Уборка урожая ягодных культур, таких как земляника садовая, остаётся одной из самых трудоёмких операций в сельском хозяйстве, и рост цен на ручной труд стимулирует активные разработки в области автоматизации. В статье представлен анализ современного состояния и перспектив развития роботизированных систем для уборки земляники садовой. Актуальность работы обусловлена высокой трудоёмкостью ручного сбора ягод и дефицитом сезонной рабочей силы. Цель исследования – систематическая классификация существующих рабочих органов роботов-сборщиков и выявление основных тенденций их эволюции. На основе анализа отечественных и зарубежных источников (2019–2026 гг.) рассмотрены конструкции устройств для открытого и защищённого грунта. Предложена классификация захватных устройств: механические (ножничного, пальцевого типа), пневматические и вакуумные, «поглощающие» (захватывающие ягоду целиком), а также лазерные системы отделения плода. Научная новизна состоит в предложенной авторской классификации захватных устройств и выявлении гибридных систем как наиболее перспективных для условий защищённого грунта. Определены перспективные направления: переход к роевым технологиям, совершенствование манипуляторов и захватов, выведение специализированных сортов для машинной уборки. Сделан вывод, что наиболее эффективными являются гибридные системы, сочетающие лазерный срез с предварительной фиксацией ягоды, а оптимальной средой для внедрения роботов служат туннельные теплицы

Статья решает прикладной вопрос сопровождения 1С: как дать языковой модели сведения о конфигурации и не передать ей права на учетную базу. Промежуточным слоем выбран MCP-сервер. Он публикует для модели не общий доступ к данным, а набор инструментов: поиск метаданных, просмотр структуры объекта, поиск связей, чтение синтетических записей и подготовку dry-run запроса к Bitrix. Проверка проведена на локальном прототипе. В него входят слой метаданных 1С, синтетические записи, HTTP- и MCP-интерфейсы, а также тестовый контур Bitrix REST API. Прототип изолирован от производственных систем: работает с обезличенными данными, не выполняет произвольный SQL и пользовательский код, а запросы к внешним сервисам формирует без отправки

На дерново-подзолистой песчаной почве изучено влияние возрастающих доз фосфорно-калийного удобрения (P60K120 и P60K180) на урожайность, продуктивность и качество зелёной массы люцерны жёлтой, костреца безостого, житняка гребневидного и их двухкомпонентных смесей. Установлено, что наиболее высокую урожайность в сумме за два укоса среди изучаемых агрофитоценозов сформировала люцерно-житняковая травосмесь – 45,2 т/га на варианте с внесением P60K180. Максимальный сбор сырого протеина (1,45 т/га), кормовых единиц (5,56 тыс./га) и обменной энергии (83,1 ГДж/га) также отмечен у данной смеси. Качество корма определялось как видовым составом, так и дозой удобрения, при этом не всегда при повышении дозы вырастало и качество зеленой массы. Наибольшее содержание сырого жира зафиксировано у костреца безостого (2,89%), сырой клетчатки – у люцерно-житняковой смеси (33,40%), безазотистых экстрактивных веществ – у житняка гребневидного (46,91%). Применение фосфорно-калийного удобрения в дозе P60K180 является эффективным приёмом повышения продуктивности многолетних трав на дерново-подзолистой песчаной почве

В статье выполнен анализ алгоритмов применения дерева принятия решений установления критических контрольных точек, представленных в версиях 2021 года и 2024 года ГОСТ Р 51705.1. На базе результатов сравнительного анализа сформирован более гибкий и оптимальный подход для принятия решений по выявлению категорий опасностей на пищевых предприятиях. В предложенном алгоритме предусмотрено совмещение отдельных положений обеих версий стандарта при определении опасностей, их оптимизация и уточнение. Рассмотрено введение в алгоритм индивидуальных подходов и дополнительных блоков, обеспечивающих возможность применять его к частным случаям различных отраслей пищевой промышленности. На основании представленных предложений разработано универсальное дерево принятия решений, которое позволяет охватить весь спектр опасностей на предприятии, определять их категорию и устанавливать для каждой опасности управляющее воздействие. Рассмотрено практическое применение предложенного алгоритма на примере пивоваренного производства. Для отдельных этапов данного производства идентифицированы виды опасностей, определены категории опасностей в виде программ обязательных предварительных мероприятий (ПОПМ), производственных программ обязательных предварительных мероприятий (ППОПМ), критических контрольных точек (ККТ) и установлены меры управляющего воздействия. Предложено рекомендовать меры воздействия в качестве основы для разработки планов ХАССП и ППОПМ на пивоваренных предприятиях

В работе представлены результаты лабораторно-полевого опыта возделывания цикория корневого сорта «Петровский» на серых лесных почвах опытного поля Брянского ГАУ в погодных условиях 2022-2024 годов с целью выявить возможность управления урожайностью культуры при применении органического и минерального удобрения. В результате исследований установили, что адаптация, экологические пластичность и стабильность посевов цикория корневого изменяются в зависимости от уровня применения органического и минерального удобрения. Повышение уровня минерального питания при возделывании цикория корневого увеличивает коэффициент адаптации к факторам среды соответственно от 0,81 до 0,99 (органическое удобрение) и от 1,00 до 1,39 (минеральное удобрение). Органическое и минеральное удобрения обеспечивает среднюю и сильную изменчивость показателя урожайности корнеплодов. Возделывание цикория корневого в контрольном варианте способствует получению показателя экологической пластичности меньше единицы, а экологическую стабильность на уровне 8,18. Органическое удобрение обуславливает экологическую пластичность меньше единицы и среднюю экологическую стабильность. Минеральное удобрение обуславливает высокую пластичность и очень низкую стабильность. Реализация потенциала урожайности корнеплодов цикория зависит от уровня применения минерального удобрения и оптимальных условий среды, без которых уровень реализации – 31,5 %. Применение минерального удобрения в дозе N120P120K120 обеспечивают реализацию потенциала урожайности культуры на уровне 74,1 %

Непараметрическая статистика - одна из точек роста современных математико-статистических методов исследования. В ней важное место занимают ранговые критерии, основанные на использовании рангов элементов выборок (результатов наблюдений), а не самих числовых значений элементов выборок. Ранги — это номера элементов выборок в соответствующих вариационных рядах, построенных путем перестановки результатов наблюдений в порядке неубывания. В теории математической статистики распределения ранговых критериев получены в предположении, что функции распределения результатов наблюдений непрерывны. Следовательно, вероятность совпадения значений случайных величин, образующих анализируемые выборки, равна 0. Однако в реальных данных встречаются совпадения. Таким образом, неверно предположение, что функции распределения результатов наблюдений непрерывны, а потому известными теоремами о распределениях ранговых статистик? строго говоря, пользоваться нельзя. Тем не менее при небольшом числе совпадений обычно рекомендуют применять ранговые статистики, вводя те или иные поправки, например, связанные ранги. Над классической математико-статистической теорией устанавливают дополнительную надстройку с целью учета совпадения данных. Естественно, возникает вопрос о степени обоснованности тех или иных методов учета совпадения данных расчета. Мы предлагаем вероятностно-статистическую модель, объясняющую появление совпадений и дающую алгоритмы анализа совпадений. Эта модель основана на предположении о появлении совпадений данных в результате «слипания» мало различающихся результатов наблюдений. Мы предлагаем добавить малую поправку к каждому элементу совпадающей группы результатов наблюдений с целью получить выборку без совпадений, для которой рассчитать значение ранговой статистики. Разработаны модель порождения данных с совпадениями. Предложена процедура размножения выборок. Рассмотрев различные варианты поправок, получаем «облако» значений ранговой статистики. Анализ этого «облака» позволяет получить обоснованные статистические выводы. В качестве примеров рассмотрены двухвыборочный критерий Вилкоксона для проверки однородности независимых выборок и критерий знаков для проверки однородности связанных выборок