-
1Academic Journal
-
2Academic Journal
-
3Academic Journal
-
4Academic Journal
-
5Academic Journal
Subject Terms: agro-innovation, sustainable development, smart agriculture, green technologies, цифровизация аграрного сектора, умное сельское хозяйство, устойчивое развитие, lean technologies, зеленые технологии, digitalization, агроинновации, Lean-технологии
File Description: application/pdf
Access URL: https://rep.bsatu.by/handle/doc/23314
-
6Academic Journal
Source: Economic Development and Analysis
Subject Terms: Indonesia, цифровые технологии, digital technologies, продовольственная безопасность, food security, рақамли технологиялар, умное сельское хозяйство, smart agriculture, ақлли қишлоқ хўжалиги, malnutrition, тўйиб овқатланмаслик, қулай агробизнес муҳити, enabling agribusiness environment, smart farming, smart field, недоедание, благоприятная среда для агробизнеса, умное сельское хозяйствоумное поле, озиқ-овқат хавфсизлиги, ақлли деҳқончилик, ақлли дала
File Description: application/pdf
-
7Academic Journal
Authors: Юсупов , Мухиддин
Source: YASHIL IQTISODIYOT VA TARAQQIYOT; Vol. 3 No. 5 (2025): «Yashil iqtisodiyot va taraqqiyot» jurnali ; YASHIL IQTISODIYOT VA TARAQQIYOT; Том 3 № 5 (2025): «Yashil iqtisodiyot va taraqqiyot» журнали ; YASHIL IQTISODIYOT VA TARAQQIYOT; Том 3 № 5 (2025): «Yashil iqtisodiyot va taraqqiyot» jurnali ; 2992-8982 ; 0000-0000
Subject Terms: глобальная пандемия, Цели Устойчивого Развития, продовольственная безопасность, цепочка поставок продовольствия, устранение голода, потенциал сельского хозяйства, цифровая трансформация, цифровые технологии, сельское хозяйство-4,0, умное сельское хозяйство, умный сад, умная теплица, умная ферма
File Description: application/pdf
-
8Academic Journal
Authors: Сабуров , Жуманазар, Saburov , Jumanazar
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
Subject Terms: digital technologies, smart agriculture, food sustainability, food security, malnutrition, malnutritionenabling agribusiness environment, цифровые технологии, умное сельское хозяйство, продовольственная устойчивость, продовольственная безопасность, неполноценное питание, искоренение голода, благоприятная среда агробизнеса, рақамли технологиялар, ақлли қишлоқ хўжалиги, озиқ-овқат барқарорлиги, озиқ-овқат хавфсизлиги, тўйиб овқатланмаслик, очликни бартараф этиш, қулай агробизнес муҳити
File Description: application/pdf
-
9Academic Journal
Subject Terms: качество семян, электромагнитная обработка семян, селекция, сельскохозяйственный сектор, умное сельское хозяйство, высококачественные семена, электромагнитное поле, предпосевная стимуляция семян, сорта белорусской селекции, умная техника
File Description: application/pdf
Access URL: https://rep.bsatu.by/handle/doc/22333
-
10Academic Journal
Subject Terms: технологии распределенных вычислений, Iot-технологии, Big data, когнитивные технологии, цифровизация экономики, цифровые технологии, цифровая экономика, большие данные, блокчейн, интернет вещей, умное сельское хозяйство, криптовалюта, облачные вычисления
File Description: application/pdf
Access URL: https://rep.bsatu.by/handle/doc/20114
-
11Academic Journal
Authors: Teshaboeva, Zilola, Тешабоева, Зилола
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
Subject Terms: устойчивое развитие, цифровые технологии, умное сельское хозяйство, новые технологии ресурсосберегающего сельского хозяйства, sustainable development, digital technologies, smart agriculture, new technologies of resource-saving agriculture, барқарор ривожланиш, рақамли технологиялар, ақлли қишлоқ хўжалиги, ресурстежамкор қишлоқ хўжалигининг янги технологиялари
File Description: application/pdf
-
12Academic Journal
Authors: Тешабоева, Зилола
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
Subject Terms: устойчивое развитие, цифровые технологии, умное сельское хозяйство, новые технологии ресурсосберегающего сельского хозяйства, sustainable development, digital technologies, smart agriculture, new technologies of resource-saving agriculture, барқарор ривожланиш, рақамли технологиялар, ақлли қишлоқ хўжалиги, ресурстежамкор қишлоқ хўжалигининг янги технологиялари
File Description: application/pdf
Availability: https://e-itt.uz/index.php/eitt/article/view/581
-
13Academic Journal
Authors: A. Yu. Fedosov, A. M. Menshikh, А. Ю. Федосов, А. М. Меньших
Source: Agricultural Machinery and Technologies; Том 16, № 4 (2022); 45-53 ; Сельскохозяйственные машины и технологии; Том 16, № 4 (2022); 45-53 ; 2073-7599
Subject Terms: оптимизации орошения сельхозкультур, machine learning, mobile application, web application, smart agriculture, digitalization, crop irrigation optimization, машинное обучение, мобильное приложение, веб-приложение, умное сельское хозяйство, цифровизация
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
-
14Academic Journal
Subject Terms: crop cycle, сбор данных, мониторинг, smart agriculture, gather the data, monitor the growth, рост, высокотехнологичный дрон, farm management, умное сельское хозяйство, цикл урожая, управление фермой, a high-tech drone
File Description: application/pdf
Access URL: https://rep.bsatu.by/handle/doc/17163
-
15Academic Journal
Subject Terms: 'smart' agriculture, трудосберегающее сельское хозяйство, «умное» сельское хозяйство, land-saving, продуктивность земель, землесбережение, labor-saving
File Description: application/pdf
Access URL: https://rep.bsatu.by/handle/doc/18204
-
16Academic Journal
Source: МОДЕЛИРОВАНИЕ, ОПТИМИЗАЦИЯ И ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ. 11:29-30
Subject Terms: 2. Zero hunger, моделирование поведения, 13. Climate action, smart agriculture, smart greenhouse, behavior modeling, киберфизические системы, умное сельское хозяйство, automated process control systems, автоматизированная теплица, cyber-physical systems, 12. Responsible consumption, автоматизированная система управления технологическим процессо
-
17Academic Journal
Subject Terms: аграрный бизнес, сельское хозяйство, цифровые технологии, агропромышленный комплекс, «умное» сельское хозяйство, инновационные технологии, цифровая экономика, цифровизация в агробизнесе
File Description: application/pdf
Access URL: https://elib.belstu.by/handle/123456789/40885
-
18Academic Journal
Authors: South Ural State University
Subject Terms: УДК 005.7, мультицифровые платформы, управление, цифровизация, Высшая школа электроники и компьютерных наук, управленческие технологии, информационные технологии, цифровые технологии, API, спутниковый мониторинг, умное сельское хозяйство, УДК 004.932, электронная картография, управление отраслью
File Description: application/pdf
-
19
-
20Academic Journal
Authors: Yining Cheng, Инин Чэн
Source: Information and Innovations; Том 15, № 4 (2020); 77-83 ; Информация и инновации; Том 15, № 4 (2020); 77-83 ; 2949-2157 ; 1994-2443
Subject Terms: точное земледелие, smart agriculture, food security, digital agriculture, precision agriculture, «умное» сельское хозяйство, продовольственная безопасность, цифровое сельское хозяйство
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