Повышение эффективности лесозаготовок путем совершенствования информационных систем и программного обеспечения лесных машин тема диссертации и автореферата по ВАК РФ 00.00.00, кандидат наук Жук Кирилл Дмитриевич

• Жук Кирилл Дмитриевич
• кандидат наук
• 2023

Оглавление диссертации кандидат наук Жук Кирилл Дмитриевич

ВВЕДЕНИЕ

ГЛАВА 1. СОВРЕМЕННОЕ СОСТОЯНИЕ ВОПРОСА

1.1 Развитие лесной промышленности

1.2 Стандарт StanForD Classic, используемый для хранения отчетных данных в бортовых системах многооперационных лесных машин

1.3 Стандарт StanForD2010, используемый для хранения отчетных данных

в бортовых системах многооперационных лесных машин

1.4 Оценка производительности и эффективности работы лесозаготовительной машины

1.5 Подходы и методы сегментации стволов деревьев при определении породы ствола

1.6 Выводы по главе. Цель и задачи исследования

ГЛАВА 2. МЕТОДОЛОГИЧЕСКИЕ ОСНОВЫ И МЕТОДЫ ИССЛЕДОВАНИЯ

2.1 Методы и подходы, используемые при обработке экспериментальных данных

2.2 Программно-техническое обеспечение

2.3 Методика сбора и разметки данных

2.4 Методы сегментации изображения и способы их оценки

2.5 Методы классификации изображений и способы их оценки

ГЛАВА 3. РАЗРАБОТКА ПРОГРАММНОГО КОМПЛЕКСА ДЛЯ ОБРАБОТКИ ДАННЫХ С ЛЕСНОГО ХАРВЕСТЕРА

3.1 Графическое представление ствола дерева с динамическим расчетом объема

3.2 Конвертация файлов stm в формат csv

3.3 Применение конвертера для работы с csv форматом

3.4 Расчет статистических параметров отчетных данных с бортовых систем

многооперационных лесных машин

3.5 Выводы по главе

ГЛАВА 4. РАЗРАБОТКА КОМПЛЕКСНОГО ПОДХОДА К ОПРЕДЕЛЕНИЮ ПОРОДЫ СТВОЛА С ИСПОЛЬЗОВАНИЕМ МЕТОДОВ МАШИННОГО ОБУЧЕНИЯ

4.1 Поиск харвестерной головки на изображении

4.2 Классификация породы ствола дерева

4.3 Выводы по главе

ГЛАВА 5. РАЗРАБОТКА СИСТЕМЫ ОПОВЕЩЕНИЯ ДЛЯ ЛПР И ОПЕРАТОРА

5.1 Мониторинг производительности операторов

5.2 Статистические методы обнаружения отклонений

5.3 Выводы по главе

ЗАКЛЮЧЕНИЕ

СПИСОК СОКРАЩЕНИЙ

БИБЛИОГРАФИЧЕСКИЙ СПИСОК

ПРИЛОЖЕНИЯ

Введение диссертации (часть автореферата) на тему «Повышение эффективности лесозаготовок путем совершенствования информационных систем и программного обеспечения лесных машин»

ВВЕДЕНИЕ

Актуальность темы. Лесопромышленный комплекс России характеризуется ежегодным повышением объемов заготовки и переработки древесины, что связано с устойчивым внутренним и внешним спросом на древесную продукцию со стороны строительной сферы, мебельной промышленности, авто-, вагоностроения и иных сфер. В последние годы, в России ежегодно заготавливалось порядка 220 млн. м3 древесины [1]. В 2022 году наблюдалось снижение объема заготовки древесины до 195 млн. м3 [2], что связано с введением санкций, в результате которых приостановлены многие приоритетные проекты в области освоения лесов, ограничена возможность импорта зарубежной лесозаготовительной техники и запчастей к ней, существенно уменьшены объемы экспорта лесоматериалов и продукции из древесины. Стратегией развития лесного комплекса Российской Федерации до 2030 года предусмотрено планомерное увеличение объема лесозаготовок до 230...286 млн. м3/год [3, 4] в зависимости от сценария развития отечественной промышленности.

В России около 80% древесины заготавливается в круглом виде по сортиментной скандинавской технологии с применением многооперационных валочно-сучкорезно-раскряжевочных машин (ВСРМ), оснащенных программным обеспечением для контроля объема и размерно-качественных характеристик заготовленной древесины и иных параметров работы машин. Проблема повышения качества учета и контроля размерно-качественных характеристик древесины, получаемой в процессе лесозаготовки, является одним из основных аспектов повышения эффективности лесозаготовок в условиях рыночных отношений для лесозаготовительных предприятий и является фактором регулирования издержек производства. Информацию по размерным параметрам заготовленной древесины система контроля-измерения ВСРМ хранит в файлах с различными расширениями [5]. Производители лесной техники снабжают системы контроля-измерения

ВСРМ программными комплексами собственной разработки, например, TimberMatic H [6] от John Deere, Ponsse Opti 4G от Ponsse [7], MaxiXT от Komatsu Forest [8], Rottne Forester от Rottne Industri AB [9], которые имеют достаточно большое количество встроенных решений.

В настоящее время отечественное программного обеспечение, которое позволяло бы динамически проанализировать объем отдельного ствола дерева, на рынке не представлено. Имеются только иностранные программные комплексы, позволяющие оценить заготовленную продукцию в целом. Стоит отменить тенденцию к обязательному наличию предустановленного отечественного программного обеспечения на новой отечественной технике, выпускаемой в РФ (в том числе лесозаготовительной технике), что обуславливает актуальность исследований и разработок в данной области.

В современных многооперационных лесных машинах основные размерные параметры заготовленных сортиментов определяются автоматически (без участия оператора в процессе формирования отчетов). Для чтения и расшифровки информации о стволах и представления его в графическом и табличных видах необходимо считывать файлы с расширением stm [10] для последующего анализа в специализированных программах (SilviA и Timbermatic300 [11], TimberOffice5 от John Deere, MaxiS от Komatsu Forest и т.д.), не входящих в стандартную комплектацию ВСРМ и являющихся опциональными.

Многие программы, например, MaxiS от Komatsu Forest, зачастую являются дополнительным программным обеспечением и обладают сложным для восприятия и интерпретации интерфейсом, используют неадаптированные для РФ алгоритмы, при этом отсутствует межплатформенность их использования.

В этой связи, в настоящее время актуальными являются исследования и разработки, направленные на совершенствование информационных технологий и программного обеспечения многооперационных лесных машин

на основе принципов импортозамещения, использование которых позволит повысить эффективность работы лесозаготовительной техники

Диссертация выполнена в рамках гранта № 17950ГУ/2022 Фонда содействия развитию малых форм предприятий в научно-технической сфере (Фонда содействия инновациям) по теме «Разработка программного обеспечения для решения задачи автоматического распознавания породы при лесозаготовительных работах на валочно-сучкорезно-раскряжевочных машинах» (руководитель); гранта Президента РФ № 075-15-2022-409 «Разработка программного обеспечения для повышения выхода деловой древесины для бортовых компьютеров валочно-сучкорезно-раскряжевочной машины (ВСРМ)» (ответственный исполнитель).

Степень разработанности проблемы.

Большой вклад в решение проблем, связанных с повышением эффективности работы лесозаготовительной техники, внесли отечественные ученые: Г.М. Анисимов, В.И. Патякин, В.А. Александров, В.Н. Меньшиков, В.Г. Кочегаров, А.К. Редькин, В.К. Курьянов, М.М. Овчинников, В.С. Сюнев, И.Р. Шегельман, С.М. Базаров, Э.Ф. Герц, П.Б. Рябухин, О.Н. Бурмистрова, Ю.А. Ширнин, И.В. Григорьев, В.А. Макуев, В.А. Иванов, В.М. Котиков, В.П. Корпачев, В.Н. Андреев, Ю.Ю. Герасимов, А.И. Никифорова, Рукомойников К.П. и другие. Их исследования направлены в основном на совершенствование эксплуатации лесозаготовительных машин и технологий лесозаготовки, реже - на совершенствование отдельных узлов и механизмов лесозаготовительных машин.

В области применения информационных технологий в лесном секторе и совершенствования программного обеспечения лесных машин занимались Заикин А.Н., Сиваков В.В., Петухов И.В., Танрывердиев И.О., Зеликов В.А., Чуйков А.С., Мануковский А.Ю. Босых М.А., Осечкина Т.А., Lloyd Windrim, Mitch Bryson. Их труды затрагивают в основном вопросы, связанные с практическим применением программных комплексов современных лесных

машин. В настоящее время не достаточно изучены вопросы совершенствования информационного обеспечения лесозаготовительного производства и программного обеспечения многооперационных лесных машин, создания отечественного программного обеспечения для повышения эффективности сбора и анализа отчетных данных с бортовых систем многооперационных лесных машин и автоматизированного контроля работы лесозаготовительной техники.

Целью исследования является повышение эффективности лесозаготовок путем совершенствования прикладного программного обеспечения и методик анализа производительности операторов многооперационных лесных машин.

Задачи исследования:

1. Разработка метода цифровой обработки отчетных данных с бортовых систем многооперационных лесных машин с возможностью динамического расчета объема ствола дерева в любой его части.

2. Разработка методики автоматического распознавания породы ствола дерева с использованием принципов машинного обучения.

3. Конвертация статистически важных отчетных данных из бортовых систем многооперационных лесных машин с последующей цифровой обработкой.

4. Оценка производительности операторов многооперационных лесных машин с использованием цифровых технологий.

5. Разработка прикладного программного обеспечения для совершенствования анализа отчетных данных с бортовых систем многооперационных лесных машин и выработки рекомендаций для совершенствования технологии лесозаготовок.

Объектом исследования являются многооперационные лесные машины, используемые на лесозаготовках.

Предметом исследования является прикладное программное обеспечение и информационные системы, используемые в бортовых компьютерах многооперационных лесных машин.

Научная новизна работы:

1. Получена модель дерева, построенная на основе обобщения и цифровой обработке отчетных данных из бортовых систем многооперационных лесных машин, отличающаяся возможностью динамического расчета объема ствола дерева в любой его части (или сортимента, получаемого из любой части ствола дерева) с учетом региональных коэффициентов, используемых для учета объема коры в лесоматериалах.

2. Предложена методология автоматического определения породы ствола дерева при работе многооперационных лесных машин, основанная на использовании метода машинного обучения и отличающаяся возможностью замены ручного способа задания породы на автоматический в процессе лесозаготовки.

3. Предложен метод конвертации статистически важных отчетных данных из бортовых систем многооперационных лесных машин из формата StanForD в формат CSV с последующей цифровой обработкой полученных данных на основе разработанного программного обеспечения, отличающийся уменьшенными временными и финансовыми затратами на извлечение и анализ отчетных данных.

4. Выполнен мониторинг производительности операторов многооперационных лесных машин, отличающийся использованием статистической оценки отчетных данных из бортовых систем многооперационных лесных машин.

Теоретическая значимость работы заключается в разработке методического и алгоритмического подходов к оценке эффективности работы многооперационных лесных машин.

Практическая значимость работы состоит в разработке оригинального программного обеспечения для моделирования формы ствола дерева на основе отчетных данных с бортовой системы многооперационных лесных машин, автоматического определения породы ствола дерева при работе многооперационных лесных машин, конвертации статистически важных данных из бортовых систем многооперационных лесных машин из формата StanForD в формат CSV, оценке производительности операторов многооперационных лесных машин, а также для статистической обработки полученных экспериментальных данных.

Применение разработанного программного обеспечения и технологических рекомендаций позволяет:

- обеспечить снижение информационной нагрузки на операторов многооперационных лесных машин, путем уменьшения временных и аналитических затрат на выбор породы на панели управления;

- повысить производительность лесозаготовки за счет оптимизации первичной фазы - валки леса, а также за счет возможного снижения квалификационных требований к операторам многооперационных лесных машин вследствие применения автоматического распознавания породы и отсутствия необходимость в перепрограммировании кнопок управления машиной с использованием встроенной системы контроля-измерения в бортовом компьютере многооперационных лесных машин;

- повысить эффективность работы многооперационных лесных машин за счет возможности подачи информационного сигнала для лица, принимающего решение (оператора многооперационной лесной машины), в случаях вариативности или отклонения от заданной нормы производительности машины в ходе работы;

- обеспечить лицо, принимающее решение (оператора многооперационной лесной машины) своевременной информацией из бортовой системы многооперационной лесной машины об основных показателях работы за

текущий период, проводить оперативный анализ отчетных данных с использованием распространенных прикладных программ на любой операционной системе.

Методологическая, теоретическая и эмпирическая база исследования. В качестве базы исследований использовались труды ученых в области совершенствования работы многооперационных машин и их программного обеспечения, методы программирования на языке Python и методы статистической обработки экспериментальных данных.

Научные положения, выносимые на защиту:

1. Способ построения модели дерева с использованием данных, полученных из бортовых систем многооперационных лесных машин, с функцией динамического расчета объема ствола дерева.

2. Методология автоматического определения породы ствола дерева при работе многооперационных лесных машин, основанная на использовании современных методов машинного обучения.

3. Метод конвертации и анализа отчетных данных из бортовых систем многооперационных лесных машин, цифровая обработка отчетных данных.

4. Способ мониторинга производительности операторов многооперационных лесных машин, основанный на статистической оценке отчетных данных из бортовых систем многооперационных лесных машин.

Степень достоверности и апробация результатов работы. Достоверность результатов работы обеспечивается большим объемом экспериментальных исследований отчетных данных, полученных с бортовых систем многооперационных лесных машин; высоким процентом совпадения результатов теоретических исследований, а также результатов, полученных с применением разработанного программного обеспечения, с экспериментальными данными; использованием современных методов проведения экспериментов и обработки полученных результатов.

Основные положения диссертационного исследования докладывались и обсуждались на всероссийских, международных и вузовских научно-технических конференциях «Сквозные технологии промышленных производств и экономическая безопасность» (Петрозаводск, 2020), «Инженерные кадры - будущее инновационной экономики России» (Йошкар-Ола, 2020), «Эффективный ответ на современные вызовы с учетом взаимодействия человека и природы, человека и технологий» (Екатеринбург, 2021), «Подготовка кадров в условиях перехода на инновационный путь развития лесного хозяйства» (Воронеж, 2021), «Научные исследования и разработки в области дизайна и технологий» (Кострома, 2022, 2023), «Разработка энергоресурсосберегающих и экологически безопасных технологий лесопромышленного комплекса» (Воронеж, 2022), конференциях по итогам научно-исследовательских работ института технологических машин и транспорта леса СПбГЛТУ (Санкт-Петербург, 2021, 2022, 2023).

Результаты исследований используются в ООО «КИРИШИ ЛЕСПРОМ», ООО «ЮрФакт» и в учебном процессе ФГБУ ВО «Санкт-Петербургский государственный лесотехнический университет имени С.М. Кирова» при подготовке бакалавров и магистров.

Соответствие диссертации паспорту научной специальности. Полученные научные результаты соответствуют пункту 6. «Автоматизация, роботизация, информатизация управления машинами и системами лесного хозяйства и лесной промышленности» паспорта специальности 4.3.4 -Технологии, машины и оборудование для лесного хозяйства и переработки древесины.

Личный вклад автора в получение результатов, изложенных в диссертации, заключается в определении цели и задач исследования; анализе современного программного обеспечения, используемого при работе многооперационных лесных машин; разработке методов машинного обучения для автоматического распознавания породы заготавливаемого ствола дерева;

разработке рекомендаций по повышению эффективности работы операторов лесных машин; формировании программного обеспечения для совершенствования работы и анализа отчетных данных лесных машин; проведении экспериментальных исследований и обработки их результатов; подготовке основных публикаций по теме диссертации.

Публикации. Результаты исследования отражены в 23 публикациях общим объемом 6,5 п.л., авторский вклад 70%, в том числе 5 статей в изданиях, рекомендованных ВАК Минобрнауки РФ, 2 статьи, входящие в международные базы цитирования Web of Science и Scopus, 5 свидетельств о государственной регистрации программ для ЭВМ.

Структура и объем работы. Диссертация состоит из введения, пяти глав, выводов и рекомендаций, библиографического списка и приложений. Всего работа включает в себя 146 страниц текста, из которых 133 страниц основного материала. Диссертация насчитывает 49 иллюстраций, 7 таблиц и 113 литературных источников, из которых 65 являются зарубежными.

ГЛАВА 1. СОВРЕМЕННОЕ СОСТОЯНИЕ ВОПРОСА

1.1 Развитие лесной промышленности

Развитие лесозаготовок начинает свой путь с позднего палеолита (35.. .12 тыс. лет назад) [12]. Именно в данном периоде появляется топор, который имеет рукоятку. До этого момента использовали топоры-рубила, которые изготавливались из камня, а затем у него заострялся конец. Таким образом, можно считать, что развитие лесной промышленности началось именно с того момента, когда появились первые топоры, имеющие рукоятку.

Этапы развития лесной отрасли и других можно разделить на следующие:

1. доиндустриальная эпоха (аграрное общество);

2. индустриальная эпоха;

3. постиндустриальная эпоха.

В доиндустриальную эпоху было ограничение производства, поскольку, в основном, господствовали ремесленники, а не массовое производство. Производство в данном периоде было относительно простым, и ряд специализированных ремесел был ограничен. Еще одной характерной чертой доиндустриального общества было местничество, что накладывало серьезные ограничения на развитие производства, поскольку люди получали совсем мало информации из внешних источников, за счет деления на классы в соответствии со знатностью рода. Доиндустриальной эпохой, как уже оговаривалось ранее, можно считать с момента эпохи палеолита, поскольку именно в ней зарождаются и создаются первые инструменты для добычи полезных ископаемых, на подобии образов которых, в современной промышленности создаются потребительские товары. Кроме изобретения топора с рукояткой стоит еще отметить тот факт, что в эпоху неолита (7.3 тыс. лет до н.э.) [13] появляются пилы, которые создавались из камня, а затем, в Древнем Египте,

изготавливались уже из меди. Данные инструменты позволяли повысить эффективность выполнения работы в лесном хозяйстве. Стоит отметить, что первое время пилы не могли конкурировать с топорами, поскольку имели достаточно малую прочность в сравнении с ними, поскольку изготавливались методом отливки в каменную форму, а, следовательно, получившиеся изделия имели низкую прочность, и только спустя достаточно много столетий в Древней Греции начали изготавливать пилы методом ковки. Таким образом, используя данный подход, удалось увеличить прочность готового изделия, а также повысить его качество.

В 1322 году н.э., в Германии, были созданы первые механические пилы, которые устанавливались на лесопилках, а перемещались они при помощи движения воды. Данное изобретение стало сильным толчком в развитии лесной отрасли, в частности, лесозаготовок. Впоследствии, созданием такого рода пил занимались не только в Германии, но и в Англии, а также в Шотландии.

Помимо благоприятного влияния на развитие промышленности в области лесной отрасли, при котором использование подобного рода механических пил существенно повышало эффективность работы, был и негативный оттенок, который сказывался на социальном факторе. Применение механизированных пил, поскольку они могли обрабатывать большой объем древесных ресурсов, то огромная часть лесорубов не могла конкурировать с механизированными лесопилками и разорялись. В результате, лесорубы, которые лишились работы, вызывали недовольства в сторону механизированных пил, и, таким образом, начинали их уничтожать собственными силами. К примеру, в США, после того как была создана первая паровая лесопилка, то практически сразу она была ликвидирована из-за недовольств простых рабочих [14].

Возможно, чтобы применять созданные инструменты, которые повышали эффективность работы, путем замены человеческого труда

машинным, необходимо было применять их в больших масштабах и повсеместно, что позволило бы избавиться от массовости возражений со стороны рабочих, которых пытались заменить. Таким образом, действие подходило к индустриальной эпохе.

Основным событием, которое произошло в период индустриальной эпохи была промышленная революция или Великая индустриальная эволюция. Происходила трансформация аграрного общества, в котором основным производителем являлся не человек, а природа, в индустриальное. Промышленная революция сопровождалась резким повышением производительности труда, происходила стремительная урбанизация, быстрый экономический рост, а также увеличивался уровень жизни населения. Первоначально, промышленная революция [15] начиналась в Великобритании и считается, что ее успех заключался в следующих инновациях:

1. изобретение ткацкого станка и, соответственно, развитие текстильной промышленности;

2. изобретение парового двигателя;

3. развитие металлургии, а именно замена древесного угля на каменноугольный кокс.

В результате промышленной революции, примерно за 3.. .5 поколений, общество перешло от аграрной экономики в индустриальную эпоху. Как обсуждалось ранее, волна недовольств от рабочих ремесленников, которые являлись, можно сказать, собственниками своего дела, на фоне всеобщей индустриализации резко снижалась. Появилось много новых рабочих мест, и достаточно большое количество народа стало переселяться из деревень в города, что способствовало общему развитию экономики. В области лесной промышленности наиболее значимым фактором было изобретение парового двигателя, который лег в основу установок для обработки лесозаготовок.

Для современных технологий в лесной отрасли, наиболее значимым было событие Третьей промышленной революции, когда происходил

повсеместный переход от аналоговых устройств на цифровые. Применение в производствах информационно - коммуникационных технологий способствовало формированию постиндустриального общества. В рамках данной работы и для рассмотрения постиндустриального общества, будет проанализирован процесс влияния парового двигателя на развитие лесопромышленного комплекса.

После завершения промышленной революции, применение механизированных устройств было широко распространено. Не стало исключением и лесопромышленная отрасль. В 1881 году компанией «Dolbeer and Carson Lumber Company» [16], а именно Джоном Долбиром, было изобретено устройство с применением парового двигателя для лесозаготовок. Оно имело название «Donkey Engine» [17].

Поначалу лесозаготовительное оборудование сводилось к многодисковым пилам, а бревна перевозились на санях или по течению реки. Для того, чтобы перемещать бревна, были созданы специальные полозья, которые по своей сути были скрещенными, тонкими и длинными стволами деревьев. Однако, для упрощения процесса, на основе парового двигателя, была создана лебедка, с помощью которой упрощался процесс транспортировки бревен. Тросы оказались намного эффективнее, чем использование специально подготовленных скрещенных жердей. Стоит отметить, что изобретение парового двигателя значительно упростило процесс заготовки древесного сырья, а также увеличило эффективность работы за счет больших объемов. Стоит отметить, что к концу 19 века, для выполнения заготовки древесного сырья все еще использовались вращательные и многодисковые пили, а на лесопилках использовали ленточные пилы.

С увеличение объемов лесозаготовок начинала накапливаться проблема транспортировки бревен к рекам и железным дорогам. Начинали разрабатываться проекты шарнирно - сочлененных грузовиков.

Разработка парового двигателя послужила серьезный фактором для развития лесной промышленности. Устройство «Парового осла» использовалось достаточно продолжительное время, но потом произошла повсеместная смена на двигатели внутреннего сгорания. Однако в 20 веке некоторые предприятия до сих пор использовали паровые двигатели.

В предыдущих пунктах было рассмотрено развитие техники как для лесной отрасли, так и для других в общем аспекте. Однако, помимо создания новых изобретений и внедрением их в технологические процессы, стоит рассмотреть, как развивалась лесная промышленность с точки зрения государства, а именно рассмотреть ее в политическом аспекте. В данной пункте будет рассмотрено становление лесного хозяйства для России, начиная с периода правления Петра I.

С именем Петра I связано понимание общегосударственного характера проблем лесов, составление описных книг и ландкарт, запретительная система, сопровождаемая угрозами тяжелых наказаний за неисполнение лесных предписаний, учреждение административной системы управления лесами, разработка и внедрение различных элементов лесохозяйственной деятельности. Также стоит отметить, что благодаря лесной промышленности создавались конницы, которые сыграли ключевую роль в битве при Лесной, что впоследствии обеспечило выход к Балтийскому морю. Таким образом, все перечисленные выше факты позволяют сказать о том, что Петра Великого можно считать первым лесоводом России, который оказал большое влияние на последующее развитие лесного хозяйства.

В 1703 году была определена площадь описи лесов и меры ответственности за самовольную вырубку [18]. Указом от 1719 г. [19] управление лесами было поручено канцелярии Военно-морского флота, а затем вальдмейстерской конторе Адмиралтейской коллегии. Первым президентом коллегии, а, следовательно, и первым лесным администратором России стал генерал-адмирал граф Федор Апраксин. Согласно указу от 1722 г.

в ведении коллегии состояли обер-вальдмейстер, ведавший лесами всего государства, вальдмейстеры в ряде городов. В 1723 г. для чиновников конторы была издана «Инструкция обер-вальдмейстеру», послужившая базой и для ныне действующих нормативных актов о лесах. Инструкция положила начало государственному устройству лесов России.

Знаменательным этапом в истории лесного хозяйства и природопользования России является лесное законодательство, которые было сформировано Петром I. Стоит отметить, что после смерти Петра были ликвидированы местные надзоры по лесным ресурсам, что привело к расхищению лесных богатств. Однако, спустя несколько десятилетий, при правлении Павла I был создан лесной департамент, что позволило централизировать управление лесами. Одним из особенных событий в лесной отрасли является создание устава о лесах. В 1802 г. утвержден «Устав о лесах». В его основе лежало разрешение трех вопросов: дальнейшее развитие управления лесами, их сбережения и эффективной лесоэксплуатации как в казенных, так и в частных целях; предупреждение сокращения лесонасаждений в ряде губерний; повышение эффективности лесопользования в многолесных губерниях. В конце XIX - начале XX вв. лес занимал ведущее место в промышленном развитии России. Объем выпускаемой продукции в 1913 г. составил около 12 млн куб. м пиломатериалов.

Список литературы диссертационного исследования кандидат наук Жук Кирилл Дмитриевич, 2023 год

БИБЛИОГРАФИЧЕСКИЙ СПИСОК

1. Исследования и аналитика в ЛПК [Электронный ресурс]. - Режим доступа: https://whatwood.ru/v-2021-g-obem-lesozagotovki-v-rossii-uvelichilsya-na-3-7/ (Дата обращения 20.04.2023).

2. Леспроминформ. Новости ЛПК [Электронный ресурс]. - Режим доступа: https://lesprominform.ru/news.html?id=19567 (Дата обращения 20.04.2023).

3. Соколов В.А. О разработке стратегии развития лесного комплекса Красноярского края на период до 2030 года / В.А. Соколов, О.П. Втюрина, Н.В. Сколова // Сибирский лесной журнал. - 2016. - №4. - C. 39-48.

4. Распоряжение Правительства РФ [Электронный ресурс]. - Режим доступа: http://www.consultant.ru/law/hotdocs/67704.html (Дата обращения 20.04.2023).

5. Heesung W. FIELD: A Software Tool That Integrates Harvester Data and Allometric Equations for a Dynamic Estimation of Forest Harvesting Residues / W.Heesung, A.Mauricio, C.Byoungkoo // Forests. - 2021. - № 12.

6. Timbermatic H-ЩЭлектронный ресурс]. - Режим доступа: https://www.intrac.lv/timbermatic-h-12/ru (Дата обращения 11.02.2022).

7. Программное обеспечение для управления Opti 4G [Электронный ресурс]. -Режим доступа: https://www.directindustry.com.ru/prod/ponsse/product-56915-2124219.html (Дата обращения 16.07.2021).

8. Система управления MaxiXT [Электронный ресурс]. - Режим доступа: https://www.komatsuforestru/машины/система-управления (Дата обращения 16.07.2021).

9. Rottne H21D [Электронный ресурс]. - Режим доступа: https://dominga.lt/ru/technika-dla-lesnogo-choziaj stva/kolesnyj -harvester rottne/rottne-h21d/opisanie/ (Дата обращения 16.07.2021).

10. Olivera A.F. Exploring opportunities for the integration of GNSS with forest harvester data to improve forest management / A.F. Olivera // ResearchGate. - 2016.

11. Timbermatic 300 control and measuring system [Электронный ресурс]. -Режим доступа: https://techinfo-omview.apps-prod vpn.us.e06.c01.

johndeerecloud.com/omview/omf071017/TXPY108321016112529 (Дата

обращения 16.07.2021).

12. История лесозаготовки: от топора до харвестера [Электронный ресурс]. - Режим доступа: https://www.techinsider.ru/technologies/711503-istoriya-lesozagotovki-ot-topora-do-harvestera/ (Дата обращения 16.11.2020).

13. Пивоваров Н. С. История механизации лесозаготовок / Н. С. Пивоваров // Российская лесная газета. - 2007. - №25. - С. 5.

14. Падерин В. Круглые пилы. Развитие технологий производства / В. Падерин // ЛесПромИнформ. № 1. - 2018.

15. Промышленная революция [Электронный ресурс]. - Режим доступа: https://old.bigenc.ru/world_history/text/3180201 (Дата обращения 16.11.2020).

16. Melendy B.H. Two Men and a Mill: John Dolbeer, William Carson, and the Redwood Lumber Industry in California / B.H. Melendy // University of California Press. - 1959. - №1. - C. 59-71.

17. Donkey Engine [Электронный ресурс]. - Режим доступа: https : //www. oregonencyclopedia. org/articles/donkey_engine/ (Дата обращения 16.11.2020).

18. Черных В.В. Лесное законодательство в период правления Петра I / В.В. Черных // Сибирский юридический вестник. - 2012. - №1.

19. Семенова Е.В. Развитие системы государственного управления лесами в Российской империи / Е.В. Семенова // Материалы международной научно-практической конференции, посвященной 100-летию высшего лесного образования в г. Воронеж и ЦЧР России. - 2018. - С. 95-103.

20. John Deere [Электронный ресурс]. - Режим доступа: https://www.deere.com/en/index.html (Дата обращения 07.12.2020).

21. Ponsse [Электронный ресурс]. - Режим доступа: https://www.ponsse.com/#/ (Дата обращения 07.12.2020).

22. Быков В.В. Перспективы использования цифровых технологий при восстановлении деталей машин / В.В. Быков, М.И. Голубев // Материалы

Всероссийской (национальной) научно-практической конференции, посвященной Дню Российской науки в Улан-Удэ. - 2021. - С. 74-77.

23. Галактионов О.Н. Перспективы использования цифровых технологий при восстановлении деталей машин / О.Н. Галактионов, Ю.В. Суханов, А.С. Васильев // Инженерный вестник Дона. - 2022. - №6. - С. 834-844.

24. Pau L., Klamerus A. Robotic forest harvesting process using GNSS satellite positioning data: effects of GNSS inaccuracies in forest environments

1. / L. Pau., A. Klamerus // Electronic Journal of Polish Agricultural Universities. -2018. - №21.

25. StanForD Classic [Электронный ресурс]. - Режим доступа: https://www.skogforsk.se/english/projects/stanford/stanford-classic-documents/ (Дата обращения 07.12.2020).

26. Skogforsk [Электронный ресурс]. - Режим доступа: https://www.skogforsk.se/ (Дата обращения 07.12.2020).

27. Terveiset Ponsselta [Электронный ресурс]. - Режим доступа: https: //pim.ponsse. com/media/ponsse-pim-api/api/content/getfile/18947714. pdf (Дата обращения 07.12.2020).

28. Таблица ASCII и как ее использовать [Электронный ресурс]. - Режим доступа: https://sonikelf.ru/sovsem-kxepkie-paroli-ili-simvoly-s-bolshim-ascii-kodom/ (Дата обращения 07.12.2020).

29. StanForD 2010 [Электронный ресурс]. - Режим доступа: https://www. skogforsk. se/english/proj ects/stanford/stanford-2010/ (Дата обращения 07.12.2020).

30. Metadata XML [Электронный ресурс]. - Режим доступа: https://leam.microsoft.com/en-us/openspecs/office_file_formats/ms-qdeff/aef664f7-e00b-4683-9724-0dec509dc658 (Дата обращения 07.12.2020).

31. StanForD 2010. Forest Industry ERP [Электронный ресурс]. - Режим доступа: https://blog.pinja.com/en/new-stanford-2010-standard-for-forest-machines (Дата обращения 07.12.2020).

32. Introduction to StanForD 2010 [Электронный ресурс]. - Режим доступа: https://www.skogforsk.se/contentassets/1a68cdce4af1462ead048b7a5ef1cc06/stanf ord-2010-introduction-150826.pdf (Дата обращения 07.12.2020).

33. Strubergs A. Evaluation of compliance of existing forest machine information systems for the implementation of the standard StanForD 2010 / A.Strubergs, L. Andis, S. Linards // Research for Rural Development. - 2020.

34. Введение в стандарт StanForD 2010 [Электронный ресурс]. - Режим доступа: https://author.today/reader/172367 (Дата обращения 07.12.2020).

35. Мануковский А.Ю. [и др.]. Программные комплексы современных лесных машин // Приоритетные направления инновационной деятельности в промышленности: сборник научных статей. - Казань: ООО «КОНВЕРТ», 2020. - С. 57-59.

36. Макаренко А.В. Эффективность применения лесосечных машин в зависимости от крупности древостоя лесосек / А.В. Макаренко, Е.Н. Воронова // Лесной комплекс сегодня. Взгляд молодых исследователей 2016 -международная конференция. - 2016. - C. 32-37.

37. Рукомойников К.П. Компьютерная симуляция разработки лесосек с использованием валочно-сучкорезно-раскряжевочных машин / О.Н. Галактионов, Т.В. Сергеева, Т.А. Гилязова, М.Н. Волдаев, Е.М. Царев, С.Е. Анисимов// Системы. Методы. Технологии. - 2022. - №2. - С. 108-113.

38. Parajuli M. Factors Influencing Productivity and Cost in the Whole-Tree Harvesting System / M. Parajuli, P. Hiesl // Clemson's Land-Grant Press. - 2020.

39. Андронов А.В. К вопросу об актуальности взаимосвязи производительности и расхода топлива при эксплуатации харвестера / А.В. Андронов, В.Ю. Пегов // Актуальные вопросы транспорта в лесном комплексе. - 2019. - С. 8-10.

40. Purfurst T. The Human Influence on Productivity in Harvester Operations / T. Purfurst, J. Erler // International Journal of Forest Engineering. - 2011. - № 22. -С. 15-22.

41. Кульменев И.В. Разработка рекомендаций по ведению лесосечных работ для ИП Галкин в Первомайском районе Томской области: дипл. раб. / Кульменев Игорь Викторович //. - Томск., 2016. - 91 с.

42. Eriksson M. Productivity of harvesters and forwarders in CTL operations in Northern Sweden based on large follow-up datasets / M. Eriksson, O. Lindroos // International Journal of Forest Engineering. - 2014. - № 25. - С. 179-200.

43. Passicot P. Effect of work schedule design on productivity of mechanised harvesting operations in Chile / P. Passicot, G. Murphy // New Zealand Journal of Forestry Science. - 2013. - № 43.

44. Рослесинфорг [Электронный ресурс]. - Режим доступа: https://roslesinforg.ru/news/all/3935/ (Дата обращения 03.03.2021).

45. Тамби А.А. [и др.]. Основные размерно-качественные характеристики круглых лесоматериалов, заготавливаемых в Архангельской области // Известия высших учебных заведений. Лесной журнал. 2020. № 4 (376). С. 147156.

46. Reksoft [Электронный ресурс]. - Режим доступа: https://www.reksoft.ru/ (Дата обращения 03.03.2021).

47. Fricker A. A Convolutional Neural Network Classifier Identifies Tree Species in Mixed-Conifer Forest from Hyperspectral Imagery / A. Fricker, D. Ventura // Remote Sensing. - 2019. - № 11.

48. Olofsson K. Single Tree Stem Profile Detection Using Terrestrial Laser Scanner Data, Flatness Saliency Features and Curvature Properties / K. Olofsson, J. Holmgren// Forests. - 2016. - № 7.

49. Pueschel P. The influence of scan mode and circle fitting on tree stem detection, stem diameter and volume extraction from terrestrial laser scans / P. Pueschel, G. Newnham // ISPRS Journal of Photogrammetry and Remote Sensing. - 2013. - № 77. - C. 44-56.

50. Qi C. Kelly M. Isolating Individual Trees in a Savanna Woodland using Small Footprint LIDAR data / C. Qi, D. Baldocchi, M. Kelly // Photogrammetric Engineering and Remote Sensing. - 2006. - № 72. - C. 923-932.

51. Weiss U. Plant detection and mapping for agricultural robots using a 3D LIDAR sensor / U. Weiss, P. Biber // Robotics and Autonomous Systems. - 2011. - № 59. - C. 265-273.

52. Liang X. Automatic stem mapping using single-scan terrestrial laser scanning / X. Liang, P. Litkey, J. Hyyppa // IEEE Transactions on Geoscience and Remote Sensing. - 2012. - № 50. - C. 661-670.

53. Ren S. Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks / S. Ren, K. He, R. Girshick, J. Sun // IEEE Transactions on Pattern Analysis and Machine Intelligence. - 2017. - № 39. - C. 1137-1149.

54. Windrim L. Forest Tree Detection and Segmentation using High Resolution Airborne LiDAR / L. Windrim, M. Bryson // RSJ International Conference on Intelligent Robots and Systems. - 2019.

55. RMSE: Root mean square error [Электронный ресурс]. - Режим доступа: https://www.statisticshowto.com/probability-and statistics/regressionanalysis/rmse-root-mean-square-error/ (Дата обращения 03.03.2021).

56. Windrim L. Detection, Segmentation, and Model Fitting of Individual Tree Stems from Airborne Laser Scanning of Forests Using Deep Learning / L. Windrim, M. Bryson // Remote Sensing. - 2020. - № 12.

57. Bienert A. Tree detection and diameter estimations by analysis of forest terrestrial laserscanner point clouds / A. Bienert, A. Scheller, B. Keane // ISPRS Workshop on Laser Scanning 2007 and SilviLaser 2007. - 2007. - № 36. - C. 5055.

58. 1270G 8W Wheeled Harvester [Электронный ресурс]. - Режим доступа: https://www.deere.com/en/wheeled-harvesters/1270g-8w/ (Дата обращения 03.03.2021).

59. ООО «Княжпогодский лесоруб» [Электронный ресурс]. - Режим доступа: https://companies.rbc.ru/id/1163328056836-ooo-knyazhpogostskij-lesorub/ (Дата обращения 03.03.2021).

60. ООО «СевЛесПил» [Электронный ресурс]. - Режим доступа: https://www.sevlespil.com/about/about-the-company (Дата обращения 03.03.2021).

61. Свидетельство о государственной регистрации программы для ЭВМ № 2021666516 RU; заявитель и патентообладатель Федеральное государственное бюджетное образовательное учреждение высшего образования «Санкт-Петербургский государственный лесотехнический университет имени С.М. Кирова»; заявл. 07.10.2021, опубл. 15.10.2021, Бюл. № 10.- 1 с.

62. Статистические параметры [Электронный ресурс]. - Режим доступа: http://investment-analysis.ru/metodFC2/daily-variance-arithmetic-mean-deviation. html (Дата обращения 03.03.2021).

63. Угрюмов С.А. Статистическая обработка данных в управлении качеством продукции: учебное пособие / С.А. Угрюмов, А.Р. Бирман. - Санкт-Петербург: СПбГЛТУ, 2022. - 72 с.

64. Бондаренко А.С. Статистическая обработка материалов лесоводственных исследований / А.С. Бондаренко, А.В. Жигунов. - Санкт-Петербург: СПбПГУ, 2016. - 125 с.

65. Кайнова В.Н. Статистические методы в управлении качеством / В.Н. Кайнова, Е.В. Зимина. - Санкт-Петербург: Лань, 2019. - 152 с.

66. Мойзес Б.Б. Статистические методы контроля качества и обработка экспериментальных данных / Б.Б. Мойзес, И.В. Плотникова, Л.А. Редько. -Томск: ТПУ, 2016. - 119 с.

67. Пижурин А.А. Исследования процессов деревообработки / А.А. Пижурин, М.С. Розенблит - М.: Лесная промышленность, 1984. - 232 с.

68. Свидетельство о государственной регистрации программы для ЭВМ № 2021619036 RU; заявитель и патентообладатель Федеральное государственное

бюджетное образовательное учреждение высшего образования «Санкт-Петербургский государственный лесотехнический университет имени С.М. Кирова»; заявл. 28.05.2021, опубл. 03.06.2021, Бюл. № 6.- 1 с.

69. Свидетельство о государственной регистрации программы для ЭВМ № 2021666517 RU; заявитель и патентообладатель Федеральное государственное бюджетное образовательное учреждение высшего образования «Санкт-Петербургский государственный лесотехнический университет имени С.М. Кирова»; заявл. 07.10.2021, опубл. 15.10.2021, Бюл. № 10.- 1 с.

70. Bootstrap Statistics [Электронный ресурс]. - Режим доступа: https://towardsdatascience.com/bootstrap-statistics-how-to-work-around-limitations-of-simple-statistical-tests-13180a301efd (Дата обращения 03.03.2022).

71. Python [Электронный ресурс]. - Режим доступа: https://www.python.org/ (Дата обращения 03.03.2022).

72. Никонорова Л.И. PYTHON как современный язык программирования / Л.И. Никонорова, М.Г. Тимофеев, А.П. Кузнецова // Наука и Образование. -2019. - Т. 2. - № 2. - С. 263.

73. Jupyter [Электронный ресурс]. - Режим доступа: https://www.jupyter.org/ (Дата обращения 03.03.2022).

74. JetBrains PyCharm [Электронный ресурс]. - Режим доступа: https: //www.j etbrains. com/pycharm/download/# section=windows (Дата обращения 03.03.2022).

75. Minaee S. Image Segmentation Using Deep Learning: A Survey / S. Minaee, F. Porikli, A. Plaza // IEEE Transactions on Pattern Analysis and Machine Intelligence. - 2021.

76. Khalid S. A Comprehensive Review of Image Segmentation Techniques / S. Khalid, M. Dawood // Iraqi Journal for Electrical And Electronic Engineering. -2021. - № 17. - C. 166-175.

77. Machine Learning Mastery [Электронный ресурс]. - Режим доступа: https://machinelearningmastery.com/difference-test-validation-datasets/ (Дата обращения 14.11.2022).

78. Numpy [Электронный ресурс]. - Режим доступа: https://numpy.org/ (Дата обращения 14.11.2022).

79. Ronneberger O. U-Net: Convolutional Networks for Biomedical Image Segmentation / O. Ronneberger, T. Brox, P. Fischer // International Conference on Medical Image Computing and Computer-Assisted Intervention. - 2015.

80. Badrinarayanan V. SegNet: A Deep Convolutional Encoder-Decoder Architecture for Robust Semantic Pixel-Wise Labelling / V. Badrinarayanan, A. Handa, R. Cipollo // arXiv. - 2015.

81. Unet [Электронный ресурс]. - Режим доступа: https://towardsdatascience.com/unet-line-by-line-explanation-9b 191 c76baf5 (Дата обращения 14.11.2022).

82. ReLu Activation Function [Электронный ресурс]. - Режим доступа: https://datascience.eu/machine-learning/relu-activation-function/ (Дата обращения 14.11.2022).

83. Абдулракеб А.Р. Модификация порогового метода сегментации полутоновых изображений / А.Р. Абдулракеб // Радиотехнические и телекоммуникационные системы. - 2017. - № 2. - C. 50-58.

84. Under the hood of Neural Networks [Электронный ресурс]. - Режим доступа: https://towardsdatascience.com/under-the-hood-of-neural-networks-part-1-fully-connected-5223b7f78528 (Дата обращения 14.11.2022).

85. Introduction to Random Forest in Machine Learning [Электронный ресурс]. - Режим доступа: https://www.section.io/engineering-education/introduction-to-random-forest-in-machine-learning/ (Дата обращения 14.11.2022).

86. Convolutional Neural Networks [Электронный ресурс]. - Режим доступа: https://towardsdatascience.com/convolutional-neural-networks-explained-9cc5188c4939 (Дата обращения 14.11.2022).

87. Random Forest Classifier [Электронный ресурс]. - Режим доступа: https://scikit-learn.org/stable/modules/generated/sklearn.ensemble.RandomForest Classifier.html (Дата обращения 14.11.2022).

88. Precision metrica [Электронный ресурс]. - Режим доступа: https://arize.com/blog-course/precision-ml/ (Дата обращения 14.11.2022).

89. Recall metrica [Электронный ресурс]. - Режим доступа: https://arize.com/blog-course/precision-vs-recall/ (Дата обращения 14.11.2022).

90. F1-score metrica [Электронный ресурс]. - Режим доступа: https://arize.com/blog-course/f1-score/ (Дата обращения 14.11.2022).

91. Accuracy metrica [Электронный ресурс]. - Режим доступа: https://hasty.ai/docs/mp-wiki/metrics/accuracy (Дата обращения 14.11.2022).

92. ГОСТ Р 52117 - 2003 Лесоматериалы круглые. Методы измерений. - М. : Госстандарт России, 2003. - 51 с.

93. Python QMainWrndow.resizeEvent Examples [Электронный ресурс]. -Режим доступа: https://python.hotexamples.com/examples/PyQt4.QtGui/ QMain Window/resizeEvent/python-qmainwindow-resizeevent-method-examples.html (Дата обращения 14.11.2022).

94. How to format CSV [Электронный ресурс]. - Режим доступа: https://docs.super.ai/docs/how-to-format-csv (Дата обращения 14.11.2022).

95. Pandas csv [Электронный ресурс]. - Режим доступа: https: //pandas. pydata. org/docs/reference/api/pandas. read_csv.html (Дата обращения 14.11.2022).

96. Roth G. StanForD as a data source for forest management: a forest stand reconciliation implementation case study / G. Roth // Environmental Science. -2016.

97. Wu L. Estimation of DBH at Forest Stand Level Based on Multi-Parameters and Generalized Regression Neural Network / L. Wu, F. Kegong, W. Zheng // Forests. - 2019. - № 10. - C. 778-796.

98. Pandas [Электронный ресурс]. - Режим доступа: https://pandas.pydata.org/ (Дата обращения 17.12.2022).

99. Seaborn [Электронный ресурс]. - Режим доступа: https://seaborn.pydata.org/ (Дата обращения 17.12.2022).

100. Seaborn heatmap [Электронный ресурс]. - Режим доступа: https://seaborn.pydata.org/generated/seaborn.heatmap.html (Дата обращения 17.12.2022).

101. Scipy [Электронный ресурс]. - Режим доступа: https://scipy.org/ (Дата обращения 17.12.2022).

102. Бенинг Б.Е. Об использовании распределения Стьюдента в задачах теории вероятностей и математической статистики / Б.Е. Бенинг, В.Ю. Королев // Теория вероятностей и ее применения. - 2004. - № 3. - C. 417-435.

103. Хасти Т. Основы статистического обучения / Т. Хасти, Р. Тибширани, Д. Фридман. - 2-е изд. : Пер. с англ. - СПб. : ООО «Диалектика», 2020. - 768 с.

104. Бобкова К. С. Древесные ресурсы / К. С. Бобкова, П. А. Перчаткин, В. Ф. Свойкин // Лесное хозяйство и лесные ресурсы Республики Коми. / Под ред. Г. М. Козубова, А. И. Таскаева. - М. : Дизайн. Информация. Картография, 2000. - 512 с.

105. ГОСТ 17462-84 Продукция лесозаготовительной промышленности. - М. : ИПК Издательство стандартов, 1984. - 11 с.

106. ГОСТ 9462-2016 Лесоматериалы круглые. Лиственных пород. - М. : Стандартинформ, 2017. - 8 с.

107. ГОСТ 9463-2016 Лесоматериалы круглые. Хвойных пород. - М. : Стандартинформ, 2016. - 11 с.

108. Шпаков П.С., Попов В.Н. Статистическая обработка экспериментальных данных. - М.: МГГУ, 2003. - 261 с.

109. Свидетельство о государственной регистрации программы для ЭВМ № 2020666691 RU; заявитель и патентообладатель Федеральное государственное бюджетное образовательное учреждение высшего образования «Санкт-

Петербургский государственный лесотехнический университет имени С.М. Кирова»; заявл. 04.12.2020, опубл. 14.12.2020, Бюл. № 12.- 1 с.

110. Свидетельство о государственной регистрации программы для ЭВМ № 2022683764 RU; заявитель и патентообладатель Федеральное государственное бюджетное образовательное учреждение высшего образования «Санкт-Петербургский государственный лесотехнический университет имени С.М. Кирова»; заявл. 16.11.2022, опубл. 08.12.2022, Бюл. № 12.- 1 с.

111. Орепеу [Электронный ресурс]. - Режим доступа: https://docs.opencv.Org/4.x/d6/d00/tutorial_py_root.html (Дата обращения 17.12.2022).

112. Ореп^ [Электронный ресурс]. - Режим доступа: https://wiki.loginom.ru/articles/3-sigma-rule.html (Дата обращения 17.12.2022).

113. Описательные статистики [Электронный ресурс]. - Режим доступа: http://statistica.ru/theory/opisatelnye-statistiki/ (Дата обращения 17.12.2022).

ПРИЛОЖЕНИЯ

утверждаю

ЛКТ

педн-дач и рр^мьт i и б иау ч но-u tn вдова re;i ьс км \ puGn i iMsr внсдрсшш a пртчпвшктвенвых условии!

г. Ciiiin-I ferSf^ypr KomlilvHh К UiKJ V.l\iL\

t кЮ *КИРИ1Ш1 &&CEPV 09i 1ДЖУptl Ji [".B. MM^rrCXKilli I№p MnpLlHtiF: li.li, механик

пре&стаешпея и <Pi БОУ BO i :ПБГЛТУ; УарюмовС.А.. профессор кафедры TJJ'il E. своими ф [3.. дьцигг *афедры 1"лзг| жук к д., аспиринi одфелры i'jl'ij i

2S апрели :

вставили настоящий акт о юнн что результаты паучно-нсслеяощгтсльскнх н программных разработок актерского коллектива кафедры технологии .¡ихочли-^шттелышх производств федерально^ ittCy/iap^-TflpnuuL-o он1лж1сг11огп йбрщоватсльнЩ учреждения пиаиего обршиванил . и --Петербургски^ 1 государственный лкчтганнческий университет имени С.М. КировШ> н с-осгаве антракт* Жука Киршща ДчнтрН&шча, приффжора VipwMPFiii £'epiu>. л.щ-ко^вича, допента СнойкшЕа Федора Владимировича, п именно:

- разработанная программа ллк j ряфи ческого представления сгапклнчсских

■ I-] н I i-ejki х с леснойо' xiph^L-тсрд smiScals:

■ р^Р^оппиЦы п^гранмя конвертации STM файлом с мнигооперащкн . к лесыы* чаи \\н fj csv фйр!^ат;

технологические рекомендации по анализу л (НттнмизЗщти l I ;л>и ч ifrrc.i | юс ги лсинллптогптсл lj i ою обору дона 11 ija

Еюредиш D производство« имеют научную и практн чес кую значимость и не линчуются а прон1+дствеяиat* условник предприятия С цсльй) упрощения выгрузки отчетны*- ^азктр.гя с борТ0*ОЙ снстсод x&ji^tnrpojrи i \ ггредйризовдлця и CSV-формат; анализа раа1иерн!&гкнчостиенм1ях характвриста* заготовлен нье£ лесоматериалов; оценку дани uni erÍojlj lcim гдоцукшш; qucüdch аффекта ьноста работы мяогоогерациоцвдх лесных машин; корректировки рецвдщгнческнк нараметрин |е№загаттнтеи1+,нпл> кроизводси^ и целый повышении производительное^! работы

J VL-C34ÜJ ТТТОНЕ 11V']БНОГО üfiof iy,юна нгия.

УТВЕРЖДАЮ

Гене рады 1ъгй директор

Факт»

. Полихопскчй

2023 г.

АКТ

Передачи реилмикш Ийучно-исси^Дпнательскш рлйо! /1Лн вт'.фснин и и [ничшииспинш,!* условней

'] Верь

17 апреля 2023 г.

Комиссия и соа&вй$ представителей ООО ^оррФакт» в составе орал ь мни директора ПоЛиховско№ СЛ., м'эсгср учасгод Фничук РЛ и

оС>разоиателЬЕЮГО учреждении ныешет парщондиии <:сань-г-пс]ср[5урлекмй I■псударитвсЕшьгн лесотехяжчрёдйЙ университет имени С.М. Кирова» в иоставд аслнраЕпа кафеары. Технологии л^со-заготовителышч производств Жука Кирилла Дмитриевича, профессора кафедры технологии ^озае^тояитс-'^ных производств угрюмой сергея алексеевича, доцсезтэ кафедры технологии лесозатювительвых производств Свойкяна Федора Владимировича составили настоящим акт о шм, что результаты иаучно-е^сследоиатсльских работ н программных разработок авторежого коллектива федерального государственного бЕОДноетноф образовательного учрейщенвдг высшего образования «СанрпЧ 1стсрбургскнн государственный лесотехнический рснгсТ НаесКН С ЭД, Кйроеи» в СОСКВВс аспиранта Жука Кчрилдд Дмитриевича, 11Угрюмоыа Сергеи Алексеевича^ доцента Сьийхина Федора Владимировича в рамках научного ЕЕалравления по солершенствоваЕшю программною (Истечения мноюоперацнонных лгснык ма^чк, а именно;

представ] пелен федерадйййго госу дарственного бюджетного

- разработаныяа программа динамического расчета к графического представлен!« иыходл готовой продукции к* отдельной чяети Ствола дерева

технолошческис рекомендации по диализу и олтшлмзацнн пройзвддй^С льпости :1 ееоэа гото аител ьнозо оборудо ва н и я

и^редапи б крон лвОДСТВЗД 1Емеют научную и практическую значимость ц непользуютса в производственних условиях предприятия с целью анализа объсмодг п р^змсрно-качестнсиныч характеристик заготовлении * лесоматериалов а также оптимизации теологически* параметров лесозаготолкн,

Ш ФГБОУБ0 СПбГЛТУ;

МНИкГСТПРСТЪО НАУЁЛ

и высшо о оы^кжлимя

РиП иПгк'1?^ф1 Д1-1*лДМИ

■ л ¡XI 1ЫИ.Ч 1Т)С№1рСТВ&1Н[)С^КЩМ{1У1ЩЙ ■ 'Три :| * й-= ■ 11 уЦДОВДСД) !1

ЙМ^МИЧК-- образовано 111Ь-| ■ | к- г 1'рГл рI ; н П«)' ^[К1 ГНИЫК

ЛЕСртехнич! гкнй мшшчч ИТЕТ [СПЁ1 ЛТУ)

о рл^дрсн^в {кзультй ЕиА ниуч!^ рабогыл^че&иын лр^цс^и

], Темл1ик$ паушиь разработок; По&ишеннс эффе^бтчти ¡■¿ссг.шотоищс пупеч. иолершенстнсимння информационны я с не ¡ем и ирйфльвйййю обЬоцечейиЛ

две ни л \);1шнп.

1. М(:С [Г> 111.111 и. 1Н слип: К<|ф1' ЦЖНрЛОГНН ССОЗЙГЕП^Ы^'СИЬН^кЧ грон .ардств

1|>слсра,:11.ного государственного бюджетного образовать ьнйгй учреж^лии высниеЕ О ырнфрш.-ниналышш ибрилишимя чСалкг-Петербургсд^Й ГОСударСЧ'ПОННмЛ л есс^йши ч сокнй уннвере и ■ с г 11 чг*_-1111 I ..м Кнр1 ш

.V Научны Л рукчши.ш к'.И»: [ОКТОр Г£Х МНЧ<ВКН>! М.1^ : Шйн нфсс^пр Угрюм ОВ ( Ер и: Алексеевич.

й№ ГЬйЦ^Мй иши-.ишим^: ^сДНр^П Ж>к К при I ..мм г". I ин^ии^иНЦ1 ри^Юр I гм|л, йЪИЛиЛ^нНых и I йЦстфи^ исполнителем

* рдарабп-тка метода инфршой сн'рабшкл ич'ч^тных дннныя с £к>рпи систем мноюоперациопнъгл лсснич штни с вииожностшо динамического расчета объема сееш;еь дерева N .пю6оГ| чаети, иршриммлеч йбеспсчённе для моделирования н р^чечи овъеыа сорт^ы^ита УЬА любой чиста млиегта'.

- разработка -.ил о. м автоматического распечнаваиа* породы ствола .к; псин с <кМО.'|1-ЧО№Ш1с-'кт 1грм1!Е]1икт мииишнсчо обучения, I[риГрВмийсслсисылд

алп онатвдз1раи4ннл1Ч'] распопшкланйя породи дерена

- разрабогта с?|ч>[раммни I' обнеси сменка и ^овйертэцин ¡:ччиш,1>; ч^м т бпрео&ый Систем мно1чкл]ери1шоынйЙ! лссныд йейшнИ, АнвЛН:* ра^мернС^ качке I ье мнич характ ернеп и к шттивли *ной дре вес и \ ш 1

- ры^рийотвеи. метола оценки пронзвоан^льнусги фйернпцр&З мншчкн юрациимкыч

ДС^НЫХ .|£Л1!Ш.

рмрвбещ^ прикладного ирограммн&'о обойПецййил л-тя да и.1 мча отчетных ддпимч с бортевых сне^'м и 11 оп 111ср1ш.1 ичгныл лесник машин н расчета стит | нч"с л их к гтерисги к.

6. Краптое*шнсйнне регультпто? внедрении, клнёвдыЯ регулы а л

Л:Е\ ЧИО, ^ н^йчспепис« аналитического ^бщркц рс:1>г. ылив собетлтоых-иа-лериыслтальмык н^следцлмти ршрабоган нсюлнчеекн^ и ллгор1ттмнческ|Ш (юдхол к оценке эффективности рдботи чиог<юпсра]1НЕ>ЕЕных лкнму мы шин. С и!дли е ойй I гм !■;.■: -■! юс прогр^шЕич1 пенена?..мод]ел икания ^юимн ь ■ и: ■ м дерева ни огтчепшх ^чкмы^ с бортовой системы ьшегооперашонны^

лесных машнп, ши иччтп^еского оправления породы отполз дерева при работа

.:а.1П,:\ МЛП..1М, *................с шц пче<м1 ..1,1. ■ ..-, ...........

(¡ОРТОБЫХ Сисгеч мютгооперацнпннвд лееиык машин из формата Зезл^огЬ а формат оценки провдйвдцтяьностй операторов иж>гадитерзДЯсадшх'.;Лгены* машнн, а также длл статистической ^рабсчь-и жпфнмешальнык д^нныд, С I к-[. I ч^ Ной точки зреЙН я ггримсл ен. к- иьлтч!)рси]мим т 1 си ?&ес¡к-чеи лл

н 1ем1шло[ ич1всян.\ рскиьфн щ. мим ¡-.нно-жт ■

офсеГкчйтъ ениженис информационной цазрузки на операирин многоонераннолпия лесных из шин. путем ¿¡эёмайтаг* н

¿цпунпичс^чк ззтрвт мо выбор породы на ивдадЯн упри плен т \

- ПОВЫСИТЬ ПрОНЗВОДНТ&В.ПВСЕЕ, Лсии-^Ы итпончи СЦЕС1 ОЕТТИИНДЩНИ 1ЕерЕИ1ЧЧОЙ

фазы - валки леса, а также 211 счет возможного сличения квшеифнкацношш* трегояиннй к операторам мног&операцнгшиыл л^нын чшннн вследствие применения авшматпческот рилтзнцваннл породы н отсутсп^л необходимость н перепрел рг1\1ымрояй1Г!1и кнопок унр-нилешЕя машиной с нсияитйзгёянн^ встроен к ш системы контрсмя-нзиереник н (¡^в^вам конпмотс|>с мполоонерацнонцйя п^пцх илммн;

повысить >6феглнгпнкть ра^к..... ..............................лесны* иеллин м счет

н&кжпмяи ш»/|Дчи информационного си тала для лица, прИЕпшлкшмго решение Iоперт ара миогоо]1ерационл1>Я д&жй машинм*. и Случаи варигггняниетл или тчумненнп отзнлвниой нормы производительности маиллы и мпе ршлты. ■ обеспечить лицо, прнннмаюшес решение (оператора ии^ЬхУпдрашюпной лесной машины) свпск^иеннюП инфдоиышеДО ег± бортовой системы миогойлерллшнн^н

лссееой машины об основных ноклзаЕеЯя* рй^гты и щушн^ иер"ч нр.........

онершианий анализ 1кгч(м-Ш||\ лунных с использованием расирое^ыненны* ГЕрнк 1л.тны к ГЕргнрчмм НИ добей операционной системе.

7. Анецрспне во курсу . тети и ни: "Технология и ............. 1ее<вчгФтг1днп:л кл^го

произволом», «Тсхнологня н машины пссосечпык рабоп для о&учающлхдч 1М, ipjii.iL:, и и ии'нкп Зх1).).и2 >■ I с\11 ьг. I!! I! I м л еео'^а ГСТе>Ь 11 I С.'1 Ы IЫ Ч

деревослер^йагываклцнк про'йэводст*» профиле иЛссоип^сЕ^ршч ,че.:о ■ «Инфирм а циинные аналогии лесопромышленные прйиайедрТЕь, «У^риылсм^г качсством нропукдри лсеопроиьнвлсииыч произведет для обуч^ощщ!:*. направления 1Ш.ИЧДЕ;НЫ- ji.04.02 ^Текимотя лесоэ'дгвггйфте.тьныч н I, |\-":.1!1. |"рч■''-.. 11.Ш.Ш.: ,.л ироЕинипетнв. ма1 нечерскяя программа

Ес^пз^ХПЧННГеЛьНО? И|Т:1И';ЕК1,ЛЛ т. и:-

й. ис^ь^мшр прйиес^г е* |тч>|--ьа рр i.- продуты

- Программа утя ковййрТщНк 5"1М файлов с многооперациомныч дайяых машин в С8У формат Л"? КЙ / К Л Ж^с, С. А. УГри>м^г Ф II Свойе^иНн ^алднчель н патентоойладател!* с[?сдералььЕое I ос>;м1рс1вениес бюл^етние обрйаовательнос учреждение высшего образования ^С^анкт-1'Еегср6ур]"еклЕ| государственный лссотемЕпческнМ уннверенгтет ннеин С.М. Кирова":-: гаям 1*1 I [.2(322,публ. 12.2022. Ью.. № 12 ! с.

- I !ри1р:г,1ыь| 1.1 у ^валнзя чегий десозагогоа^ельвой чиншнн №

Ли ■ К-Д. Жувгг С.Л. Угр]ОЬ]Ов: ^дявнте.ть н плтентоойдадагель Федеральное государсгиваш]ос Йеоджстн^д оорчцрпатслъни учреждение ^ыешепз ^р^апвййпя кСанич Петербургский РойУдйрсгвенцыЛ .-|есо1елинческиП упнлсрситст именн С,М. Кирова^ заявл. 1]7,10,2021, олуйл. 3.1.1(|.2У21. ЕЕОЛ. № и.

- Программа статистической Наработки ря^мерпО-качестйеяийХ чЛрактСркетик леСЕ)матери!и[ов № П.и / К.Д. Жук. С.А. Угр^маы

заявитель и патентообладатель Федеральное государственное бюджетное

обрвзсюлтсльлк учреждение ииешсго ьвдодоэд

государствен.!! ый лаЙл^яни.чссюий уклнсрсит^г ммогп О.М, Кирова; ^анвл. П7.опубл. 3 5.[. Бюл. кч |Л, - ] с

- Программа для гщ&фнчр^чл представления р^щстдчвски^ /ним них с лиргсегери дЙПфШв № 20236 Л^УЭ^ ДИ ■' К. Л- Кук, С-А- У промой. Ф.В. Свой™ л: -лшнпсль 1г пдтентоойи^даель Фс.тералълос пису^регаймиов бнвдйщлнфа ибрггпнзагйдьное учреждай^ Выилеги образованы* I ^ткгрвур^ситйй г^уддрстг^НИйа^ лсс<т:*нкческии, >'ПИиерСН1Ё1 имени С.М. Кир41Н№, "МНИЛ, ппубл, «ri.43ft.ZlJ2 1. Бюл. № к I С

- 1Тр1"1грачмл 111 ■ !ь1 и Iчёеи* = и ¡рае^о'л н гр^нческЬго прыстарлснры нмхода гапидай I[родукгакн н:5 ш-#кмьний часствола деревв йргйхдас № 3.(12£№бб£У1 ЯП : К. Л. Жуп, ¿А Угрюмое Ф.С. Сао£иш; заявите^ и петснготйлядатсдь Фсднрдич^ государствен мии: йю/цкетное о&райЛлггедьиое учреждение рыгтегр оори-зовднлл «ОШи'-СТсТСрбугосударственный лесагекннчееккй универскпгг имени СМ, ЕСпдоя»; лияй1.04Ла.аоад1'(кП>йл 11.12 К,- 12. ■ К

4. КЛКНШИ' на ЬО ПОДГОТОВКИ (КИЦДСГСЯ ЛКТуИЛЬНВИ 1Щ1ИЧЛ

для шф^мщщхмнейа комплекса гто повышению эффекпмноегч цчХишхтййНТ^1|±ШГО 1р0113[лшстпа; ригарте* ^^тушнЛин и.ич:; мшм :икчим 111>, 1ф^>сИ и IШ ■■.)0|I ДМНЛОЙКИ оГ)\ ■ I; 1101НИЧСЯ.

14). Рскич^л.шиш к1 кдотольнранмо рдоунмю л иссяк до^чкй и программный ршрэЕнтик непользуются а лекционных к^р^х. курсивом и диплом ном нДО&нрл&шнш гафедры Фйчйлйгнй лесйИготойггепьгмх

;,и ?и а №1 чп к

Директор нпститутл техначогичижйц ыашил и транспорта к ни д. техн, наук, доциш

И.о. яаведуюпиггоки^едрой нгхжиюгин лйхишп) говкгел ьт1 ил и рои'лш^еге. ,.1--р I иЧ11. 1К1^К. проф^™^

Аелирал] кафе,три типологии . |¿¿и;агоТОЬ111 сЛЬНЫХ пр(и ювндСЩ

С.В. Спиридонов

ЙЯ (..Д. У|рЮМПТ5

и

К Л- Жу К