Концепция многоуровневой сетевой инфраструктуры мониторинга агропромышленных объектов на основе беспроводных сенсорных сетей

Введение. В условиях цифровизации агросектора точное земледелие становится ключевым драйвером устойчивости: беспроводные сенсорные сети (БСС) обеспечивают непрерывный мониторинг почвенно-климатических параметров и состояния растений, поддерживая прогнозирование урожайности и ресурсную оптимизацию при снижении операционных рисков. Несмотря на значительный прогресс в исследованиях энергоэффективности, маршрутизации и топологий БСС, проблема их системной надежности в реальных агросценариях освещена фрагментарно. Существующие теоретические подходы опираются на теорию графов, марковские и квазидетерминированные модели для оценки связности и отказоустойчивости, но недостаточно учитывают деградацию батарей, вариативность радиоканала и внешние факторы (микроклимат, помехи), а также их совместное влияние. Цель данной статьи — разработать методический подход к повышению надежности БСС для мониторинга агрообъектов посредством многоуровневой модели, интегрирующей сетевые параметры, свойства аппаратуры и внешние воздействия.

Материалы и методы. Для разработки модели были применены методы системного анализа, в т.ч. анализа и синтеза ранее известных моделей и алгоритмов управления БСС для различных уровней сетевого взаимодействия. На первом этапе рассмотрены аналитические модели каждого уровня: технического состояния радиоустройств; физического канала с помехами и аппаратурными искажениями; энергопотерь узлов в канале с переменными характеристиками среды; линейной БСС с гетерогенными участками радиосвязи и кластеризации БСС. На втором этапе произведен анализ алгоритмов управления БСС: выбора режима передачи с минимальными искажениями сигналов; оптимизации структуры сигнала с минимальным BER; управления длиной пакета данных и мощностью передатчика; маршрутной балансировки энергопотерь в узлах ретрансляции, а также маршрутизации с минимальными потерями времени и энергии. На третьем этапе произведен синтез полученных результатов, представлена иерархическая инфраструктура мониторинга агропромышленного объекта, учитывающая все уровни взаимодействия БСС, параметры сенсорных узлов и влияние внешних факторов.

Результаты исследования. Предложен и обоснован методический многоуровневый подход к повышению надежности БСС для мониторинга агрообъектов, интегрирующий сетевые параметры, свойства аппаратуры и внешние воздействия, подтвержденный моделированием повышения энергоэффективности, снижения задержек и роста отказоустойчивости. В рамках этого разработана пятииерархическая концепция многоуровневой сетевой инфраструктуры для мониторинга агропромышленных объектов на базе БСС, интегрирующая модели и алгоритмы на уровнях: устройства, физического канала, канала передачи данных, линейного маршрута и сети. Получены одноуровневые и межуровневые зависимости, связывающие показатели эффективности, дестабилизирующие факторы и управляемые параметры.

Обсуждение. Представленный подход устраняет выявленный в литературе разрыв между энергетическими моделями и учетом динамических/информационных ограничений узлов, а также учитывает реальное техническое состояние модемов и термозависимость источников питания. Многоуровневая интеграция критериев (от корреляционных показателей формы сигнала до сетевых вероятностных метрик целостности БСС) позволяет согласовывать локальные оптимизации и системные цели, уменьшая риск конфликтов между уровнями. Принцип согласования уровней и внешнего дополнения обеспечивает итеративную корректировку требований и параметров, что повышает устойчивость принятия решений к неопределенности среды и гетерогенности каналов. Ограничениями текущей работы являются: необходимость калибровки моделей под конкретные аппаратные профили, зависимость эффективности от доступных режимов PHY/MAC и протоколов ARQ, а также чувствительность к точности оценок помеховой обстановки и температурных режимов.

Заключение. Разработанные модели и алгоритмы на пяти уровнях обеспечивают достижение заданных показателей помехоустойчивости, времени доставки и энергопотребления при минимально необходимом задействовании ресурсов, что повышает живучесть и срок службы БСС. Предложенный подход создает основу для перехода к системно спроектированным, воспроизводимым решениям в точном земледелии, снизит ресурсные затраты и экологическую нагрузку, а также повысит устойчивость и рентабельность агропроизводства. Для масштабирования необходимы полевые испытания и публикация эталонных конфигураций и кодов для воспроизводимости.

1. Mazitov AA. Web Application for Mathematical Modeling of Unsteady Oil Flow in Porous Medium. Advanced Engineering Research (Rostov-on-Don). 2023;23(4):422–432. https://doi.org/10.23947/2687-1653-2023-23-4-422-432

2. Samoylenko I, Fedorenko V, Samoylenko V. Adaptive Data Relay Transmission in Wireless Sensor Networks for Reliable Crop Growth Monitoring. Computers and Electronics in Agriculture. 2025;234:110367. https://doi.org/10.1016/j.compag.2025.110367

3. Hamouda F, Puig-Sirera À, Bonzi L, Remorini D, Massai R, Rallo G. Design and Validation of a Soil Moisture-Based Wireless Sensors Network for the Smart Irrigation of a Pear Orchard. Agricultural Water Management. 2024;305:109138. https://doi.org/10.1016/j.agwat.2024.109138

4. Xinqing Xiao. Sustainable Agriculture with Self-Powered Wireless Sensing. Agriculture. 2025;15:234. https://doi.org/10.3390/agriculture15030234

5. Al-Attafi MKR, Yesaulko AN, Kotova AS. Optimization of Macro- and Microelement Content in Soil for Sunflower Cultivation under Unstable Moisture Conditions of the Central Ciscaucasus Region. Agrarian Bulletin of the North Caucasus. 2025;15(2):74–84. https://doi.org/10.31279/2949-4796-2025-15-2-74-84

6. Jingxin Yu, Jiang Liu, Congcong Sun, Jiaqi Wang, Jianchao Ci, Jing Jin, et al. Sensing Technology for Greenhouse Tomato Production: A Systematic Review. Smart Agricultural Technology. 2025;11:101020. https://doi.org/10.1016/j.atech.2025.101020

7. Dinn C, Adhikari R, Hassan E, Shakshuki E, Eaman A. Developing a New IoT Network Topology for Effective Greenhouse Monitoring and Control. Procedia Computer Science. 2025;265:285–292. https://doi.org/10.1016/j.procs.2025.07.183

8. Sharma B, Koundal D. Cattle Health Monitoring System Using Wireless Sensor Network: A Survey from Innovation Perspective. IET Wireless Sensor Systems. 2018;8(4):143–151. https://doi.org/10.1049/iet-wss.2017.0060

9. Sisinni E, Saifullah A, Song Han, Jennehag U, Gidlund M. Industrial Internet of Things: Challenges, Opportunities, and Directions. IEEE Transactions on Industrial Informatics. 2018;14(11):4724–4734. https://doi.org/10.1109/TII.2018.2852491

10. Tsarev OYu, Tsarev YuA. Validation of Reliability Indices during Experimental Development of a Complex Technical Series System. Advanced Engineering Research (Rostov-on-Don). 2023;23(1):26–33. https://doi.org/10.23947/2687-1653-2023-23-1-26-33

11. Wei He, Guan-Yu Hu, Zhi-Jie Zhou, Pei-Li Qiao, Xiao-Xia Han, Yuan-Yuan Qu, et al. A New Hierarchical Belief-Rule-Based Method for Reliability Evaluation of Wireless Sensor Network. Microelectronics Reliability. 2018;87:33–51. https://doi.org/10.1016/j.microrel.2018.05.019

12. Lajara R, Pelegrí-Sebastiá J, Solano JJP. Power Consumption Analysis of Operating Systems for Wireless Sensor Networks. Sensors. 2010;10(6):5809–5826. https://doi.org/10.3390/s100605809

13. Lajara R, Perez-Solano JJ, Pelegri-Sebastia J. Predicting the Batteries’ State of Health in Wireless Sensor Networks Applications. IEEE Transactions on Industrial Electronics. 2018;65(11):8936–8945. https://doi.org/10.1109/TIE.2018.2808925

14. Maltseva NS, Azhmuratova RR, Bondarenko DS. Extending the Service Life of a Wireless Sensor Network Environmental Monitoring. Engineering and Construction Bulletin of the Caspian Region. 2023;46(4):99–103. https://doi.org/10.52684/2312-3702-2023-46-4-99-103

15. Nam-Tuan Le, Yeong Min Jang. Energy-Efficient Coverage Guarantees Scheduling and Routing Strategy for Wireless Sensor Networks. International Journal of Distributed Sensor Networks. 2015;11:612383. https://doi.org/10.1155/2015/612383

16. Reformat MZ, Yager RR. Multi-Level State Evaluation in Complex Systems: Information Granules and Evidence Theory Approach. Granular Computing. 2024;9:57. https://doi.org/10.1007/s41066-024-00477-3

17. Volchenkov D. Mathematics of Multi-Level Complex Systems. Discontinuity, Nonlinearity, and Complexity. 2014;3(3):223–225. https://doi.org/10.5890/DNC.2014.09.001

18. Khan MA, Shalu, Naveed QN, Lasisi A, Kaushik S, Kumar S. A Multi-Layered Assessment System for Trustworthiness Enhancement and Reliability for Industrial Wireless Sensor Networks. Wireless Personal Communications. 2024;137:1997–2036. https://doi.org/10.1007/s11277-024-11391-x

19. Ojeda F, Mendez D, Fajardo A, Ellinger F. On Wireless Sensor Network Models: A Cross-Layer Systematic Review. Journal of Sensor and Actuator Networks. 2023;12(4):50. https://doi.org/10.3390/jsan12040050

20. Fedorenko V, Samoylenko V, Vinogradenko A, Samoylenko I, Sharipov I, Anikuev S. Mathematical Aspects of Stable State Estimation of the Radio Equipment in Terms of Communication Channel Functioning. In book: Vishnevskiy VM, Samouylov KE, Kozyrev DV (eds). Distributed Computer and Communication Networks. Cham: Springer; 2019. P. 547–59. https://doi.org/10.1007/978-3-030-36625-4_44

21. Listova NV, Fedorenko VV, Samoylenko IV, Emelyanenko IV, Samoylenko VV. The Communications Channels Models in Wireless Sensor Networks, Based on the Structural-Energetic Interaction between Signals and Interferences. In: Proc. Moscow Workshop on Electronic and Networking Technologies (MWENT). New York City: IEEE; 2018. P. 1–4. https://doi.org/10.1109/MWENT.2018.8337298

22. Fedorenko V, Samoylenko I, Samoylenko V. Fragmentation of Data Packets in Wireless Sensor Network with Variable Temperature and Channel Conditions. Computer Communications. 2024;214:201–214. https://doi.org/10.1016/j.comcom.2023.12.001

23. Fedorenko V, Oleinikov D, Samoylenko I, Samoylenko V. Criteria for the Deployment of a Heterogeneous Linear WSN: Operability vs Energy Efficiency. Ad Hoc Networks. 2023;147:103202. https://doi.org/10.1016/j.adhoc.2023.103202

24. Fedorenko VV, Samoylenko VV, Alduschenko DV, Emelyanenko IV. Methods of Modeling Wireless Sensor Networks Topology Considering Internodal Interference. Vestnik of Astrakhan State Technical University. Series: Management, Computer Science and Informatics. 2020;(3):34–44. https://doi.org/10.24143/2072-9502-2020-3-34-44

25. Lei Zou, Zidong Wang, Jun Hu, Yurong Liu, Xiaohui Liu. Communication-Protocol-Based Analysis and Synthesis of Networked Systems: Progress, Prospects and Challenges. International Journal of Systems Science. 2021;52(14):3013–3034. https://doi.org/10.1080/00207721.2021.1917721

26. Buldakova T. Approaches to the Development of Complex Systems Models. In: Proc. XXI International Conference. Complex Systems: Control and Modeling Problems (CSCMP). New York City: IEEE; 2019. P. 374–378. https://doi.org/10.1109/CSCMP45713.2019.8976542.