры) в целях обеспечения продовольственной безопасности в Азии // Россия и Азия. № 4(9). С. 50–62.; Русакович В.И., Сухова Р.А. Международные санкции – препятствие или стимул развитию малой экономики // Научное обозрение. Серия 1: Экономика и право. 2015. № 6. С. 99–107.; Хон Ц. (2020) Опыт и просвещение развития цифрового сельского хозяйства в США // Сельская экономика и технологии. Т. 8. № 484. С. 296–299.; Хэ М. (2010) Условия и процедура присоединения государств к ВТО // Международное публичное и частное право. № 4. С. 8–13.; Цифровые технологии в образовании, науке, территориальном развитии: опыт Франции и России / Коллективная монография / Российский университет дружбы народов. Москва, 2019.; Инин Ч., Сичжэ В. (2020) Анализ потенциала российско-китайского сельскохозяйственного сотрудничества // Экономика и предпринимательство. № 3 (116). С. 346–350.; Шкваря Л.В., Ван Сичжэ. (2020) Социально-экономическое развитие Китая и цифровые трансформации // Экономика и предпринимательство. 2020. № 3 (116). С. 132–136.; Basso B., Antle J. (2020) Digital agriculture to design sustainable agricultural systems // Nature Sustainability. Vol. 3. No. 4. Pp. 254–256. DOI.:10.1038/s41893-020-0510-0; Climate Corp https://climate.com; FAO, 2019: The state of food security and nutrition in the world, 2019. Safeguarding against economic slowdowns and downturns. Rome: FAO, 2019. XXI, 212 с. URL: http://www.fao.org/3/ca9692en/online/ca9692en.html#; Korzhengulova A., Shkvarya L., Melanyina M. (2017) The EU-Russia conceptual interaction in the Eurasian space in the context of westarn sanctions // Central Asia and the Caucasus. Т. 18. № 1. С. 7–14.; World Food Situation (2020). Food and Agriculture Organization of the United Nations. Accessed July 13, 2020. URL: http://www.fao.org/worldfoodsituation/en/?_=1355497812235; https://journal.icsti.int/jour/article/view/45