Современная птицефабрика представляет собой комплекс изолированных от внешней среды помещений, в которых создаётся управляемый микроклимат, обеспечивающий (в том числе за счёт рационального искусственного освещения) хорошее физиологическое состояние птиц и позволяющий добиться существенного роста практически всех показателей продуктивности стада птиц, увеличить выживаемость и снизить затраты кормов. Созданный макетный образец комбинированного облучателя содержит следующие источники излучения: эритемная лампа типа ЛЭ‑15, бактерицидная лампа типа ДБ‑15, кварцевая галогенная лампа накаливания-термоизлучатель типа КГТ 220–500, светодиодный модуль с варьируемым спектром излучения. Измерения светотехнических характеристик источников излучения и светодиодного модуля проводили в ЦКП «Светотехническая метрология» Института электроники и светотехники НИ МГУ им. Н.П. Огарёва. Приведено краткое описание сборки макетного образца. Результаты исследования могут использоваться в разработках облучателей со светодиодами.

1. Беляева О.А. Влияние ультрафиолетового облучения на физиологическое состояние и продуктивные качества бройлеров при содержании на глубокой подстилке в условиях Приамурья / Дис. …к-та сельхоз. наук. – Красноярск, 2005.
2. Влияние света на поведение и продуктивность птицы // Птицеводство. –2006. – № 6. – С. 36–37.
3. Найденский М.С. Влияние различной освещенности на продуктивность и биохимические показатели крови кур при содержании их в многоярусных клеточных батареях // Повышение естественной резистентности с. – х. птицы / Сб. науч. Тр. (Моск. вет. акад) – 1983. – С. 47–53
4. Вракин В.Ф., Кашлев Н.В., Ефимова А.А. Морфофункциональное состояние эпифиза и яичника кур при различных уровнях освещенности // Известия ТСХА. – 1991. – № 1. – С. 157–159
5. Коваленко О.Ю., Пильщикова Ю.А., Гусева Е.Д. Повышение эффективности и контроль параметров источников излучения облучательных установок в сельском хозяйстве // Фотоника. – 2017. – № 8 (68). – С. 68–73.
6. Овчукова С.А., Кондратьева Н.П., Коваленко О.Ю. Экономия электроэнергии в световых технологиях сельскохозяйственного производства // Светотехника. – 2020. – № 6. – С. 68–70.
7. Патент РФ № 2393667, 10.07.2010.
8. Патент РФ (поле зная модель) № 159308, 10.02.2016.
9. Патент РФ № 2796899, 29.05.2023.
10. НИИИС им. А.Н. Лодыгина. URL: https://vniiis.su/product/лэ‑15н/ (дата обращения: 10.04.2025).
11. НИИИС им. А.Н. Лодыгина. URL: https://vniiis.su/product/дб15/ (дата обращения: 10.04.2025).
12. Navigator. URL: https://navigator-light.ru/lamps/galogen/linejnyie-nh-j/94221.html (дата обращения: 27.04.2024).
13. ECOLUMEN. URL: https://www.ecolumen. ru/catalog/korpusa-dlya- svetodiodnykhsvetilnikov/?ysclid=m9bcipx4bo726896368 (дата обращения: 10.04.2025).
14. Ультрафиолетовое облучение животных / Ветеринария в сельском хозяйстве. URL: http://handcent.ru/bolezni-kostnoysistemy/3008‑ultrafioletovoe-oblucheniezhivotnyh.html (дата обращения: 13.10.2025).
15. Аpeyron electrics. URL: https://apeyronled.ru/product/03_49/ (дата обращения: 27.04.2024).
16. Коваленко О.Ю., Нестеркина Н.П., Зорькин Н.А., Журавлёва Ю.А., Туркин А.Н. Устройство для облучения птицы / Патент РФ (полезная модель) № 236573, 13.08. 2025.
17. ГОСТ Р 8.760–2011 «Измерение энергетических и эффективных характеристик ультрафиолетового излучения бактерицидных облучателей. Методика измерений».
18. ГОСТ Р 70380–2022 «Лампы ультрафиолетовые бактерицидные низкого давления. Методы измерений энергетических характеристик ультрафиолетового излучения и электрических параметров».

Исходя из идеи о том, что «холодный свет – это феноменологический инструмент конструкции», данное исследование изучает преобразующую роль света в пространстве удовольствия. Соответственно, холодный свет – это не просто элемент освещения; это язык дизайна, который напрямую влияет на то, как пользователи воспринимают, переживают и экзистенциально позиционируют себя в пространстве. Согласно феноменологическому подходу, архитектура – это не просто формальный акт, вызывающий человеческое сознание и чувственный опыт. В этом девяти холодном свете является одним из наиболее эффективных инструментов, используемых архитектором для проектирования впечатлений. Следовательно, холодный свет в архитектуре может быть мощным и феноменологическим фактором управления, которое регулирует психологическое и когнитивное состояние пользователей.

1. Kılıç H. Dış Mekânların Gece Algılanması // Mimarlık ve Şehircilikte Mekân / Под ред. İlhan Altan. İstanbul: Sistem Yayıncılık, 1992. С. 25–29. ISBN: 975–461–009–6.
2. Le Corbusier. Towards a New Architecture. New York: Dover Publications, 1931.
3. Efe S.B., Varhan D. Interior Lighting of a Historical Building by Using LED Luminaires A Case Study of Fatih Pasha Mosque // Light & Engineering, 2020. Т. 28, № 4. С. 77–83.
4. Cengiz M.S. Role of Functional Lighting Urban Beautification: Qatar-Doha Road Lighting Case // Light & Engineering, 2022. Т. 30, № 3. С. 34–42.
5. Cengiz M.S. Using artificial lighting to support natural lighting in architectural building designs // Light & Engineering, 2022. Т. 30, № 1. С. 113–123.
6. Akdeniz M., Efe S.B. Forecasting of harmonic distortions in mv distribution network caused by illumination devices // Light & Engineering, 2025. Т. 33, № 2. С. 104–110.
7. Kaynaklı M., Palta O., Cengiz Ç. Solar Radiation and Temperature Effects on Agricultural Irrigation Systems // Bitlis Eren University Journal of Science and Technology, 2016. Т. 6, № 1. С. 53–58.
8. Cengiz M.S., Cengiz Ç. Numerical Analysis of Tunnel Led Lighting Maintenance Factor // International Islamic University Malaysia Journal, 2018. Т. 19, № 2. С. 154–163.
9. Zhou B., Zhou Y., Ren Q., Peng L., Guan Y., He H. Research on the Impact of Lighting Illuminance and Color on Creative Performance and Mood // Buildings, 2025. Т. 15, № 10. С. 1738.
10. Awada M., Gerber B.B., Lucas G.M., Roll S.C. The impact of color correlated temperature and illuminance levels of office lighting on stress and cognitive restoration // Journal of Environmental Psychology, 2025. Т. 104. С. 102628.
11. Li X., Wang R., Whang M. Designing Light for Emotion: A Neurophysiological Approach to Modeling Affective Responses to the Interplay of Color and Illuminance // Biomimetics, 2025. Т. 10, № 10. С. 696.
12. Nolé Fajardo M.L., Higuera-Trujillo J.L., Llinares C. Lighting, colour and geometry: which has the greatest influence on students’ cognitive processes // Frontiers of Architectural Research, 2023. Т. 12, № 4. С. 575–586.
13. Luo W., Kramer R., Kompier M., Smolders K., de Kort Y., van Marken Lichtenbelt W. Effects of correlated color temperature of light on thermal comfort, thermophysiology and cognitive performance // Building and Environment, 2023. Т. 231. С. 109944.
14. Ando T. Light and Space in Architecture. Tokyo: Japan Design Council, без года.
15. Hadid Z., Schumacher P. Fluid luminosity: Recessed and reflected cold light in parametric forms // Zaha Hadid: Complete works 2009–2025 / Под ред. Z. Hadid Architects. London: Thames & Hudson, 2025. С. 145–162.
16. Idenburg F., Ryan L. SANAA: Luminous minimalism and diffused cold light // SANAA: Works 2011–2023. Zürich: Lars Müller Publishers, 2023. С. 112–128.
17. Koolhaas R. Light // Elements of architecture / Под ред. R. Koolhaas. Köln: Taschen, 2014. С. 187–228.
18. Nouvel J. Pluie de lumière: Filtering the desert sun // Ateliers Jean Nouvel: Selected works 2010–2023. London: Phaidon, 2023. С. 89–104.
19. Guzowski M. The Art of Architectural Daylighting. London: Laurence King Publishing, 2018.
20. Major M., Speirs J., Tischhauser A. Made of Light: The Art of Light and Architecture. Basel: Birkhäuser, 2005.
21. Zumthor P. Thinking Architecture. 3rd ed. Basel: Birkhäuser, 2006.
22. Ando T. Tadao Ando: The Yale Studio and Selected Projects. New York: Rizzoli International Publications, 1995.
23. Tadao Ando // Atmospheres / P. Zumthor. 5th expanded ed. Basel: Birkhäuser. С. 92–97.
24. Ando T. Light and shadow // Tadao Ando: Endeavors. Paris: Flammarion, 2019. С. 112–135.
25. Ando T. The emotional power of light in concrete // Conversations with students and architects. New York: Princeton Architectural Press, 2022. С. 67–84.
26. Ando T. The dual nature of light and darkness: Church of the Light revisited // Light and shadow: Concrete meditations. Expanded ed. Tokyo: Tuttle Publishing, 2024. С. 67–82.
27. Baeza A.C. The Idea of Architecture. Barcelona: Actar D, 2012.
28. Chipperfield D. David Chipperfield Architects: Form Matters. Köln: Walter Konig, 2014.
29. Siza Á. Álvaro Siza: Complete Works. London: Phaidon Press, 2000.
30. Pallasmaa J. The Eyes of the Skin: Architecture and the Senses. Chichester: John Wiley & Sons, 2005.
31. Holl S. Intertwining: The ‘Thread’ of Architecture. New York: Princeton Architectural Press, 1996.
32. Holl S. Parallax: Steven Holl. New York: Princeton Architectural Press, 2000.
33. Holl S. Architecture Spoken. New York: Rizzoli International Publications, 2009.
34. Holl S. Phenomenology of light: From Tadao Ando to the present // Urbanisms: Working with doubt. Expanded ed. New York: Princeton Architectural Press, 2024. С. 156–173.
35. Bin Z., Bin Q., Yin L., Cheng X., Chang L., Qiuqun C., Jiajia Z., Xiaofeng L., Jianrong Q. A volumetric full-color display realized by frequency upconversion of a transparent composite incorporating dispersed nonlinear optical crystals // NPG Asia Materials, 2017. Т. 9.
36. Taylor G.J., Bagby R.M., Parker J.D.A. The 20-Item Toronto Alexithymia Scale: IV. Reliability and factorial validity in different samples // Journal of Psychosomatic Research, 1992. Т. 36, № 1. С. 17–25.
37. Mirhashemi A., Taha O.S., Shabaan M., Yassien H., Elkhodary S.A., Mohamed S.M. The integration of Cone Beam Computed Tomography, Artificial Intelligence, Augmented Reality, and Virtual Reality in Dental Diagnostics, Surgical Planning, and Education: A Narrative Review // Applied Sciences, 2024. Т. 14, № 11. С. 6308.
38. Yurci Y., Kaynaklı M., Palta O., Efe S.B., Cengiz Ç. The performance-cost effect of the scada system on distribution networks // IOSR Journal of Electrical and Electronics Engineering, 2016. Т. 11, № 6. С. 32–38.
39. Guler O., Onaygil S. The Effect of Luminance Uniformity on Visibility Level in Road Lighting // Lighting Research & Technology, 2003. Т. 35, № 3. С. 199–215.

Сегодня быстрый рост городов и растущий спрос на энергию требуют пересмотра систем дорожного освещения как с точки зрения безопасности, так и с точки зрения энергоэффективности. Дорожное освещение имеет решающее значение для безопасности, эстетики и доступности городов. Многие существующие системы дорожного освещения страдают от таких проблем, как высокое энергопотребление, низкая эффективность, повышенные затраты на техническое обслуживание и воздействие на окружающую среду. Более того, несмотря на технический прогресс, системы освещения во многих городах недостаточно оптимизированы. Это создаёт серьёзную проблему для устойчивого использования энергетических ресурсов и сокращения выбросов углекислого газа. В данном исследовании представлен сравнительный анализ технического, экономического и экологического воздействия ламп уличного освещения, работающих от сети распределения электроэнергии, уличных фонарей на солнечных батареях и автономных солнечных электростанций. Этот анализ показывает, что системы, основанные на возобновляемых источниках энергии, обладают преимуществами как с точки зрения энергоэффективности, так и с точки зрения устойчивости. Это исследование станет важным руководством для муниципалитетов, строительных компаний и градостроителей, которые хотят выбрать наиболее подходящее световое решение для систем дорожного освещения.

1. Manolescu A., Sisak F. LED source, a comparative analysis on lighting efficiency // 2016 International Conference and Exposition on Electrical and Power Engineering (EPE). Iasi, Romania, 2016. С. 525–528.
2. Donatello S., Quintero R.R., De Oliveira G.C.M., Wolf O., Van Tichelen P., Van Hoof V., Geerken T. Revision of the EU green public procurement criteria for road lighting and traffic signals. Luxembourg: Publications office of the European Union, 2019. ISBN 978‑92‑79‑99077‑9. https://doi.org/10.2760/372897.
3. Gorgulu S., Kocabey S. An energy saving potential analysis of lighting retrofit scenarios in outdoor lighting systems: a case study for a university ampus // Journal of Cleaner Production, 2020. V. 260. С. 121060. https://doi.org/10.1016/j.jclepro.2020.121060.
4. Demir H., Çıracı G., Kaya R., Ünver Ü. Aydınlatmada Enerji Verimliliği: Yalova Üniversitesi Mühendislik Fakültesi Durum Değerlendirmesi // Uludağ Üniversitesi Mühendislik Fakültesi Dergisi, 2020. V. 25, № 3. С. 1637–1652.
5. https://enerji.gov.tr/haber-detay?id=21324, (Access date: 03.06.2025)
6. Kessler R.L. Street lighting and safety: A review of the effects of various lighting types on crime and accidents // Journal of Urban Safety, 2015. V. 11, № 4. С. 123–136.
7. Abdullah M.A., Noor M.A. Energy-efficient street lighting: A comparison of technologies // International Journal of Energy and Environmental Engineering, 2019. V. 10, № 2. С. 199–206.
8. Hossain J., Algeelani N.A., Al-Masoodi A.H.H., Kadir A.F.A. Solar-wind power generation system for street lighting using internet of things // Indonesian Journal of Electrical Engineering and Computer Science, 2022. V. 26, № 2. С. 639–647.
9. Palacios-Intriago V.B., Rezabala-Cedeño D.D., Vera-Cevallos W.L. LED lights and their impact on energy savings in a residential environment // International Journal of Engineering and Computer Science, 2024. V. 7, № 1. С. 8–11.
10. Kocaman B., Rüstemli S. Comparison of LED and HPS luminaires in Terms of Energy Savings at Tunnel Lighting // Light & Engineering, 2019. V. 27, № 3. С. 67–74.
11. Rangari V.V., Kadam A.R., Dhoble S.J. LEDs Benefits and Challenges in Road Lighting // International Journal of Scientific Research in Science and Technology, 2021. V. 8, № 1. С. 568–583.
12. Sutono S., Albar C.N. Analysis of solar powered public street lighting design (PJUTS) // Journal of Engineering Science and Technology, 2025. V. 20, № 1. С. 288–298.
13. Han S., Li C., Zhang F. Comparative study of energy efficiency and light quality of street lamps in urban areas // Journal of Sustainable Energy, 2019. V. 4, № 1. С. 28–36.
14. Akindipe D., Olawale O.W., Bujko R. Techno-Economic and Social Aspects of Smart Street Lighting for Small Cities – A Case Study // Sustainable Cities and Society, 2022. V. 84. С. 103989. https://doi.org/10.1016/j.scs.2022.103989.
15. Babatunde M.O., Akinbulire T.O., Oluseyi P.O., Emezirinwune M.U. Techno-economic viability of off-grid standalone PV-powered LED street lighting system in Lagos, Nigeria // African Journal of Science Technology Innovation and Development, 2019. V. 11, № 1. С. 1–13.
16. Kocaman B. Energy Effıcıency In Lighting For Historıcal Buildings: Case Study Of The El Aman Caravanserai In Provınce of Bitlis, Turkey // Light & Engineering, 2020. V. 28, № 4. С. 68–76.
17. Nadweh S., Mohammed N., Mekhilef S. Techno-Economical Evaluation of Photovoltaic-Powered Street Lighting Systems // 4th International Conference on Emerging Smart Technologies and Applications (eSmarTA). Sana’a, Yemen, 2024. С. 1–8. doi: 10.1109/eSmarTA62850.2024.10638949.
18. Olajiga O.K., Ani E.C., Sikhakane Z.Q., Olatunde T.M. A Comprehensive Review of Energy-Efficient Lighting Technologies And Trends // Engineering Science & Technology Journal, 2024. V. 5, № 3. С. 1097–1111.
19. Rüstemli S., Kocaman B., Avcil S. Comparative Analysis of High-Pressure Sodium Vapor Luminaires with LED Luminaires in Tunnel Illumination // Light & Engineering, 2022. V. 30, № 4. С. 87–96.
20. Kumar S., Deshpande A., Ho S.S., Ku J.S., Sarma S.E. Urban Street Lighting Infrastructure Monitoring Using a Mobile Sensor Platform // IEEE Sensors Journal, 2016. V. 16. С. 4981–4994.
21. Davidovic M., Kostic M. Comparison of energy efficiency and costs related to conventional and LED road lighting installations // Energy, 2022. V. 254, Part B.С. 124299. https://doi.org/10.1016/j.energy.2022.124299.
22. Prakash O., Kumar S., Kumar P. Applications of solar Photovoltaic’s to power stand-alone area and streetlighting // IOP Conference Series: Materials Science and Engineering, 2021. V. 1104. С. 012030. doi: 10.1088/1757‑899x/11 04/1/012030.
23. https://www.LEDlight365.com/en/news/5-Small-Tips-to-Improve-the-Efficiency-of-Solar-Street-Lights.html (Access date: 14.04.2025) 24. Sutopo W., Mardikaningsih I.S., Zakaria R., Ali A. A Model to Improve the Implementation Standards of Street Lighting Based on Solar Energy: A Case Study // Energies, 2020. V. 13, № 3. С. 630. doi:10.3390/en13030630.
25. Anjali Y.J., Aishwarya B.K., Akshitha, Shruti V.J., Lokeshwari M. Solar Powered Automatic Street Light System // International Advanced Research Journal in Science, Engineering and Technology, 2023. V. 10, № 5. С. 241–249.
26. Ntawuhorakomeye N., Ndayiragije L., Belov M.P. Improved Design and Recommendations for Street Lighting in Gitega City // Advances in Science, Technology and Engineering Systems Journal, 2020. V. 5, № 6. С. 1356–1365.
27. Rüstemli S., Kocaman B. Bitlis İlinin Sürdürülebilir Kalkınmasında Yenilenebilir Enerji Kaynaklarının Önemi // Kahramanmaraş Sütçü İmam Üniversitesi Mühendislik Bilimleri Dergisi, 2023. V. 26, № 2. С. 532–541. https://doi.org/10.17780/ksujes.1224587.

Южный Алжир отличается суровыми климатическими условиями, в частности, постоянными сильными ветрами и экстремальными температурами. Эти факторы окружающей среды часто приводят к сбоям в работе интеллектуальных систем уличного освещения, вызывая простои в работе, и негативно сказываются на повседневной жизни граждан. В ходе пилотного тестирования интеллектуальной системы уличного освещения на территории университетского кампуса были выявлены две критические проблемы: сильный ветер и проливные дожди, которые вынудили систему приостановить работу из-за снижения производительности в таких условиях. Для решения этих проблем были обучены и оценены две модели глубокого обучения – долгой краткосрочной памяти (LSTM) и свёрточной нейронной сети с LSTM (CNN-LSTM) – с использованием одномерного набора данных, включающего только исторические данные о выходной мощности. Основная цель заключалась в разработке стратегии управления, способной динамически регулировать уровни мощности для повышения устойчивости системы к изменчивости окружающей среды. Результаты показывают, что обе модели продемонстрировали высокую точность прогнозирования; однако модель LSTM показала более высокую точность по сравнению с CNN-LSTM, что подчёркивает её эффективность в оптимизации интеллектуальных систем уличного освещения в экстремальных климатических условиях при одновременном повышении энергоэффективности.

1. M’hamed R., Boussemaha B., Mouaadh Y., Youcef H., Mohammed D. Low cost of smart unilateral street lighting system with photovoltaic power plant using particle swarm optimization // Studies in Engineering and Exact Sciences, 2024. V. 5, № 2. С. e11658.
2. Agramelal F., Sadik M., Moubarak Y., Abouzahir S. Smart Street Light Control: A Review on Methods, Innovations, and Extended Applications // Energies, 2023. V. 16, № 21. С. 1–42.
3. Jackett M., Frith W. Quantifying the impact of road lighting on road safety – A New Zealand Study // IATSS Research, 2013. V. 36, № 2. С. 139–145.
4. Viswanathan S., Momand S., Fruten M., Alcantar A. A model for the assessment of energy-efficient smart street lighting – a case study // Energy Efficiency, 2021. V. 14, № 6.
5. Pizzuti S., Annunziato M., Moretti F. Smart street lighting management // Energy Efficiency, 2013. V. 6, № 3. С. 607–616.
6. Beccali M., Bonomolo M., Lo Brano V., Ciulla G., Di Dio V., Massaro F. A multifunctional public lighting infrastructure, design and experimental test // Journal of Sustainable Development of Energy, Water and Environment Systems, 2017. V. 5, № 4. С. 608–625.
7. Rojek I., Mikołajewski D., Galas K., Piszcz A. Advanced Deep Learning Algorithms for Energy Optimization of Smart Cities // Energies, 2025. V. 18, № 2.
8. Raza M.Q., Khosravi A. A review on artificial intelligence based load demand forecasting techniques for smart grid and buildings // Renewable and Sustainable Energy Reviews, 2015. V. 50. С. 1352–1372.
9. Alam S., Alharthi S.A., Alotaibi F.A., Khan F. Intelligent Streetlight Control System Using Machine Learning Algorithms for Enhanced Energy Optimization in Smart Cities // Journal of Ecohumanism, 2025. V. 4, № 4.
10. Durand D., Aguilar J., R-Moreno M.D. An analysis of the energy consumption forecasting problem in smart buildings using LSTM // Sustainability, 2022. V. 14, № 20.
11. Jouahri M.A., Boulghasoul Z., Tajer A. Smart control of electrical power in an LED lighting network taking into account road flow and meteorological conditions // Electrical Engineering, 2024. V. 106, № 5. С. 5655–5675.
12. Gopalakrishnan B., Dharshini M., Devi S.R., Gayathri K. Prediction of street lights in metro cities using time series analysis in machine learning algorithm // International Journal of Aquatic Science, 2021. V. 12, № 3. С. 1336–1345.
13. Amiri A.F., Chouder A., Oudira H., Silvestre S., Kichou S. Improving photovoltaic power prediction: insights through computational modeling and feature selection // Energies, 2024. V. 17, № 13.
14. Nadweh S., Mohammed N., Konstantinou C., Ahmed S. Operational performance assessment of PV-powered street lighting: a comparative study of different machine learning prediction models // IEEE Access, 2025. V. 13.
15. Yang G., Luo Q., Wu J. Automatic control method for street lights in unideal lighting environments based on deep learning // Light & Engineering, 2023. V. 31, № 6.
16. Bian J., Yang J.J. Smart street lighting powered by renewable energy: a multi-criteria, data-driven decision framework // Sustainability, 2025. V. 17, № 13.
17. Sujana J.A.J., Raj R.V., Priya V.K.R. Fog intelligence for energy efficient management in smart street lamps // Computing, 2024. V. 106, № 12. С. 4057–4082.
18. Mouaadh Y., Bousmaha B., Mhamed R. Intelligent control and reduce energy consumption of smart street lighting system // International Journal of Power Electronics and Drive Systems (IJPEDS), 2022. V. 13, № 4. С. 1966–1974.
19. Arpit D., Kanuparthi B., Kerg G., Ke N.R., Mitliagkas I., Bengio Y. h-detach: Modifying the LSTM gradient towards better optimization // arXiv Prepr., 2018. arXiv:1810.03023.
20. Elmaz F., Eyckerman R., Casteels W., Latré S., Hellinckx P. CNN-LSTM architecture for predictive indoor temperature modeling // Building and Environment, 2021. V. 206. С. 108327.
21. Kim T.Y., Cho S.B. Predicting residential energy consumption using CNN-LSTM neural networks // Energy, 2019. V. 182. С. 72–81.
22. Lee S.W., Kim H.Y. Stock market forecasting with super-high dimensional time-series data using ConvLSTM, trend sampling, and specialized data augmentation // Expert Systems with Applications, 2020. V. 161. С. 113704.
23. Tukymbekov D., Saymbetov A., Nurgaliyev M., Kuttybay N., Dosymbetova G., Svanbayev Y. Intelligent autonomous street lightingsystem based on weather forecast using LSTM // Energy, 2021. V. 231. С. 120902.
24. Islam M.Z., Islam M.M., Asraf A. A combined deep CNN-LSTM network for the detection of novel coronavirus (COVID‑19) using X-ray images // Informatics in Medicine Unlocked, 2020. V. 20. С. 100412.
25. Wang J., Yu L.C., Lai K.R., Zhang X. Dimensional sentiment analysis using a regional CNN-LSTM model // Proc. 54th Annu. Meet. Assoc. Comput. Linguist. (ACL), 2016. С. 225–230.
26. Yaichi M., Bouchiba B., Rebhi M. IoT-based smart street lighting system and enhanced energy saving using ESP-NOW protocol // Light & Engineering, 2024. V. 32, № 6. С. 76–84.
27. Agga A., Abbou A., Labbadi M., El Houm Y. Short-term self consumption PV plant power production forecasts based on hybrid CNNLSTM, ConvLSTM models // Renewable Energy, 2021. V. 177. С. 101–112.
28. Tsalikidis N., Mystakidis A., Tjortjis C., Koukaras P., Ioannidis D. Energy load forecasting: one-step ahead hybrid model utilizing ensembling // Computing, 2024. V. 106, № 1.

Повышение энергоэффективности систем внутреннего освещения является ключевой стратегией снижения энергопотребления без ущерба для зрительного комфорта. В статье представлено исследование эффективности моделей прогнозирования дневного света на основе искусственного интеллекта (ИИ) для управления внутренним освещением по разомкнутому контуру (без использования обратной связи от датчиков освещённости), а также сравнение их энергосберегающего эффекта с эталонной системой с замкнутым контуром. В основу анализа легли реальные данные о естественном освещении (ЕО), собранные в течение двух лет в общественном здании.
Система с замкнутым контуром использует датчики освещённости в каждой точке измерения, тогда как альтернативная система с разомкнутым контуром опирается на модели прогнозирования ЕО, построенные на методах машинного обучения и учитывающие такие параметры, как размеры помещения, коэффициент отражения поверхностей стен, площадь остекления, расстояние точки измерения от окон и пространственная ориентация здания.
Было разработано и оценено восемь регрессионных моделей прогнозирования; наивысшую точность показала модель на основе метода опорных векторов для регрессии (Support Vector Regression, SVR), а наименьшую – регрессор Тейла – Сена (Theil – Sen Regressor).
Анализ энергопотребления проводился исключительно по статье расхода электроэнергии на искусственное освещение. Результаты показали, что системы управления с замкнутым контуром способны сократить годовое потребление электроэнергии на освещение до 52 %, тогда как системы с разомкнутым контуром обеспечивают экономию в диапазоне от 33 % до 40 %.
Несмотря на более высокую эффективность, системы с замкнутым контуром связаны со значительными затратами на установку и эксплуатацию, что приводит к сроку окупаемости порядка 8–10 лет. Полученные результаты подчёркивают потенциал основанных на использовании ИИ систем управления освещением по разомкнутому контуру как экономически выгодного решения при реконструкции существующих зданий.

1. Mantzourani, K., Doulos, L., Kontadakis, A., & Tsangrassoulis, A. (2020). The effect of the daylight zone on lighting energy savings. In IOP Conference Series: Earth and Environmental Science (p. 012099). IOP Publishing volume 410.
2. Wong, L. (2017). A review of daylighting design and implementation in buildings. Renewable and Sustainable Energy Reviews, 74, 959–968.
3. Seyedolhosseini, A., Masoumi, N., Modarressi, M., & Karimian, N. (2020). Daylight adaptive smart indoor lighting control method using artificial neural networks. Journal of Building Engineering, 29, 101141.
4. Yin, C., Stark, B., Chen, Y., Zhong, S.-m., & Lau, E. (2015). Fractional-order adaptive minimum energy cognitive lighting control strategy for the hybrid lighting system. Energy and Buildings, 87, 176–184.
5. Ngarambe, J., Adilkhanova, I., Uwiragiye, B., & Yun, G. Y. (2022). A review on the current usage of machine learning tools for daylighting design and control. Building and Environment, 223, 109507.
6. Le-Thanh, L., Nguyen-Thi-Viet, H., Lee, J., & Nguyen-Xuan, H. (2022). Machine learning-based real-time daylight analysis in buildings. Journal of Building Engineering, 52, 104374.
7. Bunjongjit, S., Ananwattanaporn, S., Ngaopitakkul, A., Jettanasen, C., & Patcharoen, T. (2020). Design and application of daylight-based lighting controller on led luminaire. Applied Sciences, 10, 3415.
8. Beykaei, S. T., Mozaffari Ghadikolaei, F., & Ebrahimi, A. (2024). Application of machine learning to predict daylight glare probability. International Journal of Nonlinear Analysis and Applications, 15, 229–236.
9. Bi, G., Liu, J., Gao, G., & Zhao, L. (2023). Near-optimal adaptive predictive control model study for roller shades in office spaces. Journal of Building Engineering, 68, 105998.
10. Kim, Y. S., Shin, H. S., & Park, C. S. (2022). Model predictive lighting control for a factory building using a deep deterministic policy gradient. Journal of Building Performance Simulation, 15, 174–193.
11. Harris, B., & Montes, J. (2021). A sensor-less daylight harvesting approach using calibration to reduce energy consumption in buildings. In World Congress on Engineering Asset Management (pp. 47–56). Springer.
12. Sanjeev Kumar, T., Kurian, C. P., & Shetty, S. (2020). A data-driven approach for the control of a daylight – artificial light integrated scheme. Lighting Research & Technology, 52, 292–313.
13. Borile, S., Pandharipande, A., Caicedo, D., Schenato, L., & Cenedese, A. (2017). A data-driven daylight estimation approach to lighting control. IEEE Access, 475 5, 21461–21471.
14. Warnakulasooriya, K., Jayasuriya, Y. P., & Sudantha, B. (2018). Generic iot framework for environmental sensing researches: Portable iot enabled weather station. In 2018 International Conference on System Science and Engineering (ICSSE) (pp. 1–5). IEEE.
15. Zhang, F., & O’Donnell, L. J. (2020). Support vector regression. In Machine learning (pp. 123–140). Elsevier.
16. Haji, S. H., & Abdulazeez, A. M. (2021). Comparison of optimization techniques based on gradient descent algorithm: A review. PalArch’s Journal of Archaeology of Egypt/Egyptology, 18, 2715–2743.
17. van Wieringen, W. N. (2015). Lecture notes on ridge regression. arXiv preprint arXiv: 1509.09169.

Своевременное выявление повреждений дорожного покрытия играет ключевую роль в поддержании инфраструктуры и обеспечении безопасности дорожного движения. Традиционные методы инспекции дороги требуют значительных затрат и нередко сопровождаются человеческим фактором. В отличие от них, использование беспилотных летательных аппаратов (БПЛА) в сочетании с современными методами компьютерного зрения предоставляет масштабируемую и экономически выгодную альтернативу. В настоящем исследовании предлагается модель нейронной сети на основе фреймворка YOLOv12 для обнаружения дефектов дорожного покрытия. Модель обучена на наборе данных UAV-PDD2023, включающем более 2400 аэрофотоснимков высокого разрешения, аннотированных по шести категориям повреждений. Для оценки устойчивости и способности к обобщению были рассмотрены две конфигурации модели, различающиеся этапами предварительной обработки данных и набором гиперпараметров. Дополнительно проведено сравнение качества распознавания при замене исходных RGB-изображений их одноканальными версиями. Результаты показывают, что cвыше 90 % дефектов, найденных на RGB-изображениях, также корректно идентифицируются и на одноканальных. Это свидетельствует о том, что одна обученная модель может эффективно применяться к изображениям с разными спектральными характеристиками.

1. Катаев М.Ю., Дадонова М.М., Ефременко Д.С. Коррекция освещённости многовременных RGB-изображений, получаемых с помощью беспилотного летательного аппарата // Светотехника. – 2020. – № 6. – С. 19–25.
2. Kataev M. Yu.. Kartashov E.Y.. Avdeenko V.D. Method for detecting road defects using images obtained from unmanned aerial vehicles // Computer Optics. – 2023. – Vol. 47(3).
3. Чэнь С., Ефременко Д.С., Мон Л., Чжан Ж. Картирование наземных полей аквакультуры по снимкам дистанционного зондирования высокого разрешения // Светотехника. – 2023. – № 4. – С. 76–81.
4. Ariff M.F.M.. Abidin M.S.Z. UAV Photogrammetry for Road Defects Mapping // Journal of Advanced Geospatial Science and Technology. – 2023. – Vol. 3(1). – Р. 1–14.
5. Zhang Y., Zuo Z., Xu X. et al. Road damage detection using UAV images based on multi-level attention mechanism // Automation in Construction. – 2022. – Vol. 144. – 104613.
6. He X., Tang Z., Deng Y. et al. UAV-based road crack object-detection algorithm // Automation in Construction. – 2023. – Vol. 154. – 105014.
7. Zhang Y., Chen J., Wu Z. et al. Optimizing pavement distress detection with UAV: A comparative study of vision transformer and convolutional neural networks // KSCE Journal of Civil Engineering. – 2025. – Vol. 29(6). – 100095.
8. Sun Z., Zhu L., Qin S. et al. Road Surface Defect Detection Algorithm Based on YOLOv8 // Electronics. – 2024. – Vol. 13(12). – 2413,
9. Wang J., Meng R., Huang Y. et al. Road defect detection based on improved YOLOv8s model // Scientific Reports. – 2024. – Vol. 14.
10. Li J., Yuan C., Wang X. Real-time instance-level detection of asphalt pavement distress combining space-to-depth (SPD) YOLO and omni-scale network (OSNet) // Automation in Construction. – 2023. – Vol. 155. – 105062.
11. Alzamzami O., Babour A., Baalawi W., Al Khuzayem L. PDS-UAV: A Deep Learning-Based Pothole Detection System Using Unmanned Aerial Vehicle Images // Sustainability. – 2024. – Vol. 16(21). – 9168.
12. Silva L., Leithardt V. Quietinho and Batista V. et al. Automated Road Damage Detection Using UAV Images and Deep Learning Techniques // IEEE Access. – 2023. – Vol. 11. – P. 62918–62931.
13. Chen Y., Wang Y., Luo et al. BCGW-YOLO: A lightweight network for road damage detection using enhanced feature fusion and dynamically adjusted gradient loss // Digital Signal Processing. – 2026. – Vol. 168, part C. – 105609.
14. Sharma S., Gosain A. Addressing class imbalance in remote sensing using deep learning approaches: a systematic literature review // Evolutionary Intelligence. – 2025. – Vol. 18(1).
15. Yan H., Zhang J. UAV-PDD2023: A benchmark dataset for pavement distress detection based on UAV images // Data in Brief. – 2923. – Vol. 51. –109692.
16. Tian Y., Ye Q., Doermann D. YOLOv12: Attention-Centric Real-Time Object Detectors // arXiv preprint. – 2025. – 2502.12524.
17. Kostenetskiy P S., Chulkevich R.A., Kozyrev V.I. HPC Resources of the Higher School of Economics // Journal of Physics: Conference Series. – 2021. – Vol. 1740(1). – 012050.

В данном исследовании предлагается новый метод проектирования компактных линз свободной формы с высокой гибкостью для создания качественных прямоугольных световых пятен в системах искусственного освещения типа «искусственное небо». Применение прямоугольного разбиения сетки позволяет преодолеть типичные для традиционных систем проблемы, такие как структурная сложность и неравномерность освещённости. Разработанная линза обеспечивает повышенную равномерность освещённости и чёткость границ без увеличения физических размеров системы.
Для оптимизации производительности предложены три ключевых нововведения: (i) методика моделирования с пониженной дискретизацией, повышающая точность моделирования при сокращении времени вычислений; (ii) метод отсечения энергетической поверхности для удаления лучей, подвергающихся полному внутреннему отражению, что улучшает распределение света; и (iii) подход к построению UV-поверхности, объединяющий дискретные точки в гладкую поверхность свободной формы, эффективно минимизируя краевые искажения.
Предложенная конструкция была проверена с помощью оптического моделирования и экспериментальной реализации на основе светодиодов LUXEON C White. Результаты подтверждают её эффективность в формировании чётко очерченных и равномерных прямоугольных световых пятен. Кроме того, масштабируемость конструкции была протестирована в условиях протяжённого источника света и для больших целевых областей. Для дальнейшего повышения оптических характеристик использовались генетические алгоритмы для оптимизации конфигурации светодиодных матриц.
Данная работа предлагает масштабируемое и эффективное оптическое решение для применений в области искусственного неба, обеспечивая высококачественное световое воздействие, пригодное для интеграции в архитектурную среду и помещения без естественного освещения.

1. Yasukouchi A., Maeda T., Hara K. et al. Non-visual effects of diurnal exposure to an artificial skylight, including nocturnal melatonin suppression // Journal of Physiological Anthropology. 2019. Т. 38, № 1. https://doi.org/10.1186/s40101–019–0203–4.
2. Canazei M., Pohl W., Bliem H.R. et al. Artificial skylight effects in a windowless office environment // Building and Environment. 2017. Т. 124. С. 69–77.
3. Canazei M., Laner M., Staggl S. et al. Room- and illumination-related effects of an artificial skylight // Lighting Research & Technology. 2016. Т. 48, № 5. С. 539–558. https://doi.org/10.1177/1477153515577852.
4. CoeLux Srl. Experience the sky from the first fully open MRI system. Retrieved April 28, 2024, from https://www.coelux.com/en/news/experience-the-sky-from-the-first-fully-openmri-system‑11556
5. Qingdao Yeelink Information Technology Co., Ltd. Smart Lighting Made Easier Yeelight. Retrieved April 28, 2024, from https://www.yeelight.com/home
6. Fournier F., Rolland J. Design methodology for high brightness projectors // Journal of Display Technology. 2008. Т. 4, № 1. С. 86–91.
7. Minano J.C., Benitez P., Blen J. et al. High-efficiency freeform condenser overcoming rotational symmetry limitations // Optics Express. 2008. Т. 16, № 25. С. 20193–20195.
8. Sun L.W., Jin S.Z. et al. Design of freeform microlens for LED general illumination // 2009 Asia Communications and Photonics Conference and Exhibition (ACP). Shanghai, China, 2009. С. 1–10.
9. Liu Z., Liu S., Wang K. et al. Optical Analysis of Color Distribution in White LEDs With Various Packaging Methods // IEEE Photonics Technology Letters. 2008. Т. 20, № 24. С. 2027–2029.
10. Shuang Z., Kai W., Fei C. et al. Lens design of LED searchlight of high brightness and distant spot // Journal of the Optical Society of America A: Optics, Image Science, and Vision. 2011. Т. 28, № 5. С. 815–820.
11. Zongyuan L., Kai W., Xiaobing L. et al. Precise optical modeling of blue light-emitting diodes by Monte Carlo ray-tracing // Optics Express. 2010. Т. 18, № 9. С. 9398–9412.
12. Sun L.W., Jin S.Z., Cen S. Freeform microlens for illumination applications // Applied Optics. 2009. Т. 48, № 29. С. 5520–5521.
13. Chen J.-J., Wang T.-Y., Huang K.-L. et al. Freeform lens design for LED collimating illumination // Optics Express. 2012. Т. 20, № 10. С. 10984–10995.
14. Feng Z., Cheng D., Wang Y. Iterative freeform lens design for optical field control // Photonics Research. 2021. Т. 9, № 9. С. 1775–1783.
15. Ge A., Wang W., Du Z. et al. High-energy-efficiency optical system for an LED headlamp architecture // Applied Optics. 2013. Т. 52, № 34. С. 8320–8327.
16. Wang K., Wu D., Chen F. et al. Angular color uniformity enhancement of white light-emitting diodes integrated with freeform lenses // Optics Letters. 2010. Т. 35, № 11. С. 1860–1862.

Статья посвящена разработке спектрогониорадиометрического комплекса, созданного на кафедре светотехники НИ МГУ им. Н.П. Огарёва. Основная цель создания комплекса – формирование экспериментальной базы для разработки и верификации упрощённых методов расчёта потока излучения источников сложной пространственной конфигурации, таких как компактные и U-образные УФ-лампы. Комплекс позволяет проводить измерение спектрального и пространственного распределения излучения облучателей с формированием IES-файлов для их последующего использования в САПР. Апробация работы комплекса проведена на примере облучателей «HealthyLight», для которых получены спектры излучения и пространственные распределения силы эритемного излучения. В перспективе комплекс станет основным инструментом в создании новых расчётных методик, а также в проектировании арматуры и современных облучательных установок бактерицидного и витального действия.

1. Вассерман А.Л. Измерение бактерицидного потока ультрафиолетовых трубчатых ртутных ламп низкого давления // Светотехника. – 2019. – № 1. – C. 69–71.
2. Вассерман А.Л. Обеззараживание воздушной среды УФ бактерицидным излучением // Светотехника. – 2020. – № 2. – C. 6–15.
3. Терехов В.Г. Система облучения для автоматизированной многоярусной фитоустановки типа «Сity Farm» // Светотехника. – 2019. – № 5. – С. 59–63.
4. Прикупец Л.Б., Боос Г.В. Облучательные установки в сельском хозяйстве. Электронная версия. – М.: Редакция журнала «Светотехника», 2023. – 136 с.
5. Committee, I. C. IESNA standard file format for electronic transfer of photometric data / I.C. Committee. – Illuminating Engineering Society of North America, 1995.
6. Столяревская Р.И. Обзор особенностей использования миниспектрорадиометров с ПЗС-матрицами в прикладной фотометрии // Светотехника. – 2020. – № 6. – С. 12–18.
7. Абрамов М.В., Прытков С.В., Тертычный М.С., Якубов А.В. Cравнение различных методов фильтрации результатов спектрорадиометрических измерений // Инженерный вестник Дона. – 2025. – № 2. – С. 1–8.
8. Абрамов М.В., Прытков С.В., Гордин И.И., Котлов И.А. Разработка методики расчёта и проектирования облучательных установок, применяемых для борьбы с ультрафиолетовой недостаточностью // Научно-технический вестник Поволжья. – 2024. – № 11. – С. 128–131.
9. ГОСТ IEC 61228–2019 «Лампы люминесцентные ультрафиолетовые для загара. Метод измерения и определения характеристик».
10. Sasges M., van der Pol A., Voronov A., Robinson J. Standard Method for Quantifying the Output of UV Lamps / Proc. International Congress on Ozone and Ultraviolet Technologies, Los Angeles, CA, 2007, August, International Ultraviolet Association.
11. Shaw P.-S., Li Z, Arp U., Lykke K. Ultraviolet characterization of integrating spheres // Appl. Opt. – 2007. – Vol. 46, No. 22. – P. 5119–5128.
12. Прытков С.В., Капитонов С.С., Винокуров А.С., Польдина Ю.С., Панкратов А.А., Бобылёв М.В., Палагушкин А.С., Вишневский С.А. Конструктив и программное обеспечение гониорадиометра для УФ источников излучения // Светотехника. – 2023. – № 3. – C. 81–88.
13. Абрамов М.В., Прытков С.В., Тертычный М.С. Измерения характеристик УФ облучателей на спектрогониорадиометре дальнего поля // Инновационная светотехника. – 2025. – № 1. – С. 64–70.
14. Нестеркина Н.П., Сидоров Д.В., Журавлёва Ю.А., Кузнецов Е.А. Проектирование облучательной установки с ультрафиолетовыми диодами // Светотехника. – 2025. – № 2. – С. 48–53.

В статье представлены разработка и экспериментальная валидация прототипа интеллектуальной системы управления уличным ОП с СД холодного белого (CW) и тёплого белого (WW) света, на основе обнаружения человека или объектов, анализа движения и учёта погодных условий. Основным управляющим узлом системы является Raspberry Pi 1 5 (RPi 5), интегрированный с беспроводной CCTV-камерой для получения информации о наличии объектов в реальном времени и оценки их скорости, а также с датчиком DHT11 и фоторезистором (LDR) для измерения температуры, влажности и уровня освещённости; данные о тумане и дожде поступают через программный интерфейс погодного сервиса (API)
. Разработанная система использует методы компьютерного зрения для обнаружения объектов, определения их типа и скорости движения, после чего динамически регулирует световой поток светодиодного модуля, состоящего из чередующихся массивов CW- и WW-светодиодов, в соответствии с требуемой освещённостью дорожного покрытия, зависящей от скорости объекта. Параллельно система анализирует погодные условия на основе данных API и формирует управляющий сигнал, передаваемый по сети «интернета вещей» (IoT 2) на модуль ESP8266 для переключения между CW- и WW-светодиодами в одном СД модуле.
В системе применяются методы сенсорного слияния для корреляции параметров окружающей среды и формирования требуемого уровня освещения. Аппаратный прототип разработан и экспериментально испытан в контролируемых условиях с целью оценки времени отклика системы, изменения светового потока в зависимости от скорости движения объектов, а также светотехнических характеристик при динамически меняющихся погодных условиях. Предложенная схема управления способствует созданию интеллектуального уличного освещения и обеспечивает надлежащие зрительные условия и безопасность, что поддерживает развитие концепции «умного города».

1. S.K. Jagatheesaperumal, S.E. Bibri, J. Huang, J. Rajapandian and B. Parthiban, «Artificial Intelligence of Things for Smart Cities: Advanced Solutions for Enhancing Transportation Safety,» Computational Urban Science, vol. 4, no. 1, Art. 10, Apr. 2024, doi: https://doi.org/10.1007/s43762‑024‑00120‑6
2. Mohsen Mahoor, Zohreh S. Hosseini, Amin Khodaei, Aleksi Paaso, and Daniel Kushner, «State-of-the-art in smart streetlight systems: a review,» IET Smart Cities, vol. 2, no. 1, pp. 24–33, Jan. 2020, doi: https://doi.org/10.1049/iet-smc.2019. 0029
3. M. Mahbub, M.M. Hossain, and M. S.A. Gazi, «IoT-Cognizant cloud-assisted energy efficient embedded system for indoor intelligent lighting, air quality monitoring, and ventilation,» Internet of Things, vol. 11, p. https://doi.org/10.1016/j.iot.2020.100266
4. J.W. Baek, Y.W. Choi, J.G. Lee, and K.T. Lim, «Edge-camera-based dynamic lighting control system for smart streetlights, » in Proc. 2020 International Conference on Artificial Intelligence in Information and Communication (ICAIIC), Fukuoka, Japan, Jan. 2020, pp. 19–21, doi: 10.1109/ICAIIC48513.2020.9065028
5. E. Basil and S.D. Sawant, «IoT based traffic light control system using Raspberry Pi,» Proc. Int. Conf. on Energy, Communication, Data Analytics and Soft Computing (ICECDS), Chennai, India, pp. 1078–1081, Aug. 2017, doi: 10.1109/ICECDS.2017.8389604.
6. Annareddy Sravani, P. Malarvezhi, and R. Dayana, «Design and implementation of dimmer based smart street lighting system using Raspberry Pi and IoT,» International Journal of Engineering & Technology, vol. 7, no. 2.8, pp. 524–528, Mar. 2018, doi: 10.14419/ijet.v7i2.8.10514
7. H.-J. Kang and S.-J. Kwon, «A Study on the Night Visibility Evaluation Method of Color Temperature Convertible Automotive Headlamps Considering Weather Conditions,» Applied Sciences, vol. 11, no. 18, p. 8661, Sep. 2021, doi: 10.3390/app11188661.
8. W. Park, M. Jin, Y. Kim, K. Kim and S. Lee, «Investigating the Effect of Road Lighting Color Temperature on Road Visibility in Night Foggy Conditions,» Applied Ergonomics, vol. 106, art. 103899, Nov.2022, https://doi.org/10.1016/j.apergo.2022.103899
9. P.T. Daely, H.T. Reda, G.B. Satrya, J.W. Kim and S.Y. Shin, «Design of Smart LED Streetlight System for Smart City with Web-Based Management System,» IEEE Sensors Journal, vol. 17, no. 18, pp. 6100–6110, 2017. DOI: 10.1109/JSEN.2017. 2734101
10. L. Dong, E. Zhao, Y. Chen, G. Qin and W. Xu, «Impact of LED Color Temperatures on Perception Luminance in the Interior Zone of a Tunnel Considering Fog Transmittance,» Advances in Civil Engineering, vol. 2020, Article ID 8845824, pp. 1–12, 2020, https://doi.org/10.1155/ 2020/3971256
11. K. Bapayya, K. Sujitha, and S.D. Akthar Basha, «RTSP based video surveillance system using IP camera for human detection in OpenCV,» International Journal of Computer Science and Information Technologies (IJCSIT), vol. 6, no. 5, pp. 4563–4567, 2015.
12. S. Kolambe, R. Deoghare, S. Deshmukh, A. Shingade, and L. Kale, «Real-Time Weather Forecasting System Using OpenWeatherMap API and Django MVC Architecture,» International Journal of Environmental Sciences, vol. 11, no. 3, pp. 223–229, May 2025, doi: https://doi.org/10.64252/wsztkk53
13. Boddu, S., & Mukherjee, A. (2025). Efficient edge deployment of quantized YOLOv4-Tiny for aerial emergency object detection on Raspberry Pi 5. doi: https://doi. org/10.48550/arXiv.2506.09300
14. Syifaul Fuada, T. Adiono, and L. Siregar, «Internet-of-Things for Smart Street Lighting System using ESP8266 on Mesh Network,» International Journal of Recent Contributions from Engineering, Science & IT (iJES), vol. 9, no. 2, pp. 73–78, Jun. 2021, doi: https://doi.org/10.3991/ijes.v9i2.22877
15. F. Leccese, M. Cagnetti, and D. Trinca, «A smart city application: A fully controlled street lighting isle based on Raspberry-Pi card, a ZigBee sensor network and WiMAX,» Sensors, vol. 14, no. 12, pp. 24408–24424, Dec. 2014, doi: https://doi.org/10.3390/s141224408.
16. M. M.A. Rahim, N.S. Ramli, N.R. Abdul Wahab, and R. Abdul Karim, «Modelling Automatic IoT Home Light System (Smart-Li) by NODEMCU ESP8266,» in Proc. 10th Nat. Tech. Seminar Underwater Syst. Technol. 2018, Lecture Notes in Electrical Engineering, vol. 538, Singapore: Springer, 2019, pp. 447–457, doi: 10.1007/978‑981‑13‑3708‑6_38.
17. Y.-S. Yang, S.-H. Lee, G.-S. Chen, C.- S. Yang, Y.-M. Huang, and T.-W. Hou, «An implementation of high efficient smart street light management system for smart city,» IEEE Access, vol. 8, pp. 38568–38585, 2020, doi: 10.1109/ACCESS.2020.2975708.
18. P.K. Maiti and B. Roy, «Development and Performance Assessment of White LED Dimmer,» Journal of The Institution of Engineers (India): Series B, vol. 98, pp. 461–466, 2017, doi: 10.1007/s40031‑017‑0275‑7.
19. Sobral and A. Vacavant, «A comprehensive review of background subtraction algorithms evaluated with synthetic and real videos,» Computer Vision and Image Understanding, vol. 122, pp. 4–21, 2014. [Online].: doi: https://doi.org/10.1016/j.cviu.2013.12.005
20. R. Cucchiara, C. Grana, M. Piccardi, and A. Prati, «Detecting moving objects, ghosts, and shadows in video streams,» IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 25, no. 10, pp. 1337–1342, 2003. [Online]. Available: doi: 10.1109/TPAMI.2’003. 1233909
21. R. Cucchiara, C. Grana, A. Prati, and R. Vezzani, «Probabilistic posture classification for human-behavior analysis,» IEEE Transactions on Systems, Man, and Cybernetics – Part A: Systems and Humans, vol. 35, no. 1, pp. 42–54, Jan. 2005. [Online]. Available: doi: 10.1109/TSMCA.2004.838501

Абрамов М.В., Прытков С.В., Кислякова Ю.С., Панкратов А.А., Винокуров А.С., Тертычный М.С.
Исследование пространственного распределения силы эритемного излучения УФ облучателей на спектрогониорадиометре дальнего поля

Нестеркина Н.П., Коваленко О.Ю., Зорькин Н.А., Журавлёва Ю.А., Туркин А.Н.
Экспериментальный комбинированный облучатель

Абрамов М.В., Прытков С.В., Кислякова Ю.С., Панкратов А.А., Винокуров А.С., Тертычный М.С.
Исследование пространственного распределения силы эритемного излучения УФ облучателей на спектрогониорадиометре дальнего поля

Нестеркина Н.П., Коваленко О.Ю., Зорькин Н.А., Журавлёва Ю.А., Туркин А.Н.
Экспериментальный комбинированный облучатель

Проведены экспериментальные исследования метода обнаружения нефтяных загрязнений на земной поверхности в ближнем ИК диапазоне при различном проективном покрытии почвы травой (ПППТ). Показано, что с увеличением ПППТ спектральные провалы, вызванные поглощением излучения нефтяными загрязнениями на земной поверхности, становятся всё менее заметны в спектрах отражения (как на длинах волн около 1,73 мкм, так и – 2,3 мкм). Однако при ПППТ даже около 60 % эти спектральные провалы все ещё заметны и можно уверенно обнаруживать загрязнение почвы нефтепродуктами. При очень большом (около 100 %) ПППТ спектральные провалы, вызванные поглощением излучения нефтяными загрязнениями на поверхности, практически полностью исчезают и вероятность обнаружения загрязнений почвы нефтепродуктами становится крайне мала. Наилучшими вариантами метода обнаружения загрязнений почвы нефтепродуктами в условиях покрытия почвы травой являются использование углеводородного индекса и вариант с использованием 20 спектральных каналов шириной по 10 нм в диапазоне 1,6–1,8 мкм и 29 спектральных каналов шириной по10 нм в диапазоне 2,1–2,39 мкм.

1. Карасик В.Е., Федотов Ю.В., Белов М.Л., Животовский И.В., Сахаров А.А. Выбор и обоснование оптимальных спектральных диапазонов регистрации выбросов метана с ИСЗ для перспективного наноспутника // Светотехника. – 2023. – № 3. – С. 89–96.
2. Катаев М.Ю., Лукьянов А.К. Моделирование отражённого солнечного излучения для оценки газового состава атмосферы при оптическом дистанционном зондировании из космоса // Светотехника. – 2017. – № 6. – С. 50–55.
3. Белов М.Л., Всякова Ю.И., Городничев В.А. Оптический метод обнаружения нефтяных загрязнений на водной поверхности в УФ спектральном диапазоне // Светотехника. – 2019. – № 3. – С. 15–21.
4. Рапута В.Ф., Коковкин В.В., Амикишиева Р.А. Наземный и спутниковый мониторинг загрязнения снежного покрова в окрестностях цементного завода // Оптика атмосферы и океана. – 2022. – Т. 35, № 6. – С. 495–499.
5. Nwakanma N.M.C., Ikegwu E., Osaigbovo E.J. Genotoxic Effects of Spent Engine Oil (SEO) – Polluted Soils on Vernonia Amygdalina Del // International Journal for Research in Applied Science & Engineering Technology (IJRASET). – 2018. – Vol. 6, No. 12. – P. 564–570.
6. Yuniati M.D. Bioremediation of petroleum-contaminated soil: a review // IOP Conf. Ser.: Earth Environ. Sci. – 2018. – 118 012063. – P. 1–7.
7. Najoui Z., Amoussou N., Riazanoff S., Aure G., Frappart F. Oil slicks in the Gulf of Guinea – 10 years of Envisat Advanced Synthetic Aperture Radar observations // Earth Syst. Sci. Data. – 2022. – Vol. 14. – P. 4569–4588.
8. Roche B.H.R., King M.D. Quantifying the effects of background concentrations of crude oil pollution on sea ice albedo // The Cryosphere. – 2022. – Vol. 16. – P. 3949–3970.
9. Huettel M. Oil pollution of beaches // Current Opinion in Chemical Engineering. – 2022. – Vol. 36. – 100803.
10. Ismailova N.M., Nadjafova S.I. Experience in Assessing Environmental Risks of Main Oil Pipelines in Azerbaijan through the Prism of Soil Biogeoresistance to Crude Oil Pollution // Moscow University Soil Science Bulletin. – 2022. – Vol. 77, No 3. – P. 196–202.
11. Komene G.L., Remi C.O. Oil pollution crisis and relationship marketing approach of oil firms in Niger delta // British Journal of Management and Marketing Studies. – 2022. – Vol. 5, No. 1. – P. 39–78.
12. Adegboye M.A., Fung W.-K., Karnik A. Recent advances in pipeline monitoring and oil leakage detection technologies: Principles and approaches // Sensors. – 2019. – Vol. 19. – 2548.
13. Sivokon S., Andreev N.N. Laboratory assessment of the efficiency of corrosion inhibitors at oilfield pipelines of the West Siberia region I. Objective setting I // Int. J. Corros. Scale Inhib. – 2012. – Vol. 1, No 1. – P. 65–79.
14. Kühn F., Oppermann K., Hörig B. Hydrocarbon Index – an algorithm for hyperspectral detection of hydrocarbons // International Journal of Remote Sensing. – 2004. – Vol. 25, No. 12. – P. 2467–2473.
15. Andreoli G., Bulgarelli B., Hosgood B., Tarchi D. Hyperspectral Analysis of Oil and Oil-Impacted Soils for Remote Sensing Purposes / European commission joint Research centre. 2007. URL: https://www.ugpti.org/smartse/research/citations/downloads/Andreoli-HSI_for_Oil_and_Spills‑2007.pdf (дата обращения: 22.06.2025).
16. Allen C.S., Satterwhite M.B. Reflectance spectra of three liquid hydrocarbons on a common sand type // Proc. SPIE. – 2006. – Vol. 6233. – P. 62331M‑1–62331M‑12.
17. Brum J., Schlegel C., Chappell C.,·Burke M., Krekeler M.P.S. Refective spectra of gasoline, diesel, and jet fuel A on sand substrates under ambient and cold conditions: Implications for detection using hyperspectral remote sensing and development of age estimation models // Environmental Earth Sciences. – 2020. – Vol. 79, No. 463. – P. 1–14.
18. Allen C.S., Krekeler M.P.S. Reflectance spectra of crude oils and refined petroleum products on a variety of common substrates // Proc. SPIE. – 2010. – Vol. 7687. – P. 76870L‑1–76870L‑13.
19. Tian Q. Study on oil-gas reservoir detecting methods using hyperspectral remote sensing // International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, Vol. XXXIX-B7. XXII ISPRS Congress. Melbourne, Australia, 2012. P. 157–162.
20. Pelta R., Ben-Dor E. An Exploratory Study on the Effect of Petroleum Hydrocarbon on Soils Using Hyperspectral Longwave Infrared Imagery // Remote Sensing. – 2019. – Vol. 11(569). – P. 1–15.
21. Del’Papa R., Scafutto M., de Souza Filho C.R., de Oliveira W.J. Hyperspectral remote sensing detection of petroleum hydrocarbons in mixtures with mineral substrates: Implications for onshore exploration and monitoring // ISPRS Journal of Photogrammetry and Remote Sensing. – 2017. – Vol. 128. – P. 146–157.
22. Keskin G., Teutsch C.D., Lenz A., Middelmann W. Concept of an advanced hyperspectral remote sensing system for pipeline monitoring // Proc. SPIE. – 2015. – Vol. 9644. – P. 96440H‑1–96440H‑9.
23. Achard V., Foucher P.Y., Dubucq D. Hydrocarbon Pollution Detection and Mapping Based on the Combination of Various Hyperspectral Imaging Processing Tools // Remote Sensing. – 2021. – Vol. 13(5). – 1020.
24. Cooled –20℃ NIR512–2.5 Spectrometer [Electronic resource]. URL: https://www.optosky.net/atp8000.html. Language English (дата обращения: 22.06.2025).
25. Nguyen B.M., Fedotov Yu.V., Baryshnikov N.V., Belov M.L. Influence of Soil Type on the Detection of Oil Spills in the Near Infrared Range // AIP Conf. Proc. – 2025. – Vol. 3268. – 030016.
26. Nguyen B.M., Fedotov Yu.V., Baryshnikov N.V., Belov M.L. Experimental studies of a method for detecting oil pollution on the earth’s surface in the near-infrared range // Proc. SPIE. – 2024. – Vol. 13217. – P. 132170P‑1–132170P‑6.

Восстановленные из спутниковых данных коэффициенты отражения (спектральные) земной поверхности – основа для спутникового мониторинга состояния земной поверхности. Для получения качественной информации об отражательных свойствах земной поверхности необходимо выполнять атмосферную коррекцию изображений. На формирование энергетической яркости принимаемого излучения оказывает влияние множество факторов: рассеяние излучения; поглощение излучения атмосферными газами; боковой подсвет; многократное отражение излучения; поляризация излучения; неламбертовость отражения поверхности; рельеф; облачность и взаимодействие излучения со слоем растительности. В настоящее время не существует алгоритмов, учитывающих все основные факторы, влияющие на перенос излучения. В предшествующих подходах широко применяется приближение однородной поверхности (независимых пикселей). В более сложных алгоритмах боковой подсвет учитывается точно, а дополнительная энергетическая освещённость от многократно отражённого излучения – в приближении однородной поверхности. В алгоритмах, где учитывается рельеф, либо считается, что рассеяние не влияет на результат, либо используется приближение однородной поверхности. В предлагаемом подходе, в отличие от альтернативных, учитывается влияние неоднородности коэффициента отражения земной поверхности и высоты расположения наблюдаемых участков на формирование бокового подсвета и дополнительной энергетической освещённости на земной поверхности. Приведённый тестовый расчёт показывает, что предложенный алгоритм для рассмотренной ситуации имеет среднее отличие результатов surf Δr = 0,014, среднеквадратичное отклонение RMSE = 0,017 и коэффициент корреляции r = 0,97 по сравнению с результатами алгоритма MOD09 NASA.

1. Otterman J., Fraser R.S. Adjacency effects on imaging by surface reflection and atmospheric scattering: cross radiance to zenith // Applied Optics. – 1979. – Vol. 18, No. 16. – P. 2852–2860.
2. Vermote E.F., El Saleous N.Z., Justice C.O. Atmospheric correction of MODIS data in the visible to middle infrared: first results // Remote Sensing of Environment. – 2002. – Vol. 83, No. 1–2. – P. 97–111.
3. Berk A., Adler-Golden S.M., Ratkowski A.J. et al. Exploiting MODTRAN radiation transport for atmospheric correction: The FLAASH algorithm / Proceedings of the Fifth International Conference on Information Fusion. FUSION 2002. (IEEE Cat. No. 02EX5997). – 2002. – Vol. 2. – P. 798–803.
4. Катковский Л.В. Параметризация уходящего излучения для быстрой атмосферной коррекции гиперспектральных изображений // Оптика атмосферы и океана. – 2016. – Т. 29, № 09. – С. 778–784.
5. Putsay M. A simple atmospheric correction method for the short wave satellite images // International Journal of Remote Sensing. – 1992. – Vol. 13, No. 8. – P. 1549–1558.
6. Breon F.-M., Vermote E. Correction of MODIS surface reflectance time series for BRDF effects // Remote Sensing of Environment. – 2012. – Vol. 125. – P. 1–9.
7. Vermote E.F., Vermeulen A. Atmospheric correction algorithm: spectral reflectances (MOD09). Algorithm Theoretical Background document, version 4.0. 1999. [Электронный ресурс]. URL: http://modis.gsfc.nasa.gov/data/atbd/atbd_mod08.pdf. (дата обращения: 30.01.2023).
8. Lyapustin A., Martonchik J., Wang Y., Laszlo I., Korkin S. Multiangle implementation of atmospheric correction (MAIAC): 1. Radiative transfer basis and look-up tables // J. Geophys. Res. – 2011. – Vol. 116. – D03210.
9. Lyapustin A., Wang Y., Korkin S., Huang D. MODIS Collection 6 MAIAC algorithm // Atmos. Meas. Tech. – 2018. – Vol. 11. – P. 5741–5765.
10. Тарасенков М.В. Повышение точности атмосферной коррекции спутниковых изображений и восстановления характеристик канала атмосферной оптической связи вне прямой видимости / Дис. … докт. физ.-мат. наук (1.3.6). – Томск: ИОА СО РАН, 2024. – 406 с.
11. Mousivand A., Verhoef W., Menenti M., Gorte B. Modeling top of atmosphere radiance over heterogeneous non-Lambertian rugged terrain // Remote Sens. – 2015. – Vol. 7. – P. 8019–8044.
12. Yin G., Li A., Zhao W., Jin H., Bian J., Wu S. Modeling canopy reflectance over sloping terrain based on path length correction // IEEE Trans. Geosci. Remote Sens. – 2017. – Vol. 55. – P. 4597–4609.
13. Fan W., Chen J.M., Ju W., Nesbitt N. Hybrid geometric optical – radiative transfer model suitable for forests on slopes // IEEE Trans. Geosci. Remote Sens. – 2014. – Vol. 52. – P. 5579–5586.
14. Белов В.В., Тарасенков М.В. О точности и быстродействии RTM-алгоритмов атмосферной коррекции спутниковых изображений в видимом и УФ-диапазонах // Оптика атмосферыи океана. – 2013. – Т. 26, № 07. – С. 564–571.
15. Tarasenkov M.V., Belov V.V., Engel M.V., Zimovaya A.V., Zonov M.N., Bogdanova A.S. Algorithm for the Reconstruction of the Ground Surface Reflectance in the Visible and Near IR Ranges from MODIS Satellite Data with Allowance for the Influence of Ground Surface Inhomogeneity on the Adjacency Effect and of Multiple Radiation Reflection // Remote Sens. – 2023. – Vol. 15. – 2655.
16. Tarasenkov, M.V., Belov, V.V. & Engel, M.V. Retrieval of Ground Surface Reflectance from MODIS Satellite Data with Allowance for Reflectance Heterogeneity and Rugged Topography. //Atmos Ocean Opt. – 2024. – Vol. 37, No. 1. – P. S48– S58.
17. Tarasenkov M.V., Zonov M.N., Engel M.V., Belov V.V. A Method for Estimating the Cloud Adjacency Effect on the Ground Surface Reflectance Reconstruction from Passive Satellite Observations through Gaps in Cloud Fields // Atmosphere. – 2021. – Vol. 12. – N 1512. 18. Digital Landscape Model // URL: https://www.ngdc.noaa.gov (дата обращения: 30.05.2025).
19. Kneizys F.X., Shettle E.P., Anderson G.P., Abreu L.W., Chetwynd J.H., Selby J.E.A., Clough S.A., Gallery W.O. User Guide to LOWTRAN‑7. ARGL-TR‑86–0177. ERP 1010. – Hansom AFB. MA 01731,1988. – 137 p.
20. Bucholtz A. Rayleigh-scattering calculations for the terrestrial atmosphere // Applied optics. – 1995. – Vol. 34, No. 15. – P. 2765–2773.
21. Leroy M., Roujean J. Sun and view angle corrections on reflectances derived from NOAA/AVHRR data // IEEE Transactions on Geoscience and Remote Sensing. – 1994. – Vol. 32, No. – P. 684–697.
22. Roujean J.-L., Tanre D., Breon F.-M., Deuze J.-L. Retrieval of land surface parameters from airborne POLDER bidirectional reflectance distribution function during HAPEX-Sahel // Journal of Geophysical Research. – 1997. – Vol. 102, No. D10. – P. 11,201–11,218.
23. Зимовая А.В. Атмосферная коррекция спутниковых изображений земной поверхности с учётом поляризации излучения в видимом и ближнем ИК диапазонах / Дис. … канд. физ.-мат. наук (01.04.05). – Томск: ИОА СО РАН, 2020. – 152 с.
24. Dubovik O., Smirnov A., Holben B.N., King M.D., Kaufman Y.J., Eck T.F., Slusker I. Accuracy assessments of aerosol optical properties retrieved from AERONET sun and sky-radiance measurements. // J. Geophys.Res. – 2000. Vol. 105. – P. 9791–9806.

Моделирование спектра солнечного излучения, отражённого атмосферой Земли, для задач восстановления концентрацтй следовых газов, таких как CO2 и CH4, как правило, требует решения уравнения переноса излучения, что вычислительно затратно из-за многократного рассеяния. Чтобы ускорить вычисления, мы используем быструю Python-реализацию модели переноса излучения FALCAS, которая аппроксимирует многократное рассеяние с помощью виртуального слоя с изотропным рассеянием. Это позволяет воспроизводить результаты моделей с полным учётом многократного рассеяния при существенном снижении времени вычислений.
Разработан алгоритм восстановления концентраций CO2 и CH4 с использованием FALCAS и произведена оценка его точности относительно модели PYDOME, основанной на методе дискретных ординат. Восстановление малых газовых кофентраций выполняется из синтетических спектров, сгенерированных PYDOME, в спектральном диапазоне 1500–1750 нм с учётом различных аэрозольных и геометрических условий. Ошибка восстановленных концентраций составляет около 2 % при аэрозольной оптической толщине порядка 0,9. Этот результат устойчив к шуму и свёртке с аппаратной функцией, а также к изменению геометрии; при отношении сигнал/шум 50 ошибка восстановления остаётся ниже 5 %.

1. Arrhenius S.A. XXXI. On the influence of carbonic acid in the air upon the temperature of the ground // The London Edinburgh and Dublin Philosophical Magazine and Journal of Science [Fifth Series]. – 1896. – Vol. 41, No. 251. – P. 237–276.
2. Bovensmann H., Doicu A., Stammes P. et al. From radiation fields to atmospheric concentrations: retrieval of geophysical parameters / SCIAMACHY – Exploring the Changing Earth’s Atmosphere. – Springer Netherlands, 2010. – P. 99–127.
3. Goody R., West R., Chen L., Crisp D. The correlated-k method for radiation calculations in nonhomogeneous atmospheres // Journal of Quantitative Spectroscopy and Radiative Transfer. – 1989. – Vol. 42(6). – P. 539–550.
4. Fomin B., Razumovskiy M. Effective parameterization of absorption by gaseous species and unknown UV absorber in 125–400 nm region of venus atmosphere // Journal of Quantitative Spectroscopy and Radiative Transfer. – 2022. – Vol. 286. – 108201.
5. Matricardi M. A principal component based version of the RTTOV fast radiative transfer model // Quarterly Journal of the Royal Meteorological Society. – 2010. – Vol. 136(652). – P. 1823–1835.
6. Natraj V., Shia R.-L., Yung Y.L. On the use of principal component analysis to speed up radiative transfer calculations // Journal of Quantitative Spectroscopy and Radiative Transfer. – 2010. – Vol. 111(5). – P. 810–816.
7. Efremenko D., Doicu A., Loyola D., Trautmann T. Optical property dimensionality reduction techniques for accelerated radiative transfer performance: Application to remote sensing total ozone retrievals // Journal of Quantitative Spectroscopy and Radiative Transfer. – 2014. – Vol. 133. – P. 128–135.
8. Ефременко Д.С. Модель переноса излучения на основе метода дискретных ординат с вычислением собственных значений с помощью нейронной сети: доказательство концепции // Светотехника. – 2021. – № 1. – С. 64–68.
9. Xu J., Zhang Z., Rao L. et al. Remote sensing of tropospheric ozone from space: Progress and challenges // Journal of Remote Sensing. – 2024. – Vol. 4(1).
10. del Águila A., Efremenko, D.S. Molina García V., Kataev M. Yu. Cluster low-streams regression method for hyperspectral radiative transfer computations: Cases of O2 Aand CO2 bands // Remote Sensing. – 2020. – Vol. 12(8). –1250.
11. del Águila A., Efremenko, D.S. Accuracy enhancement of the two-stream radiative transfer model for computing absorption bands at the presence of aerosols. Light and Engineering, (02–2021):79–86, 2021.
12. Afanas’ev V.P., Budak V, P., Efremenko D.S., Kaplya P.S. Application of the photometric theory of the radiance field in the problems of electron scattering // Light and Engineering. – 2019. – Vol. 27, No. 2. – P. 88–96.
13. Budak V.P., Kaloshin G.A., Shagalov O.V. Zheltov V.S. Numerical modeling of the radiative transfer in a turbid medium using the synthetic iteration // Optics Express. – 2015. – Vol. 23(15). – A829.
14. Reuter M., Buchwitz M., Schneising O., Noël S., Rozanov V., Bovensmann H., Burrows J.P. A fast atmospheric trace gas retrieval for hyperspectral instruments approximating multiple scattering – Part 1: Radiative transfer and a potential OCO‑2 XCO2 retrieval setup // Remote Sensing. – 2017. – Vol. 9(11). – 1159.
15. Reuter M., Buchwitz M., Schneising O., Noël S., Bovensmann H., Burrows J.P A fast atmospheric trace gas retrieval for hyperspectral instruments approximating multiple scattering – Part 2: Application to XCO2 retrievals from OCO‑2 // Remote Sensing. – 2017. – Vol. 9(11). – 1102.
16. Мишин И.В. Трёхмерные модели переноса солнечного излучения в атмосфере // Оптика атмосферы и океана. – 1990. – Т. 3, № 10. – С. 1011–1025.
17. Peraiah А. An Introduction to Radiative Transfer: Methods and Applications in Astrophysics. – Cambridge University Press, 2001.
18. Schuster G.L., Dubovik O., Holben B.N. Angstrom exponent and bimodal aerosol size distributions // Journal of Geophysical Research: Atmospheres. – 2006. – Vol. 111(D7).
19. Doicu A., Trautmann T. Discrete-ordinate method with matrix exponential for a pseudo-spherical atmosphere: Scalar case // Journal of Quantitative Spectroscopy and Radiative Transfer. – 2009. – Vol. 110(1). – P. 146–158.
20. Efremenko D.S., Molina García V., Gimeno García S., Doicu A. A review of the matrix-exponential formalism in radiative transfer // Journal of Quantitative Spectroscopy and Radiative Transfer. – 2017. – Vol. 196. – P. 17–45.
21. Schreier F., Gimeno García S., Hochstaffl P., Städt S. Py4CAtS – PYthon for Computational ATmospheric Spectroscopy // Atmosphere. – 2019. – Vol. 10(5).
22. Bodhaine B.A., Wood N.B. Dutton E.G., Slusser J.R. On Rayleigh optical depth calculations // J. Atmos. Oceanic Technol. – 1999. – Vol. 16. – P. 1854–1861.
23. Fomin B., Correa M. A k-distribution technique for radiative transfer simulation in inhomogeneous atmosphere: 2. FKDM, fast k-distribution model for the shortwave // Journal of Geophysical Research: Atmospheres. – 2005. – Vol. 110(D2).
24. дель Агила A., Ефременко Д.С., Траутманн Т. Обзор методов снижения размерности при обработке гиперспектральных оптических сигналов // Светотехника. – 2019. – № 4. – С. 60–70.
25. Shanno D.F. Conditioning of quasi-Newton methods for function minimization // Mathematics of Computation. – 1970. – Vol. 24, No. 111. – P. 647–656.
26. Liu X., Shao W., Chen J. et al. Multi-start local search algorithm based on a novel objective function for clustering analysis // Applied Intelligence. – 2023. – Vol. 53(17). – P. 20346–20364.
27. Чупров И.А., Гао Ц., Ефременко Д.С. Применение глобальной оптимизации для восстановления данных из синтетических многоугловых измерений // Светотехника. – 2024. – № 3. – C. 40–46
28. Sanders A.F.J., de Haan J.F. Retrieval of aerosol parameters from the oxygen A band in the presence of chlorophyll fluorescence // Atmospheric Measurement Techniques. – 2013. – Vol. 6(10). – P. 2725–2740.

Световоды являются одним из наиболее эффективных методов передачи дневного света в глубокие внутренние помещения. Для адаптации к сложным строительным конструкциям рекомендуется использовать один или несколько отводов для перенаправления света. Однако важно определить потери света, вызванные добавлением отводов в систему, особенно по сравнению с прямыми трубами одинаковой длины. Целью данного исследования, в первую очередь, является тестирование различных конфигураций отводов на легких трубах. Кроме того, он направлен на оценку тенденций эффективности, связанных с различной длиной как прямых, так и изогнутых световодов при одинаковой конфигурации. В качестве основного метода в этом анализе используются проверенные инструменты моделирования и подключаемые модули, известные своей точностью. Базовый пакет программного обеспечения включает Rhinoceros для 3D-моделирования, Grasshopper для алгоритмического редактирования графики, а также плагины Ladybug и Honeybee для моделирования дневного света. Различные конфигурации были проанализированы в условиях ясного и пасмурного неба на основе максимального и среднего уровней освещенности на рабочей плоскости. Результаты показали, что прямые трубы с небольшим удлинением обеспечивают наивысший уровень освещенности, но при ясном небе создают блики на рабочей поверхности. Для труб с двойным изгибом потери света значительно увеличиваются с увеличением длины трубы по сравнению с трубами других типов. Но было обнаружено, что при ясном небе и в помещениях с более низким уровнем освещенности система работает адекватно, когда направление прохождения света намеренно изменяется.

1. Katia, R., Rakha, T. 2024. Evaluating Annual Sun Exposure in LEED v4 for Commercial Office Buildings: Inclusion of Annual Glare to Enhance the Occupant Visual Performance and Comfort. LEUKOS, 1–18. https://doi.org/10.1080/15502724.2024.24 05490
2. Hosenuzzaman, M., Rahim, N. A., Selvaraj, J., Hasanuzzaman, M., Malek, A. A., Nahar, A. 2015. Global prospects, progress, policies, and environmental impact of solar photovoltaic power generation. Renewable and sustainable energy reviews, 41, 284–297. https://doi.org/10.1016/j.rser.2014.08.046
3. Goharian A, Mahdavinejad M. 2020. A novel approach to multi – apertures and multi – aspects ratio light pipe. Journal of Daylighting. 7(2):186–200. https://doi.org/10.15627/ jd.2020.17
4. Sharp, F., Lindsey, D., Dols, J., Coker, J. 2014. The use and environmental impact of daylighting. Journal of Cleaner Production, 85, 462–471. https://doi.org/10.1016/j.jclepro.2014.03.092
5. Spacek A D, Neto J M, Biléssimo L D, Ando Junior O H, Santana M V F D, Malfatti C D F. 2018. Proposal of the tubular daylight system using acrylonitrile butadiene styrene (abs) metalized with aluminum for reflective tube structure. Energies. 11(1):199. https://doi.org/10.3390/en110101
6. Aizenberg, Y. B., Budak, V. P. 2018. The science of light engineering, fields of application and theoretical foundations. Light & Engineering, 26(3), 4–6.
7. Budak, V. P., Aizenberg, J. B. 2021. The light field and the scope of light science. Light & Engineering, 29(1), 4–10.
8. Zhang X, Muneer T, Kubie J. 2002. A design guide for performance assessment of solar light – pipes. Lighting Research & Technology. 34(2):149–168. https://doi.org/10.1191/1365782802li041oa
9. Tsang E K, Kocifaj M, Li D H, Kundracik F, Mohelníková J. 2018. Straight light pipes’ daylighting: A case study for different climatic zones. Solar Energy. 170:56–63. https://doi. org/10.1016/j.solener.2018.05.042
10. Mayhoub M S. 2014. Innovative daylighting systems’ challenges: A critical study. Energy and Buildings. 80:394–405. https://doi.org/10.1016/j.enbuild.2014.04.019
11. Aizenberg J.B. 2009. Hollow Light Guides. Znack Publishing House, 208.
12. Aizenberg, J. B. 2020. International activity in field of light and engineering: creative report. Light & Engineering, 28(3).
13. Mahawan, J., & Thongtha, A. 2021. Experimental investigation of illumination performance of hollow light pipe for energy consumption reduction in buildings. Energies, 14(2), 260. https://doi.org/10.3390/en14020260
14. Sharma, L., Ali, S. F., Rakshit, D. 2018. Performance evaluation of a top lighting light – pipe in buildings and estimating energy saving potential. Energy and Buildings, 179, 57–72. https://doi.org/10.1016/j.enbuild.2018.09.022
15. Shin, J. Y., Yun, G. Y., Kim, J. T. 2012. Evaluation of daylighting effectiveness and energy saving potentials of light – pipe systems in buildings. Indoor and built environment, 21(1), 129–136. https://doi.org/10.1177/1420326x11420011
16. Salam Azad, A., Salman, M., Kaushik, S. C., Rakshit, D. 2020. Energy saving potential of tubular light pipe system with different colors on internal surfaces. International Journal of Energy Sector Management, 14(4), 793–837. https://doi.org/10.1108/ijesm‑12–2018–0001
17. Von Wachenfelt, H., Vakouli, V., Diéguez, A. P., Gentile, N., Dubois, M. C., Jeppsson, K. H. 2015. Lighting energy saving with light pipe in farm animal production. Journal of Daylighting, 2(2), 21–31. https://doi.org/10.15627/jd.2015.5
18. Jenkins D, Muneer T. 2003. Modelling light – pipe performances – a natural daylighting solution. Building and environment. 38(7):965–972. https://doi.org/10.1016/s0360–1323(03)00061–1
19. Li, D. H., Tsang, E. K., Cheung, K. L., Tam, C. O. 2010. An analysis of light – pipe system via full – scale measurements. Applied Energy, 87(3), 799–805. https://doi.org/10.1016/j.apenergy.2009.09.008
20. Garcia – Hansen V, Edmonds I. 2015. Methods for the illumination of multilevel buildings with vertical light pipes. Solar Energy. 117:74–88. https://doi.org/10.1016/j.solener. 2015.04.017
21. Darula S, Kocifaj M, Mohelníková J. 2013. Hollow light guide efficiency and illuminance distribution on the light – tube base under overcast and clear sky conditions. Optik – International Journal for Light and Electron Optics. 124(17):3165–3169. https://doi.org/10.1016/j.ijleo.2012.09.052
22. Malet – Damour B, Guichard S, Bigot D, Boyer H. 2016. Study of tubular daylight guide systems in buildings: Experimentation, modelling, and validation. Energy and buildings. 129:308–321. https://doi.org/10.1016/j.enbuild.2016.08.019
23. Garcia Hansen V, Edmonds I. 2003. Natural illumination of deep – plan office buildings: light pipe strategies. In ISES Solar World Congress 2003.
24. Mohelnikova J, Vajkay F. 2009. Study of tubular light guides illuminance simulations. Leukos. 5(4):267–277. https://doi.org/10.1582/LEUKOS.2008.05.04.001
25. Carter D. 2014. LRT Digest 2 Tubular daylight guidance systems. Lighting Research & Technology. 46(4):369–387. https://doi.org/10.1177/1477153514526081
26. Baglivo C, Bonomolo M, Beccali M, Congedo P M. 2017. Sizing analysis of interior lighting using tubular daylighting devices. Energy Procedia. 126:179–186. https://doi.org/10.1016/j.egypro.2017.08.138
27. Baglivo C, Bonomolo M, Congedo P M. 2019. Modeling of light pipes for the optimal disposition in buildings. Energies. 12(22):4323. https://doi.org/10.3390/en12224323
28. Kocifaj M, Kundracik F, Darula S, Kittler R. 2012. Availability of luminous flux below a bended light – pipe: design modelling under optimal daylight conditions. Solar Energy. 86(9):2753–2761. https://doi.org/10.1016/j.solener.2012.06.01729. CIE. 2006. CIE‑173 Technical Report:Tubular Daylight Guidance Systems. Vienna, Austria. https://doi.org/10.25039/tr.173.2006
30. Kocifaj M, Kundracik F, Darula S, Kittler R. 2010. Theoretical solution for light transmission of a bended hollow light guide. Solar Energy. 84(8):1422–1432. https://doi.org/10.1016/j.solener.2010.05.002
31. Wang C, Gao Q, Gao W, Ouyang J. 2022. Discussion about calculation method of light transmission efficiencies of elbows in cylindrical light pipes. Solar Energy. 238:39–43. https://doi.org/10.1016/j.solener.2022.04.024
32. Samuhatananon S, Chirarattananon S, Chirarattananon P. 2011. An experimental and analytical study of transmission of daylight through circular light pipes. Leukos. 7(4):203–219. https://doi.org/10.1080/15502 724.2011.10732147
33. Jenkins D, Muneer T, Kubie J. 2005. A design tool for predicting the performances of light pipes. Energy and buildings. 37(5):485–492. https://doi.org/10.1016/j.enbuild.2004.09.014
34. Carter D J. 2008. Tubular guidance systems for daylight: UK case studies. Building Research & Information. 36(5):520–535. https://doi.org/10.1080/09613210801987855
35. Kocifaj M, Darula S, Kittler R. 2008. HOLIGILM: Hollow light guide interior illumination method – An analytic calculation approach for cylindrical light – tubes. Solar energy. 82(3):247–259. https://doi.org/10.1016/j.solener.2007.07.003
36. Verso V R L, Pellegrino A, Serra V. 2011. Light transmission efficiency of daylight guidance systems: An assessment approach based on simulations and measurements in a sun/sky simulator. Solar Energy. 85(11):2789–2801. https://doi.org/10.1016/j.solener.2011.08.017
37. Solatube. 2024a. Tubular Skylight. [accessed 2024 June 12] https://solatube.com/residential/tubular – skylights/
38. Monodraught. 2024a. Sunpipe. [accessed 2024 June 12], from https://www.monodraught. com/products/natural – lighting
39. Atalay, F., Kurtay, C. 2023. Daylight Performance of Elbow Geometry in Light Pipe Models. Periodica Polytechnica Architecture, 54(3), 207–214. https://doi.org/10.3311/PPar.22503
40. Rahmani Asl M, Zarrinmehr S, Yan W. 2013. Towards BIM – based parametric building energy performance optimization. In Proc. of the 33rd Annual Conference of the Association for Computer Aided Design in Architecture, Cambridge. https://doi.org/10.52842/ conf.acadia.2013.101
41. Grasshopper. 2024. Grasshopper, Algorithmic Modeling for Rhino. [accessed 2023 June 12]. https://www.grasshopper3d.com/
42. Roudsari M S, Pak M. 2013. Ladybug: a parametric environmental plugin for grasshopper to help designers create an environmentally – conscious design. https://doi.org/10.26868/25222708.2013.249
43. Pilechiha P, Mahdavinejad , RahimianF P, Carnemolla P, Seyedzadeh S. 2020. Multi – objective optimisation framework for designing office windows: quality of view, daylight, and energy efficiency. Applied Energy. 261:114356. https://doi.org/10.1016/j.apenergy.2019.114356
44. Kharvari F. 2020. An empirical validation of daylighting tools: Assessing radianceparameters and simulation settings in Ladybug and Honeybee against field measurements. Solar Energy. 207:1021–1036. https://doi.org/10.1016/j.solener.2020.07.054
45. Shirzadnia Z, Goharian A, Mahdavinejad M. 2023. Designerly approach to skylight configuration based on daylight performance;Toward a novel optimization process. Energy and Buildings. 286:112970. https://doi.org/10.1016/j.enbuild.2023.112970
46. Reinhart C, Breton P F. 2009. Experimental validation of Autodesk® 3ds Max® Design 2009 and DAYSIM 3.0. Leukos. 6(1):7–35. https://doi.org/10.1582/leukos.2009.06.0100147. Ladybug. 2024a. EPWMap. [accessed 2023 June 12] https://www.ladybug.tools/epwmap/
48. Ladybug. 2024b. Point – in – time Grid Based. [accessed 2024 June 1] https://docs.ladybug.tools/hb–radiance–primer/components/3_recipes/point–in–time_grid–based
49. IES. 2011. The Illuminating Engineering Society of North America. The Lighting Handbook 10th Edition, Reference, and Application. IESNA,1328. https://doi.org/10.1177/1365782807079518

В данной статье представлена высокоэффективная система СД драйвера с питанием от фотоэлектрического источника, разработанная для работы в условиях переменной облучённости с оптимизированным преобразованием мощности. Система интегрирует высокочастотный последовательный резонансный инвертор, управляемый методом модуляции плотностью импульсов, что обеспечивает бескоммутационное переключение благодаря условиям нулевого напряжения и нулевого тока. В качестве источника питания используется ФЭ-матрица мощностью 2,2 кВт, а отслеживание точки максимальной мощности реализовано на основе алгоритма возмущения и наблюдения. Данный контроллер одновременно управляет алгоритмом отслеживания точки максимальной мощности и работой инвертора, динамически регулируя плотность импульсов в реальном времени в зависимости от уровня облучённости. Для повышения производительности системы в исследовании реализованы и сравнены три стратегии модуляции плотностью импульсов: традиционная нерегулярная модуляция, усовершенствованная и улучшенная модуляции. Все методы разработаны и смоделированы в среде PSIM с использованием неидеальных параметров для приближения к реальным условиям. Результаты моделирования показывают, что предложенные стратегии управления модуляцией плотностью импульсов обеспечивают КПД свыше 99 % при различных уровнях мощности, при этом улучшенная модуляция демонстрирует наименьший уровень гармонических искажений и пульсаций резонансного тока. Полученные данные подтверждают, что предложенный метод управления на основе модуляции плотностью импульсов представляет собой энергоэффективное и надёжное решение для СД драйверов с ФЭ-питанием, особенно в автономных системах или условиях ограниченных энергоресурсов.

1. Efe, S.B., Varhan, D. Interior lighting of a historical building by using led luminaires: A case study of fatih Paşa mosque // Light & Engineering, 2020, Vol. 28, # 4, pp. 77–83.
2. Thothadri, M., Sathi, R.R., Ponnurangam, S., Chinnaraj, K. Fractional order PID controlled phase shift modulated interleaved Watkins – Johnson converter-based LED driver with reduced current ripple // Electrical Engineering, 2025, Vol. 107, pp. 2163–2176.
3. Askari, S., Farzanehfard, H., Maghsoudi, M. Isolated Soft Switched Resonant Led Driver with Constant Output Current and Wide Input Voltage Range // 16th Power Electronics, Drive Systems, and Technologies Conference (PEDSTC), 2025.
4. Mukherjee, A., Chandra Bansal, T., Soni, A. Analysis of LED Driver Topologies with Respect to Power Factor and THD // Light & Engineering, 2018, Vol. 26, # 1, pp. 63–72.
5. Pal, A.K., Singha, A.K. A Digital Pulse Frequency Modulation Technique for a Series Resonant Converter-based LED Driver // IEEE Transactions on Power Electronics, 2025, Vol. 40, # 2, pp. 2797–2808.
6. Akalp, O., Ozbay, H., Efe, S.B. Design and analysis of high-efficient driver model for led luminaires // Light & Engineering, 2021, Vol. 29, # 2, pp. 96–106.
7. Efe, S.B., Ozbay, H., Ozer, I. Experimental Design and Analysis of Adaptive Led Illumination System // Light & Engineering, 2022, Vol. 30, # 4, pp. 63–70.
8. Akdeniz, M., Efe, S.B. Forecasting of Harmonic Distortions in MV Distribution Network Caused by Illumination Devices // Light & Engineering, 2025, Vol. 33, # 2, pp. 64–69.
9. Esteki, M., Khajehoddin, S.A., Safaee, A., Li, Y. LED Systems Applications and LED Driver Topologies: A Review // IEEE Access, 2023, Vol. 11, pp. 38324–38358.
10. Tran, D.H., Waheed, Z., Choi, W. A New Two-Stage Multiple-Parallel-Channel LED Driver Using a CLL – C Resonant Converter and Time Division Control Technique // Energies, 2025, Vol. 18, # 5.
11. Rao, K.V.G., Kiran Kumar, M., Srikanth Goud, B. An Independently Controlled Two Output Half Bridge Resonant LED Driver // Electric Power Components and Systems, 2024, Vol. 52, # 7, pp. 1094–1114.
12. Duman, A.C., Güler, Ö. Techno-economic analysis of off-grid PV LED road lighting systems for Antalya province of Turkey // Light & Engineering, 2019, Vol. 27, # 2, pp. 58–66.
13. Kamalapathi, K., Srinivasa Rao Nayak, P., Tyagi, V.K. Design and implementation of dual-source (WPT + PV) charger for EV battery charging // International Transactions on Electrical Energy Systems, 2021, Vol. 31, # 11, pp. 1–29.
14. Yesuraj, S., Yesuraj, J., Muthaiah, P., Balaraman, S. Standalone PV-fed LED Street Lighting Using Resonant Converter // Electric Power Components and Systems, 2017, Vol. 45, # 5, pp. 548–559.
15. Raj, A., Arya, S.R., Gupta, J. Solar PV array-based DC – DC converter with MPPT for low power applications // Renewable Energy Focus, 2020, Vol. 34, pp. 109–119.
16. Sheng, X., Shi, L., Fan, M. An Improved Pulse Density Modulation of High-Frequency Inverter in ICPT System // IEEE Transactions on Industrial Electronics, 2021, Vol. 68, # 9, pp. 8017–8027.
17. Özbay, H. PDM – MPPT based solar powered induction heating system // Engineering Science and Technology, an International Journal, 2020, Vol. 23, # 6, pp. 1397–1414.
18. Li, H., Fang, J., Chen, S., Wang, K., Tang, Y. Pulse Density Modulation for Maximum Efficiency Point Tracking of Wireless Power Transfer Systems // IEEE Transactions on Power Electronics, 2018, Vol. 33, # 6, pp. 5492–5501.
19. Karafil, A., Ozbay, H., Oncu, S. Design and Analysis of Single-Phase Grid-Tied Inverter with PDM Mppt-controlled Converter // IEEE Transactions on Power Electronics, 2020, Vol. 35, # 5, pp. 4756–4766.
20. Sheng, X., Shi, L. An Improved Pulse Density Modulation Strategy Based on Harmonics for ICPT System // IEEE Transactions on Power Electronics, 2020, Vol. 35, # 7, pp. 6810–6819.
21. Esteve, V., Jordan, J., Sanchis-Kilders, E., Dede, E.J., Maset, E., Ejea, J.B. et al. Enhanced Pulse-Density-Modulated Power Control for High-Frequency Induction Heating Inverter // IEEE Transactions on Industrial Electronics, 2015, Vol. 62, # 11, pp. 6905–6914.
22. Kazimierczuk, M.K., Czarkowski, D. Resonant Power Converters. New York, NY: John Wiley & Sons; 2012, 632 p.
23. Karafil, A. Comparison of the various irregular pulse density modulation (PDM) control pattern lengths for resonant converter with photovoltaic (PV) integration // Journal of the Faculty of Engineering and Architecture of Gazi University, 2021, Vol. 36, # 3, pp. 1595–1611.
24. Yue, H., Fang, Z., Xia, Y. PDM Control Strategy of Extremely High Gain ICPT System Applying for Electrical Isolation Aimed at Maximum Efficiency // IECON Proceedings, 2022, pp. 1–6.
25. Karafil, A., Ozbay, H., Oncu, S. Comparison of regular and irregular 32 pulse density modulation patterns for induction heating // IET Power Electronics, 2020, Vol. 13, # 15.
26. Lee, W.C., Hwang, D.H. Improved SSJ-MPPT Method for Maximum Power Point Tracking of Photovoltaic Inverter Under Partial Shadow Condition // Journal of Electrical Engineering and Technology, 2019, Vol. 14, # 1, pp. 301–309.
27. Özbay, H., Öncü, S., Kesler, M. SMCDPC based active and reactive power control of grid-tied three phase inverter for PV systems // International Journal of Hydrogen Energy, 2017, Vol. 42, # 28, pp. 17713–17722.
28. Ozbay, H., Karafil, A., Oncu, S., Kesler, M. PSIM Simulation of Flyback Converter for P&O and IC MPPT Algorithms // European Journal of Engineering and Natural Sciences, 2017, Vol. 2, # 1, pp. 204–209.
29. Abdel-Salam, M., El-Mohandes, M.T., El-Ghazaly, M. An Efficient Tracking of MPP in PV Systems Using a Newly-Formulated P&O-MPPT Method Under Varying Irradiation Levels // Journal of Electrical Engineering and Technology, 2020, Vol. 15, # 1, pp. 501–513.

В статье представлена история развития метода выращивания растений при электрическом освещении и его трансформация в макротехнологию, получившую название светокультура. Светокультура позволяет в нашей стране с холодным климатом круглогодично с высокой продуктивностью выращивать растения в сооружениях защищённого грунта, прежде всего в теплицах. Рассмотрены также характерные особенности развития светокультуры на современном этапе и задачи на перспективу, связанные с внедрением высокоэффективных светодиодных систем освещения, позволяющих реализовать оптимальные параметры ФАР с учётом видовых особенностей растений и на разных стадиях онтогенеза.

1. Максимов Н.А. Культура растений на электрическом свете и применение её для семенного контроля и селекции, Научно-агрономический журн., 1925, т. 2, № 7–8, с. 395–404.
2. Harvey R.B. Growth of plants in artificial light – Bot. Gaz. 74, 1922, pp. 447–451.
3. Criss Higgins, Feb.8, 2022, Urban AgNews, You know what a greenhouse and VF are, but what is CEA? 4. Тимирязев К.А. Жизнь растений, Москва, 1882, (Сочинения, 1937, I.III с. 318.)
5. L.H. Bailey, Electro-Horticulture, American Garden, 1891, Nov 1891, № 11, p.p 669–671
6. Леман В.М. «Курс светокультуры растений», М., «ВЫСШАЯ ШКОЛА», 1976
7. Oden S., Vaxtoding I elektrisk ljus. Meddel fr. Kungl. Landbruksakad. Vetenskaps. Stockholm, p.p 1–161, 1929.
8. Мошков Б.С. Выращивание растений на искусственном освещении, Сельхозгиз 1953 г.; Изд.2, М. «Колос», 1966 г.
9. Клешнин А.Ф., Максимов Н.А. Люминесцентные лампы как источник радиации для светокультуры растений. Докл. АНСССР, т. LVII, № 2, 1947, С. 201–204.
10. Клешнин А.Ф. Растение и свет. Теория и практика светокультуры растений. Изд. АНСССР, Москва, 1954.
11. Воскресенская Н.П. Фотосинтез и спектральный состав света, Москва, «Наука», 1965 г.
12. Под ред. Курсанова А.Л. и Воскресенской Н.П., Фоторегуляция метаболизма и морфогенеза растений, М. Наука, 1975.
13. Тихомиров А.А., Шарупич В.П., Лисовский Г.М. Светокультура растений. – Новосибирск, СО РАН, 2000 г.
14. Под ред. Ващенко С.Ф. Овощеводство защищённого грунта, М, «Колос», 1984.
15. Прикупец Л.Б., Гаврилкина Г.Н., Сарычев Г.С., Буханов Ю.А. Источники излучения для фитобиологических исследований. «Проблемы практической фотобиологии» Изд. АН СССР, 1971, 180 с.
16. Тихомиров А.А., Лисовский Г.М, Сидько Ф.Я. Спектральный состав света и продуктивность растений. – Новосибирск: Наука, 1991.
17. Павловский В.И., Прикупец Л.Б., Сарычев Г.С., Терентьев В.М., Федюнькин Д.В. Фотобиологические исследования с селективными металлогалогенными лампами высокого давления // Светотехника. – 1976. – № 9. – С. 3–6.
18. Прикупец Л.Б., Тихомиров А.А. Оптимизация спектра излучения при выращивании овощей в условиях светокультуры // Светотехника. – 1992. –№ 3. – С. 5–7.
19. Lighting for growth, General Electric Company, 2010
20. Пчелин В.М., Макарова И.Е. Оценка состояния и перспектив развития систем облучения в современных тепличных комплексах. М. ж. «Светотехника», 2018,№ 1, С. 23–27.
21. Прикупец Л.Б. Боос Г.В. Облучательные установки в сельском хозяйстве, М. Ред. «Светотехника», 2023.
22. Прикупец Л.Б., Боос Г.В., Терехов В.Г., Тараканов И.Г. Оптимизация светотехнических параметров при светокультуре салатно-зеленных растений с использованием светодиодных излучателей // Светотехника. – 2019. – № 4. – С. 6–13.
23. Боос Г.В., Прикупец Л.Б., Трухачёв В.И., Тараканов И.Г., Терехов В.Г. «Светодиодная революция» и новые возможности повышения эффективности светокультуры растений // Вестник росс. сх науки. 2022 – № 5 – С. 36–41.

Настоящее исследование изучает влияние уровней освещения на точность классификации микроскопических изображений клеток и предлагает новый подход для диагностики лейкоцитов на основе глубокого обучения. Предлагаемый метод интегрирует статистические текстурные признаки, извлечённые из полутоновых изображений с помощью матрицы совпадения уровней серого (GLCM) и локальных бинарных шаблонов (LBP), с модулем внимания CBAM в гибридной архитектуре, построенной на модели VGG16. В данной архитектуре визуальная (RGB) и структурная (текстурная) информация обрабатываются параллельно, что позволяет получать более глубокие и информативные представления для классификации. Впервые в рамках такого подхода детально оценено влияние вариаций освещения на микроскопические изображения, а производительность модели протестирована в условиях множественных режимов освещения.
В ходе исследования были смоделированы девять режимов освещения путём регулировки уровня освещения от –80 до +80 %, и классификационная эффективность модели всесторонне оценена для каждого условия. Согласно результатам, минимальное количество ошибок классификации (11 ошибок) зафиксировано при уровне освещения +80, что позволило идентифицировать данный режим освещения как оптимальный для достижения наивысшей точности модели. По усреднённым метрикам производительности модель продемонстрировала выдающийся результат: точность 99,46 %, F1‑мера 2 99,33 %, полнота 99,27 %, специфичность 99,87 %. Особо следует отметить практически безупречную классификацию эозинофилов и базофилов.
Установлено, что гибридизация механизма внимания CBAM с текстурными признаками существенно повышает эффективность классификации. Устойчивость модели к вариациям освещения подтверждена матрицами ошибок и подсчётом неверных классификаций, что подчёркивает критическую роль условий освещения в анализе микроскопических изображений. Таким образом, исследование вносит инновационный вклад в литературу как в области оптимизации освещения, так и интеграции разнородных признаков.

1. Kutlu, H., Avci, E., Özyurt, F. White blood cells detection and classification based on regional convolutional neural networks // Medical Hypotheses, 2020, Vol. 135, # 1, p. 109472.
2. Sengur, A. et al. White Blood Cell Classification Based on Shape and Deep Features // 2019 International Conference on Artificial Intelligence and Data Processing Symposium, IDAP 2019, 2019, 6 p.
3. Navya, K.T., Prasad, K., Singh, B.M.K. Classification of blood cells into white blood cells and red blood cells from blood smear images using machine learning techniques // 2021 2nd Global Conference for Advancement in Technology, GCAT 2021, 2021, 7 p.
4. Alkafrawi, I.M.I., Dakhell, Z.A. Blood Cells Classification Using Deep Learning Technique // Proceedings – 2022 International Conference on Engineering and MIS, ICEMIS 2022, 2022, 5 p.
5. Al-Dulaimi, K. et al. Segmentation of White Blood Cell, Nucleus and Cytoplasmin Digital Haematology Microscope Images: A Review-Challenges, Current and Future Potential Techniques // IEEE Reviews in Biomedical Engineering, 2021, Vol. 14, pp. 290–306.
6. Khouani, A. et al. Automated recognition of white blood cells using deep learning // Biomedical Engineering Letters, 2020, Vol. 10, # 3, pp. 359–367.
7. Jiang, M. et al. White Blood Cells Classification with Deep Convolutional Neural Networks // International Journal of Pattern Recognition and Artificial Intelligence, 2018, Vol. 32, # 9, 21 p.
8. Khan, S. et al. Efficient leukocytes detection and classification in microscopic blood images using convolutional neural network coupled with a dual attention network // Computers in Biology and Medicine, 2024, Vol. 174, p. 108146.
9. Fırat, H. Classification of microscopic peripheral blood cell images using multibranch lightweight CNN-based model // Neural Computing and Applications, 2024, Vol. 36, # 4, pp. 1599–1620.
10. Vogado, L. et al. Leukemia diagnosis in blood slides using transfer learning in CNNs and SVM for classification // Engineering Applications of Artificial Intelligence, 2018, Vol. 72, pp. 415–422.
11. Palta, O., Çıbuk, M., Güldemir, H. Image Enhancement In White Blood Cells Using Hybrid (Chale+Gauss) Filter And Flask-Based Web Service Integration // 7th International Mediterranean Congress, 2025, pp. 897–906.
12. Palta, O., Çıbuk, M., Güldemir, H. Deep Learning-Based Classification Of White Blood Cells: An Ensemble Model Approach // 7th International Mediterranean Congress, 2025, pp. 262–270.
13. Cengiz, M.S., Cengiz, Ç. Numerical Analysis of Tunnel Led Lighting Maintenance Factor // International Journal of University Missions and Emigrations Journal, 2018, Vol. 19, # 2, pp. 154–163.
14. Cengiz, Ç. Relationship of Braking Distance and Rear Headlight on Highways // Light & Engineering, 2024, Vol. 32, # 2, pp. 29–36.
15. Cengiz, Ç., Aydoğdu, H. GAMMA renewal functions in censored data // Bitlis Eren University Journal of Science and Technology, 2015, Vol. 5, # 2, pp. 97–101.
16. Efe, S.B., Varhan, D. Interior Lighting of a Historical Building by Using LED Luminaires A Case Study of Fatih Pasha Mosque // Light & Engineering, 2020, Vol. 28, # 4, pp. 77–83.
17. Cengiz, M.S. Effects of Luminaire Angle and Illumination Topology On Illumination Parameters In Road Lighting // Light & Engineering, 2020, Vol. 28, # 4, pp. 47–56.
18. Rüstemli, S., Cengiz, M.S. Active Filter Solutions in Energy Systems // Turkish Journal of Electrical Engineering and Computer Sciences, 2015, Vol. 23, # 6, pp. 1587–1607.
19. Cengiz, M.S. The Relationship between Maintenance Factor and Lighting Level in Tunnel Lighting // Light & Engineering, 2019, Vol. 27, # 3, pp. 75–88.
20. Guler, O., Onaygil, S. The Effect of Luminance Uniformity on Visibility Level in Road Lighting // Lighting Research & Technology, 2003, Vol. 35, # 3, pp. 199–215.
21. Cengiz, M.S., Rüstemli, S. Passive Filter Solutions and Simulation Performance in Industrial Plants // Bitlis Eren University Journal of Science and Technology, 2016, Vol. 6, # 1, pp. 39–43.
22. Wu, P. et al. Spectral-level assessment of light pollution from urban façade lighting // Sustainable Cities and Society, 2023, Vol. 98, p. 104827.
23. Duranay, Z.B., Guldemir, H. Power Prediction in Photovoltaic Systems with Neural Networks: A Multi-Parameter Approach // Applied Sciences, 2025, Vol. 15, # 7, p. 3615.
24. Dişli, F. et al. Epilepsy Diagnosis from EEG Signals Using Continuous Wavelet Transform-Based Depthwise Convolutional Neural Network Model // Diagnostics, 2025, Vol. 15, # 1, p. 84.
25. Aliser, A., Duranay, Z.B. Fire/Flame Detection with Attention-Based Deep Semantic Segmentation // Iranian Journal of Science and Technology – Transactions of Electrical Engineering, 2024, Vol. 48, # 2, pp. 705–717.
26. Praharsha, C.H., Poulose, A. CBAM VGG16: An efficient driver distraction classification using CBAM embedded VGG16 architecture // Computers in Biology and Medicine, 2024, Vol. 180, 12 p.
27. Li, H. et al. Reducing Video Coding Complexity Based on CNN-CBAM in HEVC // Applied Sciences, 2023, Vol. 13, # 18, p. 10135.
28. Cömert, Z., Efil, F., Türkoğlu, M. Convolutional Block Attention Module and Parallel Branch Architectures for Cervical Cell Classification // International Journal of Imaging Systems and Technology, 2025, Vol. 35, # 2, 15 p.
29. Göçmen, R., Çıbuk, M., Akin, E. Comparative Analysis of Deep Learning Algorithms in Fire Detection // Balkan Journal of Electrical and Computer Engineering, 2024, Vol. 12, # 3, pp. 255–261.
30. Erdem, B., Karabatak, M. Cheating Detection in Online Exams Using Deep Learning and Machine Learning // Applied Sciences, 2025, Vol. 15, # 1, p. 400.
31. Wang, S., Zhang, X., Zhao, R. Lightweight CNN-CBAM-BiLSTM EEG emotion recognition based on multiband DE features // Biomedical Signal Processing and Control, 2025, Vol. 103, 10 p.
32. Acevedo, A. et al. Recognition of peripheralblood cell images using convolutional neural networks // Computer Methods and Programs in Biomedicine, 2019, Vol. 180, p. 105020.
33. Kaynaklı, M., Palta, O., Cengiz, Ç. Solar Radiation and Temperature Effects on Agricultural Irrigation Systems // Bitlis Eren University Journal of Science and Technology, 2016, Vol. 6, # 1, pp. 53–58.
34. Cengiz, M.S. Simulation and Design Study for Interior Zone Luminance in Tunnel Lighting // Light & Engineering, 2019, Vol. 27, # 2, pp. 42–51.
35. Yurci, Y. et al. The performance-cost effect of the scada system on distribution networks // IOSR Journal of Electrical and Electronics Engineering, 2016, Vol. 11, # 6, pp. 32–38.
36. Cengiz, Ç. The Relationship Between Electricity Consumption From Outdoor Lighting and Economic Growth // Light & Engineering, 2024, Vol. 32, # 4, 8 p.
37. Macawile, M.J. et al. White blood cell classification and counting using convolutional neural network // 2018 3rd International Conference on Control and Robotics Engineering, ICCRE 2018, 2018, pp. 259–263.
38. Çınar, A., Tuncer, S.A. Classification of lymphocytes, monocytes, eosinophils, and neutrophils on white blood cells using hybrid Alexnet-GoogleNet-SVM // SN Applied Sciences, 2021, Vol. 3, # 4, 11 p.
39. Habibzadeh Motlagh, M. et al. Automatic white blood cell classification using pretrained deep learning models: ResNet and Inception // Proceedings of SPIE, 2018, Vol. 10696, pp. 274–281.
40. Vogado, L.H.S. et al. Leukemia diagnosis in blood slides using transfer learning in CNNs and SVM for classification // Engineering Applications of Artificial Intelligence, 2018, Vol. 72, pp. 415–422.
41. Hegde, R.B. et al. Feature extraction using traditional image processing and convolutional neural network methods to classify white blood cells: a study // Australasian Physical & Engineering Sciences in Medicine, 2019, Vol. 42, # 2, pp. 627–638.
42. Sharma, S. et al. Deep Learning Model for the Automatic Classification of White Blood Cells // Computational Intelligence and Neuroscience, 2022, Vol. 2022, # 1, p. 7384131.
43. Chen, Y. et al. DAFFNet: A dual attention feature fusion network for classification of white blood cells // Biomedical Signal Processing and Control, 2025, Vol. 106, p. 107699.
44. Fan, H. et al. LeukocyteMask: An automated localization and segmentation method for leukocyte in blood smear images using deep neural networks // Journal of Biophotonics, 2019, Vol. 12, # 7, p. e201800488.
45. Khalil, A.J., Abu-Naser, S.S. Diagnosis of Blood Cells Using Deep Learning // International Journal of Academic Engineering Research, 2022, Vol. 6, # 2, pp. 69–84.

Интеллектуальные системы контроля параметров микроклимата – перспективный и быстроразвивающийся сегмент российского рынка измерительной техники. В определённых сферах их применение закреплено законодательно. Стратегическое размещение датчиков, оптимизированное с помощью карт распределения параметров микроклимата и искусственного интеллекта (ИИ), позволит эффективно контролировать и анализировать температуру, влажность, освещённость и другие показатели, используя большие объёмы данных. Соответствующий проект авторов направлен на создание и тестирование системы мониторинга микроклимата, предназначенной для применения в музеях, выставочных залах и библиотеках. Представленная система использует картирование параметров микроклимата и алгоритмы ИИ для мониторинга и поддержания оптимальных условий хранения и экспонирования ценных объектов. Особое внимание уделяется контролю облучённости в УФ области спектра и освещённости. Музейная климатология относит эти параметры к понятию микроклимата, поскольку они критически важны для сохранности экспонатов и требуют особого отношения в световом дизайне и светотехнике. Картирование параметров микроклимата в музейных, выставочных и архивных пространствах осуществляется в несколько этапов и включает изучение проектной документации, расположения инженерных систем и характеристик экспонатов, особенно их светочувствительности. На следующем этапе проводится сканирование помещений с помощью измерительного оборудования, а полученные данные анализируются и визуализируются в виде карт распределения параметров микроклимата на плане помещения. Это позволяет выявлять проблемные зоны и принимать меры по их устранению. Для надёжности и уменьшения временных затрат при анализе и построении карт распределения параметров микроклимата целесообразно применять алгоритмы ИИ. Статья посвящена новой интеллектуальной системе, разработанной для повышения эффективности работы специалистов, отвечающих за сохранность экспонатов. Приведены результаты валидации методики и предварительные данные пилотного исследования, подтверждающие, что система значительно улучшает информированность и повышает точность контроля микроклимата.

1. Приказ Минкультуры России от 23.07.2020 г. N 827 (ред. от 24.11.2020) «Об утверждении Единых правил организации комплектования, учёта, хранения и использования музейных предметов и музейных коллекций».
2. Дорохов В.Б. Свет и климат. Нормативные требования и практика сохранения культурных ценностей // Светотехника. – 2022. – № 6. – С. 74–77.
3. Фёдорова И.В. Тепловой и влажностный режимы объекта историко-архитектурного наследия в Санкт-Петербурге // Электронный научный журнал «Инженерный вестник Дона». – 2021. – № 2.
4. ГОСТ Р 70835–2023 «Музейное освещение. Освещение светодиодами. Нормы».
5. Болотов Е.Н. Сохранить наследие: микроклимат музеев // АВОК. – 2018. – № 1. – С. 4–13.
6. Музейное освещение: основные параметры и их контроль. Руководство (Методические рекомендации) / Под. ред. А.В. Богданова. – Санкт-Петербург, 2024. – 20 с.
7. CIE 157:2004 «Control of damage to museum objects by optical radiation».
8. ГОСТ Р 70836–2023 «Музейное освещение. Освещение светодиодами. Методы измерений нормируемых параметров».
9. Баев С.С., Николаев С.Е., Барбар Ю.А., Томский К.А. Российские беспроводные системы контроля и управления освещением и микроклиматом с учётом особенностей музейных помещений // Светотехника. – 2022. – № 6. – С. 67–71.
10. Томсон Г. Музейный климат. – СПб: СКИФИЯ, 2005. – 288 с.
11. Витковская С.В., Копытова М.П., Толстова А.А. Средовой подход в проектировании и экспертной оценке музейной среды // Академический вестник УралНИИпроект РААСН. – 2021. – № 2. – С. 75–80.
12. Лоозе В.В. Возможности новой дистанционной системы контроля ТВР «ТКА музей» для превентивной консервации музейных предметов в условиях усадебного экспонирования и хранения / Доклад на Научно-практической конференции по музейной деятельности и научной работе ГМЗ «Останкино и Кусково», 2022.

Поскольку население растёт с каждым днём, потребность в энергии продолжает постепенно возрастать. Поскольку туннели требуют непрерывного освещения днём и ночью, потребление энергии в них довольно велико. Примерно 20 % энергии, потребляемой в Турции, используется для освещения. Дорожное освещение занимает значительное место среди уличного освещения. Технологии нового поколения в области освещения быстро внедряются. Предпочтение отдаётся системам освещения, которые становятся более интеллектуальными, экономичными и удобными. Многие решения в области автоматизации и интеллектуальных технологий применяются для повышения энергоэффективности и энергосбережения. Одним из наиболее эффективных решений для разработки интеллектуальных систем освещения является использование универсальных протоколов.
В этом исследовании приводится информация о протоколах, используемых при управлении светодиодными светильниками, используемыми при освещении туннелей. Кроме того, обсуждается освещение туннеля Хекимхан T1 в провинции Малатья, и в этом туннеле применяются DALI (Digital Addressable Lighting Interface – цифровой адресуемый интерфейс освещения) и протокол аналогового управления освещением 0–0–10 В / 1–10 В и анализируются результаты. Дизайн освещения был разработан с использованием протокола DALI, а затем было рассчитано количество энергии, потребляемой для освещения, эксплуатационные расходы, техническое обслуживание и первоначальная стоимость установки. При проектировании также использовался протокол аналогового управления освещением 0–10 В / 1–10 В. Затем было проведено сравнение и даны рекомендации.

1. Rustemli S., Demir Y., Comparative Analysis of Lighting Installations Used in Road Illumination // Light & Engineering, 2021, 29(6), pp. 86–94.
2. Parise G., Martirano L., Parise L., The Energetic Impact of the Lighting system in the Road Tunnels // IEEE Transactions on Industry Applications, 2021, 52(2), pp. 1175–1183.
3. Zhang X., Hu J., Wang R., Gao X., He L., The Comprehensive Efficiency Analysis of Tunnel Lighting Based on Visual Performance // Advances in Mechanical Engineering 2017; 9(4), pp. 1–9.
4. Fotios S., Gibbons R., Lighting Research for Drivers and Pedestrians: The Basis of Luminance and Illuminance Recommendations // Lighting Research & Technology, 2018, 50(1) pp. 154–186.
5. Rustemli S., Kocaman B., Avcil S., Comparative Analysis of High-Pressure Sodium Vapor Luminaires with LED Luminaires in Tunnel Illumınatıon // Light & Engineering, 2022, (30)4, pp. 87–96.
6. International Commission on Illumination – C.I.E, 1990. Guide for the Lighting of Road Tunnels and Underpasses, CIE NO 88.
7. Rustemli S., Avcil S., The Use of LED Luminaire for Tunnel Lighting // Journal of the Institute of Natural & Applied Sciences, 2018, 23(2), pp. 168–181.
8. Qin L., Dong, L., Leon A., et al. An Intelligent Luminance Control Method for Tunnel Lighting Based on Traffic Volume // Sustainability, 2017, 9(12), 2208.
9. Ekren N., Sogut B., DALI Compatible Smart LED Driver Controller with Wi-Fi Communication // Balkan Journal of Electrical and Computer Engineering, 2023, 11(2), pp. 172–183.
10. Bellido O., Francisco J., et al. Streetlight Control System Based on Wireless communication over DALI protocol // Sensors, 2016, 16(5), 597.
11. Sysala T., Pribyslavsky J., Neumann P., Using Microcomputers for Lighting Appliances Control Via DALI Bus // WSEAS Transactions on Systems and Control, 2016, 11, pp. 409–418.
12. Huadong L., Mingguang W., Yufang Z., Development and Research of Lighting System Based on DALI // IEEE Conference on Industrial Electronics and Applications, 2008, ICIEA, pp. 1302–1307.
13. Liang T., Huang J., Yadav P., Design and Implementation of Dimmable LED Control Circuit with DALI Protocol // IEEE International Conference on Power and Energy (PECon), 2016, pp. 121–126.
14. Güngör B., Akgün T., The Management of the Emergency Lighting Systems with DALI Interface // National Conference on Electrical, Electronics and Computer Engineering, 2010, pp. 234–238.
15. Korobko A.A., Method Of Calculation Of A Road Tunnel Illumination // Light & Engineering, 2023, 31(3).
16. Pleshkov S. Yu., Bracale G., Kuznetsov A.L., Design Project Of Combined Lighting Of The Co-Working Area Of The Youth Centre In The City Of Milan Using Mirrored Hollow Tubular Light Guides // Light & Engineering, 2022, 30(4).
17. Contenti C., Digitally Addressable DALI Dimming Ballast, IEEE Applied Power Electronic Conference, 2002, pp. 936–942.
18. Yuan M., Wobschall D.A., Sensor Network for Buildings Based on the DALI Bus // Sensors Applications Symposium, 2007, pp. 6–8.
19. Bellido-Outeirino F.J., Flores-Arias J.M., Domingo-Perez F., Gil-de-Castro A., Moreno-Munoz A., Building Lighting Automation Through The Integration Of DALI With Wireless Sensor Networks // IEEE Transactions On Consumer Electronics, 2012, 58(1), pp. 47–52.

Фасады, как компонент здания, напрямую влияют на комфортные условия в помещении. Различные фасадные системы были разработаны не только для обеспечения теплового и визуального комфорта, но и для повышения энергоэффективности, использования естественного освещения и естественной вентиляции. Проектировщики рассматривают системы двойного остекления фасадов (DSF) в учебных зданиях для улучшения вышеупомянутых эксплуатационных характеристик. В последних работах рассматривается фиксированная глубина помещения для предлагаемых параметрических моделей DSF с учётом фундаментальных версий хорошо известных алгоритмов оптимизации. Поскольку в учебных зданиях требуется различная глубина помещений в зависимости от назначения здания, оптимальная эффективность дневного света может быть достигнута не при одинаковом зазоре между полостями с использованием только одного известного решения. В этом исследовании предлагается вычислительная платформа для решения этой проблемы в DSFs для учебных зданий. В этом контексте в исследовании предлагается параметрическое образовательное пространство с системой DSF и оптимизированными семью параметрами проектирования, включая двенадцать сценариев глубины помещения, с использованием трёх алгоритмов объективной оптимизации. В исследовании предлагаются оптимизированные сценарии проектирования для пространственной автономии от дневного света (sDA) и ежегодного воздействия солнечного света (ASE) в регионе между 35°-40° северной широты средиземноморского типа климата CSA. Хотя в предыдущих работах часто использовался генетический алгоритм (GA) для решения задач проектирования DSF, результаты показали, что GA не подходит для работы с sDA и ASE. Результаты показали, что одного отверстия недостаточно для обеспечения оптимальных sDA и ASE в учебных зданиях с системами DSF глубиной помещения более 7 м.

1. Blanco, J. M., Arriaga, P., Rojí, E., Cuadrado, J. Investigating the thermal behaviour of double-skin perforated sheet façades: Part a: Model characterization and validation procedure. Building and Environment, 2014. V 82, pp 50–62.
2. Safer, N., Woloszyn, M., Roux, J.J. Three-dimensional simulation with a cfd tool of the airflow phenomena in single floor double-skin facade equipped with a venetian blind. Solar Energy, 2005. V 79 (2), PP 193–203.
3. Ghaffarianhoseini, A. Ghaffarianhoseini, A., Berardi, U. Tookey, J., Li, D. H. W., Kariminia, S. Exploring the advantages and challenges of double-skin façades (Dsfs). Renewable And Sustainable Energy Reviews, 2016. V 60, pp 1052–1065.
4. WELL, Daylight Modeling, https://standard.wellcertified.com/light/daylight-modeling; 2024 (accessed on 3 April 2024). 5. BREEAM, Daylight 4a/c, https://climatestudiodocs.com/docs/daylightBREEAM4a.html; 2024 (accessed on 3 April 2024).
6. Gass S.I. Making Decisions with Precision, Business Week October 30, 2000. https://www.bloomberg.com/news/articles/2000–10–29/making-decisions-with-precision; 2024 (accessed on 3 April 2024).
7. Winston, W.L. Operations research: applications and algorithms. International Thomson Publishing, Belmont, CA., 2003. V 4.
8. Shameri, M. A., Alghoul, M. A., Elayeb, O., Zain, M. F. M., Alrubaih, M. S., Amir, H., Sopian, K. Daylighting characteristics of existing double-skin façade office buildings. Energy and Buildings, 2013. V 59, pp 279–286.
9. Ghonimi, I. Assessing Daylight performance of single vs. double skin facade in educational buildings: A comparative analysis of two case studies. Journal of Sustainable Development, 2017. V 10 (3), pp 133–142.
10. Saad, M. M., Araji, M.T. Optimization of double skin façades with integrated renewable energy source in cold climates. In ASHRAE Topical Conference Proceedings (pp. 366–373). American Society of Heating, Refrigeration and Air Conditioning Engineers, Inc., 2020.
11. Alakavuk, A. P. D.E. Energy and daylight performance analysis of double skin façade systems in hot arid climate: a case study in Kano, Nigeria. Engineering On Energy Materials, 2020. V 97.
12. Dewi, O. C., Rahmasari, K., Hanjani, T. A., Ismoyo, A. D., Dugar, A.M. Window-to-wall ratio as a mode of daylight optimization for an educational building with opaque double-skin façade. Journal of Sustainable Architecture and Civil Engineering, 2022. V 30 (1), pp 142–152.
13. Lorenzo, V., Hendarti, R., Mariana, Y. Double skin facade effect on optimizing daylighting in SOHO apartment south Jakarta. In AIP Conference Proceedings, 2023. V 2594 (1), AIP Publishing.
14. Wolpert, D. H., & Macready, W.G. No free lunch theorems for optimization. IEEE transactions on evolutionary computation, 2002. V 1(1), pp 67–82.
15. Goharian, A., Daneshjoo, K., Yeganeh, M. Standardisation of methodology for optimising the well aperture as device (reflector) for light-wells; a novel approach using Honeybee & Ladybug plug-ins. Energy Reports, 2022. V 8, pp 3096–3114.
16. Lm, I. Approved method: IES spatial Daylight autonomy (sDA) and annual sunlight exposure (ASE), 2013. Illum Eng Soc https//www.ies.org/product/ies-spatial-daylightautonomy-sda-and-annual-sunlight-exposurease.
17. Kremelberg, D. Pearson’sr, chi-square, t-test, and ANOVA. Practical statistics: A quick and easy guide to IBM® SPSS® statistics, STATA, and other statistical software, 2011. 119–204.
18. Opossum. Food4rhino. https://www.food4rhino. com/en/app/opossum-optimizationsolver-surrogate-models; 2024 (accessed on 6 April 2024).
19. Rutten, D. Galapagos: On the logic and limitations of generic solvers. Architectural Design, 2013. V 83 (2), pp 132–135.
20. Wolpert, D. H., Macready, W.G. No free lunch theorems for optimization. IEEE Transactions on Evolutionary Computation, 1997. V 1 (1), pp 67–82.
21. Coit, D. W., Smith, A.E. Penalty guidedgenetic search for reliability design optimization. Computers & Industrial Engineering, 1996. V 30 (4), pp 895–904.
22. Vatin, N., Murgul, V., Penić, M. Double skin facades in energy efficient design, Applied Mechanics and Materials, 2014. V 680, pp 534–538.
23. Ekici, B., Cubukcuoglu, C., Turrin, M., & Sariyildiz, I.S. Performative computational architecture using swarm and evolutionary optimization: A review. Building and environment, 2019. V 147, pp 356–371.

В данной работе представлены моделирование и аппаратная реализация фотоэлектрической установки. Установка состоит из ФЭ панели, повышающего DC-DC преобразователя и активной нагрузки. Преобразователь управляется контроллером отслеживания точки максимальной мощности, реализующим алгоритмы возмущения и наблюдения или возрастающей проводимости. Управление преобразователем осуществляется с помощью сигнала широтно-импульсной модуляции, генерируемого платой Arduino. Моделирование установки выполнено в среде ISIS. Реализация алгоритмов возмущения и наблюдения или возрастающей проводимости выполнена с применением платы Arduino.

1. Laxmi, G., Daljeet, P.S., Neeraj, S., Kuldeep, S.K. Comparative Analysis of P & O and INC MPPT Algorithms for PV System under Variable Irradiance // E3S Web of Conferences ICPES, 2023, Vol. 540, # 1, 12003 p.
2. Priyanka, M. Modeling and Control of a Battery for Renewable Energy Sources // International Journal of New Technologies in Science and Engineering, 2022, Vol. 8, # 4, pp. 1–5.
3. Rath, B.B. et al. Photovoltaic Partial Shading Performance Evaluation With a DSTATCOM Controller // IEEE Access, 2022, Vol. 10, # 1, pp. 69041–69052.
4. Malla, S.G., Malla, J.M.R., Malla, P., Ramasamy, S., Doniparthi, S.K., Sahu, M.K., Subudhi, P.K., Awad, H. Coordinated power management and control of renewable energy sources based smart grid // International Journal of Emerging Electric Power Systems, 2022, Vol. 23, # 2, pp. 261–276.
5. Chandrasekhar, N. Modified Grey Wolf Optimization Algorithm for MPPT of PV System under Partial Shading Conditions // International Journal of New Technologies in Science and Engineering, 2022, Vol. 8, # 5, pp. 1–6.
6. Priyanka, M. Novel Control Technique for MPPT of PV Standalone System with TSK Fuzzy controller // International Journal of New Technologies in Science and Engineering, 2022, Vol. 8, # 8, pp. 1–7.
7. Malla, S.G. et al. Whale Optimization Algorithm for PV Based Water Pumping System Driven by BLDC Motor Using Sliding Mode Controller // IEEE Journal of Emerging and Selected Topics in Power Electronics, 2022, Vol. 10, # 4, pp. 4832–4844.
8. Dash, D.P., Bagarty, P.K., Hota, R.K., Behera, M.U.R., Al Hosani, K. DC Offset Compensation for Three-Phase Grid-Tied SPV-DSTATCOM Under Partial Shading Condition With Improved PR Controller // IEEE Access, 2021, Vol. 9, # 1, pp. 132215–132224.
9. Malla, S.G., Dadi, P.K., Dadi, J. Wind and photovoltaic based hybrid stand-alone power generation system // 2017 International Conference on Energy, Communication, Data Analytics and Soft Computing, Chennai, India, 2017, pp. 3718–3725.
10. Keerthana, K., Singaravelu, S. Enhancing the Robustness of P and O Algorithm-Based MPPT Control in Stand-Alone PV Systems through Fine Tuned PI Controller for Dynamic Load Variations // SSRG International Journal of Electronics and Communication Engineering, 2024, Vol. 11, # 6, pp. 9–19.
11. Adithya, B. et al. Energy Efficient Perturb and Observe Maximum Power Point Algorithm with Moving Average Filter for Photovoltaic Systems // International Journal of Renewable Energy Research, 2019, Vol. 9, # 1, pp. 207–214.
12. Rajesh, K., Ananyo, B., Aanchal, S.S., Vardhan, A.S.S. Fuzzy Logic Controller and P&O-Based MPPT Techniques for Stand-Alone PV Systems: A Comparison // Research Square, 2024.
13. Ahmed, J.Y., Maan, A.A., Raed, S.A., Heider, N.B. Renewable Energy Sources in International Energy Reality and Prospects // International Journal of Innovation, Creativity and Change, 2020, Vol. 11, # 3.
14. Singh, S., Singh, P., Said, Z. Solar Energy Applications // Nanotechnology Applications for Solar Energy Systems, Wiley, 2023, pp. 1–23.
15. Daryaei, M., Esteki, M., Khajehoddin, S.A. High Efficiency and Full MPPT Range Partial Power Processing PV Module-Integrated Converter // IEEE Transactions on Power Electronics, 2023, Vol. 38, # 5, pp. 6627–6641.
16. Khodair, D., Salem, M.S., Shaker, A., El Munim, E.A., Abouelatta, M. Application of Modified MPPT Algorithms: A Comparative Study between Different Types of Solar Cells // Applied Solar Energy, 2020, Vol. 56, # 5, pp. 309–323.
17. Manoharan, P. et al. Improved Perturb and Observation Maximum Power Point Tracking Technique for Solar Photovoltaic Power Generation Systems // IEEE Systems Journal, 2021, Vol. 15, # 2, pp. 3024–3035.
18. Zebraoui, O., Bouzi, M. Improved MPPT controls for a standalone PV/wind/battery hybrid energy system // International Journal of Power Electronics and Drive Systems, 2020, Vol. 11, # 2, 988 p.
19. Khokhar, S.D., Peng, Q., Asif, A., Noor, M.Y., Inam, A. A Simple Tuning Algorithm of Augmented Fuzzy Membership Functions // IEEE Access, 2020, Vol. 8, # 1, pp. 35805–35814.
20. Sharma, A.K. et al. Role of Metaheuristic Approaches for Implementation of Integrated MPPT-PV Systems: A Comprehensive Study // Mathematics, 2023, Vol. 11, # 2, 269 p.
21. Subramanian, V., Indragandhi, V., Kuppusamy, R., Teekaraman, Y. Modeling and Analysis of PV System with Fuzzy Logic MPPT Technique for a DC Microgrid under Variable Atmospheric Conditions // Electronics, 2021, Vol. 10, # 20, 2541 p.
22. Nordin, N.A. et al. Integrating Photovoltaic (PV) Solar Cells and Supercapacitors for Sustainable Energy Devices: A Review // Energies, 2021, Vol. 14, # 21, 7211 p.
23. Murtaza, A.F., Sher, H., Al-Haddad, A.K., Spertino, F. Module Level Electronic Circuit Based PV Array for Identification and Reconfiguration of Bypass Modules // IEEE Transactions on Energy Conversion, 2021, Vol. 36, # 1, pp. 380–389.
24. Barbosa, E.J., Cavalcanti, M.C., de Souza Azevedo, G.M., Barbosa, A.O., Bradaschia, F., Limongi, L.R. Global Hybrid Maximum Power Point Tracking for PV Modules Based on a Double-Diode Model // IEEE Access, 2021, Vol. 9, # 1, pp. 158440–158455.
25. Motahhir, S., Abdelilah, C., Abdelaziz, G., Aziz, D. Development of a Low-cost PV System using an improved INC algorithm and a PV panel Proteus model // Journal of Cleaner Production, 2018.
26. Mensia, N., Talbi, M., Bouaicha, M. New Adaptive PI Controller for Photovoltaic Systems // Iranian Journal of Science and Technology, Transactions of Electrical Engineering, 2024, Vol. 48, # 1, pp. 1099–1110.
27. Schiller, É. Le pompage photovoltaïque. Manuel de cours / Université d’Ottawa, Canada, 2010.
28. Newport Corporation. Calibrating Photovoltaic Cells / Technical Report, Newport Corporation, 2015.

Палта О., Чибук М., Гюльдемир Х.
Осветительноориентированное глубокое обучение для классификации лейкоцитов: подход на основе слияния СВАМ и текстурных признаков

Аталай Ф., Куртай К.
Результаты моделирования дневного света на прямых и изогнутых световодах

Юнлютюрк М.С., Казанасмаз З.Т., Экиджи Б., Озбалта Т.Г.
Вычислительная база для оптимизации дневного освещения фасадов с двойной обшивкой в учебных зданиях: пример средиземноморского климата

Палта О., Чибук М., Гюльдемир Х.
Осветительноориентированное глубокое обучение для классификации лейкоцитов: подход на основе слияния СВАМ и текстурных признаков

Аталай Ф., Куртай К.
Результаты моделирования дневного света на прямых и изогнутых световодах

Юнлютюрк М.С., Казанасмаз З.Т., Экиджи Б., Озбалта Т.Г.
Вычислительная база для оптимизации дневного освещения фасадов с двойной обшивкой в учебных зданиях: пример средиземноморского климата

В современном растениеводстве урожайность культур повышают, используя метод меристемы, и эксперименты авторов, описанные в статье, проводились на меристемном картофеле (in vitro). Изучалось влияние на его развитие доз облучения спектральными составляющими излучения Солнца (и в области ФАР). Целью работы была разработка энергосберегающих световых цифровых технологий для данной культуры in vitro, использование которых снижает потребление электроэнергии при сохранении продуктивности растений. С опорой на труды А.Ф. Клешнина проведён анализ спектра излучения Солнца для географического региона первоначального происхождения культуры картофеля, который показал, что около 29 % потока излучения приходится на его красную составляющую, около 21 % – на жёлтую, около 18 % – на зелёную, 16 % – на синюю, около 9 % – на фиолетовую и 6 % – на длинноволновую УФ. Для реализации требуемых доз облучения спектральными составляющими излучения Солнца был разработан алгоритм работы программируемого логического контроллера для облучателя со светодиодами (ОСД) с использованием инструментального программного комплекса промышленной автоматизации «CoDeSys». Предложена энергосберегающая световая технология, при которой пробирочные растения развиваются быстрее по сравнению с контролем. Благодаря этому примерно на 13 % сокращаются время работы и потребление электроэнергии ОСД при одновременном увеличении площади листьев на 26 % по сравнению с контролем, увеличении количества листьев до 7,5 шт. (в контроле 5,57 шт.) и быстром развитии корневой системы до 2,7 баллов (в контроле 2,06).

1. Ничипорович А.А., Чмора С.Н. Об использовании солнечной радиации на фотосинтез в посевах картофеля // Физиология растений. – 1958. – Т. 5, Вып. 4. – С. 320–326.
2. Тооминг Х.Г. Солнечная радиация и формирование урожая. – Л.: Гидрометеоиздат, 1977. – 168 с.
3. Рабинович Е. Фотосинтез. Ч. I – III. – М.: Изд-во иностр. лит., 1959. – С. 310.
4. Сенченкова Е.М. К.А. Тимирязев и учение о фотосинтезе. – М.: Наука, 1961. – 182 с. EDN RVPSAD.
5. Яговкина Д.Е., Тимшина П.С., Костина М.Д. Получение безвирусных миниклубней картофеля в результате адаптации технологии микроклонирования / Знания молодых – будущее России: Сборник статей XXII Международной студенческой научной конференции, Киров, 03–05 апреля 2024 года. – Киров: Вятский государственный агротехнологический университет, 2024. – С. 351–355. EDN IWLTMT.
6. Яговкина Д.Е., Тимшина П.С. Микроклональное размножение и получение оздоровленного семенного материала картофеля / Знания молодых – будущее России: Сборник статей XXI Международной студенческой научной конференции, Киров, 05–07 апреля 2023 года. Том 1. – Киров: Вятский государственный агротехнологический университет, 2023. – С. 288–292. EDN POBZPW.
7. Шаманин А.А., Попова Л.А., Корелина В.А., Головина Л.Н. Получение пробирочных микрорастений и миниклубней картофеля в условиях Архангельской области // Вестник Алтайского государственного аграрного университета. – 2023. – № 2(220). – С. 22–30. DOI 10.53083/1996– 4277–2023–220–2–22–30. EDN LDSKGH.
8. Яговкина Д.Е., Тимшина П.С., Костина М.Д., Савиных Е.Ю. Микроклональное размножение и получение оздоровленного семенного материала картофеля // Ресурсосберегающие технологии в агропромышленном комплексе России: материалы IV Международной научной конференции, Красноярск, 23–24 ноября 2023 года. – Красноярск: Красноярский государственный аграрный университет, 2024. – С. 300–305. EDN UQQUWV.
9. Бутенко Р.Г. Культура изолированных тканей и физиология морфогенеза растений. – М.: Наука, 1964. – 272 с.
10. Большин Р.Г. Повышение эффективности облучения меристемных растений картофеля светодиодными (LED) фитоустановками / Дис… к-та техн. наук. – Москва, 2016. – 136 с. EDN ZBUUIF.
11. Кой К., Шуравилин А.В., Захарова О.А. Фотосинтетическая активность растений картофеля при промышленной (голландской) технологии возделывания // Теоретические и прикладные проблемы агропромышленного комплекса. – 2017. – № 4(33). – С. 23–27. EDN ZXHPXL.
12. Шатилов И.С. Принципы программирования урожайности // Вестник сельскохозяйственной науки. – 1973. – № 3.
13. Шатилов И.С., Каюмов М.К. Как получить запрограммированный урожай пшеницы // Сельское хозяйство России. – 1970. – № 12.
14. Вавилов Н.И. Международные генетические конгрессы 1927, 1932 гг. – М.: ООО «Акварель», 2022. – 32 с. ISBN 978‑5‑904787‑92‑9. EDN DEWVBG.
15. Большин Р.Г. Ресурсосберегающая и энергоэффективная система облучения гидропонных теплиц // Вестник НГИЭИ. – 2024. – № 9(160). – С. 40–51. DOI 10.24412/2227–9407–2024–9–40–51. EDN VODAUN.
16. Кондратьева Н.П., Ахатов Р.З., Большин Р.Г., Краснолуцкая М.Г., Селунский В.В. Цифровое средство автоматизации для реализации энергоэффективного режима облучения микрочеренков сливы садовой в культуре in vitro // Светотехника. – 2023. – № 5. – С. 32–37.
17. Овчукова С.А., Кондратьева Н.П., Коваленко О.Ю. Экономия электроэнергии в световых технологиях сельскохозяйственного производства // Светотехника. – 2020. – № 6. – С. 68–70.
18. Клешнин А.Ф. Растение и свет. Теория и практика светокультуры растений. – М.: Изд-во АН СССР, 1954. – 353 с.

В последнее время в исследованиях цветового зрения человека большое внимание уделяется такому биологическому фактору, как половая принадлежность. При этом различия между полами в том, насколько сильно варьируется цветовое зрение, в предыдущих исследованиях изучались редко. В данной статье мы вернулись к нашим предыдущим исследованиям, включающим 7 тестов на цветовое различение и 20 экспериментов по оценке цветовых предпочтений, и обнаружили, что у женщин вариабельность цветового зрения значительно выше, чем у мужчин. Такой результат контрастирует с предыдущими исследованиями в других областях, где часто выдвигалась гипотеза о большей вариабельности у мужчин, что указывает на то, что механизмы гендерных особенностей в отношении вариабельности восприятия могут различаться в зависимости от когнитивных или перцептивных процессов. Таким образом, настоящее исследование показывает, что в будущих исследованиях зрительного восприятия необходимо также учитывать диапазон отклонений от целевого показателя, а не только сам целевой показатель или общую тенденцию.

1. Garcia-Sifuentes, Y., Maney, D.L. Reporting and misreporting of sex differences in the biological sciences // Elife, 2021, Vol. 10, # 1, e70817 p.
2. Klein, S.L. et al. Sex inclusion in basic research drives discovery // Proceedings of the National Academy of Sciences, 2015, Vol. 112, # 17, pp. 5257–5258.
3. Joel, D., McCarthy, M.M. Incorporating Sex As a Biological Variable in Neuropsychiatric Research: Where Are We Now and Where Should We Be? // Neuropsychopharmacology, 2017, Vol. 42, # 2, pp. 379–385.
4. de Vries, G.J., Forger, N.G. Sex differences in the brain: a whole body perspective // Biology of Sex Differences, 2015, Vol. 6, # 1, 15 p.
5. Vanston, J.E., Strother, L. Sex differences in the human visual system // Journal of Neuroscience Research, 2017, Vol. 95, # 1–2, pp. 617–625.
6. Brabyn, L.B., McGuinness, D. Gender differences in response to spatial frequency and stimulus orientation // Perception and Psychophysics, 1979, Vol. 26, # 4, pp. 319–324.
7. Abramov, I., Gordon, J., Feldman, O., Chavarga, A. Sex and vision I: Spatio-temporal resolution // Biology of Sex Differences, 2012, Vol. 3, # 1, 20 p.
8. Kuehni, R.G. Determination of unique hues using Munsell colour chips // Colour Research and Application, 2001, Vol. 26, # 1, pp. 61–66.
9. Abramov, I., Gordon, J., Feldman, O., Chavarga, A. Sex and vision II: colour appearance of monochromatic lights // Biology of Sex Differences, 2012, Vol. 3, # 1, 21 p.
10. Jameson, K.A., Highnote, S.M., Wasserman, L.M. Richer colour experience in observers with multiple photopigment opsin genes // Psychonomic Bulletin and Review, 2001, Vol. 8, # 2, pp. 244–261.
11. Rodríguez-Carmona, M., Sharpe, L.T., Harlow, J.A., Barbur, J.L. Sex-related differences in chromatic sensitivity // Visual Neuroscience, 2008, Vol. 25, # 3, pp. 433–440.
12. Jordan, G., Deeb, S.S., Bosten, J.M., Mollon, J.D. The dimensionality of colour vision in carriers of anomalous trichromacy // Journal of Vision, 2010, Vol. 10, # 8, 12 p.
13. Nagy, A.L., MacLeod, D.I., Heyneman, N.E., Eisner, A. Four cone pigments in women heterozygous for colour deficiency // Journal of the Optical Society of America, 1981, Vol. 71, # 6, pp. 719–722.
14. Jordan, G., Mollon, J.D. A study of women heterozygous for colour deficiencies // Vision Research, 1993, Vol. 33, # 11, pp. 1495–1508.
15. Hurlbert, A.C., Ling, Y. Biological components of sex differences in colour preference // Current Biology, 2007, Vol. 17, # 16, pp. R623-R625.
16. Shields, S. Functionalism, Darwinism, and the Psychology of Women: A Study in Social Myth // American Psychologist, 1975, Vol. 30, # 7, pp. 739–754.
17. Wierenga, L.M. et al. A Key Characteristic of Sex Differences in the Developing Brain: Greater Variability in Brain Structure of Boys than Girls // Cerebral Cortex, 2017, Vol. 28, # 8, pp. 2741–2751.
18. Arden, R., Plomin, R. Sex differences in variance of intelligence across childhood // Personality and Individual Differences, 2006, Vol. 41, # 1, pp. 39–48.
19. Johnson, W., Carothers, A., Deary, I.J. Sex Differences in Variability in General Intelligence: A New Look at the Old Question // Perspectives on Psychological Science, 2008, Vol. 3, # 6, pp. 518–531.
20. Lehre, A.-C., Lehre, K.P., Laake, P., Danbolt, N.C. Greater intrasex phenotype variability in males than in females is a fundamental aspect of the gender differences in humans // Developmental Psychobiology, 2009, Vol. 51, # 2, pp. 198–206.
21. Borkenau, P., McCrae, R.R., Terracciano, A. Do men vary more than women in personality? A study in 51 cultures // Journal of Research in Personality, 2013, Vol. 47, # 2, pp. 135–144.
22. Hyde, J.S. Gender Similarities and Differences // Annual Review of Psychology, 2014, Vol. 65, pp. 373–398.
23. Baye, A., Monseur, C. Gender differences in variability and extreme scores in an international context // Large-scale Assessments in Education, 2016, Vol. 4, # 1, 1 p.
24. Hedges, L.V., Nowell, A. Sex Differences in Mental Test Scores, Variability, and Numbers of High-Scoring Individuals // Science, 1995, Vol. 269, # 5220, pp. 41–45.
25. Summers, V. Sex differences in number of X chromosomes and X-chromosome inactivation in females promote greater variability in hearing among males // Biology of Sex Differences, 2022, Vol. 13, # 1, 35 p.
26. Neitz, J., Neitz, M. The genetics of normaland defective colour vision // Vision Research, 2011, Vol. 51, # 7, pp. 633–651.
27. Helson, H., Lansford, T. The Role of Spectral Energy of Source and Background Colour in the Pleasantness of Object Colours // Applied Optics, 1970, Vol. 9, # 7, pp. 1513–1562.
28. Averchenkov, V.I., Kondratenko, S.V., Potapov, L.A., Spasennikov, V.V. A Mathematical Model of the Colour Preference Scale Construction in Quality Management at the Machine-Building Enterprise // Journal of Physics: Conference Series, 2017, Vol. 803, # 1, 012010 p.
29. Hallock, J. Colour Assignment, 2003, URL: https://www.joehallock.com/?page_id=1281#
30. Farnsworth, D. The Farnsworth-Munsell 100-Hue and Dichotomous Tests for Colour Vision // Journal of the Optical Society of America, 1943, Vol. 33, # 10, pp. 568–578.
31. Li, Z. et al. A methodological validation of psychophysical approaches for quantifying the colour discrimination capability of white light sources // Colour Research and Application, 2022, Vol. 47, # 6, pp. 1392–1401.
32. Liu, Y. et al. Optimising colour preference and colour discrimination for jeans under 5500 K light sources with different Duv values // Optik, 2020, Vol. 208, 163916 p.
33. Esposito, T., Houser, K. A new measure of colour discrimination for LEDs and other light sources // Lighting Research and Technology, 2019, Vol. 51, # 1, pp. 5–23.
34. Königs, S., Mayr, S., Buchner, A. A common type of commercially available LED light source allows for colour discrimination performance at a level comparable to halogen lighting // Ergonomics, 2019, Vol. 62, # 11, pp. 1462–1473.
35. Pardo, P.J., Suero, M.I., Perez, A.L., Martinez-Borreguero, G. Optimization of the correlated colour temperature of a light source for a better colour discrimination // Journal of the Optical Society of America A, 2014, Vol. 31, # 4, pp. A121-A124.
36. Liu, Q. et al. The Impact of Correlated Colour Temperature of LED Light Source on Colour Discrimination // China Illuminating Engineering Journal, 2015, Vol. 26, # 3, pp. 41–46.
37. Liu, Y. et al. Extending the colour discrimination metric with consideration of illuminance level // Optics Letters, 2022, Vol. 47, # 8, pp. 1851–1854.
38. Huang, Z. et al. Light dominates colour preference when correlated colour temperature differs // Lighting Research and Technology, 2018, Vol. 50, # 7, pp. 995–1012.
39. Huang, Z. et al. Best lighting for jeans, part 1: Optimising colour preference and colour discrimination with multiple correlated colour temperatures // Lighting Research and Technology, 2019, Vol. 51, # 8, pp. 1208–1223.
40. Huang, Z. et al. White lighting and colour preference, Part 1: Correlation analysis and metrics validation // Lighting Research and Technology, 2020, Vol. 52, # 1, pp. 5–22.
41. Wang, Y. et al. Interactive effect of illuminance and correlated colour temperature on colour preference and degree of white light sensation for Chinese observers // Optik, 2020, Vol. 224, 165675 p.
42. Liu, Q. et al. A Field Study of the Impact of Indoor Lighting on Visual Perception and Cognitive Performance in Classroom // Applied Sciences, 2020, Vol. 10, # 21, 7436 p.
43. Huang, Z. et al. Gender Difference in Colour Preference of Lighting: A Pilot Study // Light & Engineering, 2020, Vol. 28, # 4, pp. 111–122.
44. Chen, W. et al. The impact of illuminance level, correlated colour temperature and viewing background on the purchase intention for bread and cakes // Food Quality and Preference, 2022, Vol. 98, 104537 p.
45. Mayr, S., Maja, K., Buchner, A. Comparing colour discrimination and proofreading performance under compact fluorescent and halogen lamp lighting // Ergonomics, 2013, Vol. 56, # 9, pp. 1418–1429.
46. Boyce, P.R. Illuminance, lamp type and performance on a colour discrimination task // Lighting Research and Technology, 1976, Vol. 8, # 4, pp. 195–199.
47. Boyce, P.R., Simons, R.H. Hue discrimination and light sources // Lighting Research and Technology, 1977, Vol. 9, # 3, pp. 125–140.
48. Khanh, T., Bodrogi, P., Vinh, Q., Guo, X., Anh, T. Colour preference, naturalness, vividness and colour quality metrics, Part 4: Experiments with still life arrangements at different correlated colour temperatures // Lighting Research and Technology, 2018, Vol. 50, # 6, pp. 862–879.
49. Chen, W. et al. Evaluating the colour preference of lighting: the light booth matters // Optics Express, 2020, Vol. 28, # 10, pp. 14874–14883.
50. Hyde, J.S., Lindberg, S.M., Linn, M.C., Ellis, A.B., Williams, C.C. Gender Similarities Characterize Math Performance // Science, 2008, Vol. 321, # 5888, pp. 494–495.
51. Lindberg, S.M., Hyde, J.S., Petersen, J.L., Linn, M.C. New trends in gender and mathematics performance: a meta-analysis // Psychological Bulletin, 2010, Vol. 136, # 6, pp. 1123–1135.
52. Thöni, C., Volk, S. Converging evidence for greater male variability in time, risk, and social preferences // Proceedings of the National Academy of Sciences, 2021, Vol. 118, # 8, e2026112118 p.
53. Ritchie, S.J. et al. Sex Differences in the Adult Human Brain: Evidence from 5216 UK Biobank Participants // Cerebral Cortex, 2018,
Vol. 28, # 8, pp. 2959–2975.
54. Wierenga, L.M. et al. Greater male than female variability in regional brain structure across the lifespan // Human Brain Mapping, 2022, Vol. 43, # 1, pp. 470–499.
55. Else-Quest, N., Hyde, J., Goldsmith, H., Van Hulle, C. Gender Differences in Temperament: A Meta-Analysis // Psychological Bulletin, 2006, Vol. 132, # 1, pp. 33–72.
56. Li, J., Hu, L., Huang, Y., Wang, T., Shao, R. A Study of Healthy Lighting for Learning Performance and Visual Fatigue in School-Aged Children with Reading and Writing Tasks // Light & Engineering, 2025, Vol. 33, # 1, pp. 6–14.
57. Wang, T., Hu, W., Wang, Y., Li, J., Liu, Y. Visual Perception and Alertness in Dependence on CCT for LED Lighting in Classroom [in Russian] // Light & Engineering, 2025, Vol. 33, # 1, pp. 15–20.
58. Arnold, A.P. The organizational – activational hypothesis as the foundation for a unified theory of sexual differentiation of all mammalian tissues // Hormones and Behavior, 2009, Vol. 55, # 5, pp. 570–578.
59. Joel, D. et al. Sex beyond the genitalia: The human brain mosaic // Proceedings of the National Academy of Sciences, 2015, Vol. 112, # 50, pp. 15468–15473.
60. McCarthy, M.M., Arnold, A.P. Reframing sexual differentiation of the brain // Nature Neuroscience, 2011, Vol. 14, # 6, pp. 677–683.
61. Tian, B. et al. Assessment of colour preference, purchase intention and sexual attractiveness of lipstick colours under multiple lighting conditions // Frontiers in Neuroscience, 2023, Vol. 17, 1280270 p.

Происхождение распространённого типа перекрытия армянских монастырских притворов (жаматунов и гавитов) – каменного сталактитового шатра со световым окулусом в вершине – до сих пор до конца не раскрыто. Отрицая абсолютную автохтонность этой архитектурной идеи, автор статьи развивает точку зрения о преобразовании армянскими зодчими формы кирпичного шатра, известного по мавзолеям мусульманских правителей, которые строились с XI в. в Месопотамии и Сирии. В то же время, в 1038 г., в монастыре Оромос царём Ованнесом-Смбатом Багратуни был построен многоколонный притвор c восьмигранным шатром с окулусом. Предназначенный для упокоения царя, он мог воплотить в своей архитектуре как формы жилого дома, так и, в большей мере, идею визуально подобного шатра, присутствовавшего в композиции Ротонды храма Гроба Господня. Среди множества монастырских притворов, строившихся со второй половины XII в., было около десятка сооружений со сталактитовым шатром. Представляется допустимым, что в процессе творческой переработки идеи мусульманских шатров армянские зодчие воплотили их формальные черты в каменной конструкции ложного свода, сохранив традиционный для местной культуры световой окулус. Отождествляемый с божественным светом световой поток (пучок) эффектно выглядел на фоне сталактитовой скульптурной формы, напоминающей пещеру. Ключевую роль в создании нового типа шатра в монастырских постройках могли играть мастера анийской школы зодчества.

1. Мнацаканян С.Х. Архитектура армянских притворов. – Ереван: Изд-во АН Арм. ССР, 1952. – 144 c. – C. 110–130, рис. 100–102.
2. Токарский Н.М. Архитектура Армении IV – XIV вв. – Ереван: Армгосиздат, 1961. –388 с. – C. 306.
3. Хмельницкий С. Между арабами и тюрками. Архитектура Средней Азии IX – X вв. – Берлин; Рига: б.и., 1992. – 344 с. – С. 72–78.
4. Шукуров Ш.М. Хорасан. Территория искусства. – М.: Прогресс-Традиция, 2016. – 400 с. – С. 279–280.
5. Zakaryan H., Hakobyan R. On the Armenian Origin of Muqarnas Ceilings // Journal of Armenian Studies. – 2016. – No. 2 (11). – P. 41–57.
6. Тораманян Т. Материалы по истории армянской архитектуры (Նյութեր հայկական ճարտարապետության պատմության). – Т. 1. – Ереван: АРМФАН, 1942. – 403 с. – C. 89–90.
7. Халпахчьян О.Х. Гражданское зодчество Армении (Жилые и общественные здания). – М.: Литература по строительству, 1971. – 248 с. – C. 67–69.
8. Хмельницкий С. Между арабами и тюрками. Архитектура Средней Азии IX – X вв. – Берлин; Рига: б.и., 1992. – 344 с. – С. 248.
9. Хмельницкий С. Между кушанами и арабами. Архитектура Средней Азии V – VIII вв. – Берлин; Рига: Gamajun, 2000. – 292с. – C. 46–47, 117.
10. Tabbaa Ya. The Muqarnas Dome: Its Origin and Meaning // Muqarnas. – 1985. – Vol. 3. – P. 61–74. DOI:10.2307/1523084.ISSN 0732‑2992
11. Ghazaryan A., Ousterhout R. A Muqarnas Drawing from Thirteenth-Century Armenia and the Use of Architectural Drawings during the Middle Ages // Muqarnas. An Annual on the Visual Culture of the Islamic World. – 2001. – Vol. 18. – P. 141–154.
12. Казарян А.Ю. Армяно-мусульманские архитектурные взаимосвязи в свете средневековой практики архитектурного проектирования // Вопросы всеобщей истории архитектуры. – 2004. – Вып. 2. – С. 46–54.
13. Казарян А.Ю. Новые данные о куполах храмов Ани. Часть третья. Стратиграфия барабана церкви Спасителя // Вопросы всеобщей истории архитектуры. – 2020. – Вып. 14. – C. 57–80.
14. Donabédian P. Ani Multicultural Milieu and New Trends in Armenian Architecture during Queen Tamar’s Period / International conference «Ani at the Crossroads» / Ed. by Z. Skhirtladze (Tbilisi, 17–18 November, 2017). – Tbilisi: Ivane Javakhishvili State University, 2019. – P. 121–152.
15. Donabédian P. Armenia – Georgia – Islam. A Need to Break Taboos in the Study of Medieval Architecture / L’arte armena. Storia critica e nuove prospettive / Studies in Armenian and Eastern Christian Art / a cura di Aldo Ferrari, Stefano Riccioni, Marco Ruffilli, Beatrice Spampinato. – 1 ed. – Venezia: Edizioni Ca’ Foscari, 2020. – P. 63–112.
16. Alkadi, R.M., Gonzalo, J.C.P. Muqarnas Domes and Cornices in the Maghreb and Andalusia // Nexus Network Journal. – 2018. – No. 20 (1). – P. 95–123. DOI:10.1007/s00004‑017‑0367‑3. ISSN 1522‑4600.
17. Fukami N. The Use of Muqarnas in the Transitional Zone of Domes in Egyptian Islamic Architecture: From the Fatimid to the End of the Mamluk Era // ORIENT. – 2017. – Vol. 52. – P. 93–119
18. Халпахчьян О.Х. Гражданское зодчество Армении. (Жилые и общественные здания). – М.: Литература по строительству, 1971. – 248 с. – C. 56–71, 92–95.
19. Bixio R., Caloi V., Castellani V., Traverso M. Ani 2004: Survey on the Underground Settlements. – Oxford: Hadrian Books, 2009. – 82 p.
20. Baeva O., Kazaryan A. On the ‘Glkhatun’ Type Cave Dwelling of Ani: Preliminary Research / Proceedings of the 4th International Conference on Architecture: Heritage, Traditions and Innovations (AHTI 2022) (Athena Transactions in Social Sciences and Humanities, Volume 2). Athena Publ., 2023. P. 95–100. URL: https://doi.org/10.55060/s.atssh.221230.013 (дата обращения: 25.07.2024).
21. Мнацаканян С.Х. Архитектура армянских притворов. – Ереван: Изд-во АН Арм. ССР, 1952. – C. 30–36.
22. Kazaryan A. The Zhamatun of Horomos: The Shaping of an Unprecedented Type of Fore-church Hall // E-journal on Visual and Art History. Sektion Funun – Transkulturelle Perspektiven. Architectural Models, Mobility, and Building Techniques: Modes of Transfer in Medieval Anatolia, Byzantium, And the Caucasus / Edit. P. Blessing. 14 p., il.: URL: http://edoc.hu-berlin.de/kunsttexte/2014–3/kazaryan-armen‑4/PDF/kazaryan.pdf (дата обращения: 15.07.2017).
23. Kazaryan A. The Architecture of Horomos Monastery / Horomos Monastery: Art and History / Ed. by E. Vardanyan. – Paris: ACHCByz, 2015. – P. 55–205.
24. Vardanyan E. The żamatun of Horomos and the żamatun/gawit’ structures in Armenian architecture / Horomos Monastery: Art and History / Ed. by E. Vardanyan. – Paris: ACHCByz, 2015. – P. 207–236.
25. Мнацаканян С.Х. Архитектура армянских притворов. – Ереван: Изд-во АН Арм. ССР, 1952. – 144 с.
26. Hillenbrand R. Islamic Architecture. – New-York: Columbia University press, 1994. – P. 308–311.
27. Мурадов Р.Г.. К вопросу о форме покрытия мавзолея в Аргаванде (Армения) // Вопросы всеобщей истории архитектуры. – 2017. – Вып. 8. – C. 117–133. – C. 128.
28. Мнацаканян С.Х. Архитектура армянских притворов. – Ереван: Изд-во АН Арм. ССР, 1952. – 144 с. – C. 29–30.
29. Cuneo P. Architettura Armena dal quarto al diciannovesimo secolo / Con testi e contribute di T. Breccia Fratadocchi, M. Hasrat’yan, M.A. Lala Comneno, A. Zarian. – Roma: De Luca Editore, 1988. – Vol. 1–2. – 926 p. – P. 646–647.
30. Kazaryan A. The Architecture of Horomos Monastery / Horomos Monastery: Art and History / Ed. by E. Vardanyan. – Paris: ACHCByz, 2015. – P. 184–105.
31. Мнацаканян С.Х. Архитектура армянских притворов. – Ереван: Изд-во АН Арм. ССР, 1952. – 144 с. – C. 102.

Широкое применение современных источников света – светодиодов (СД) предъявляет к ним требования, связанные с качеством освещения. Одним из ключевых аспектов является обеспечение цветовой однородности излучения осветительных приборов с СД. На сегодня цветовая однородность обеспечивается путём бинирования, то есть сортировки СД по координатам цветности x, y системы МКО 1931 г. Бинирование по текущим стандартам не приводит к нужному эффекту: различие в цветности всё равно наблюдается и вынуждает производителей СД самим находить альтернативные подходы к бинированию СД. Помимо этого, текущий вариант бинирования не учитывает влияния яркостной и цветовой адаптации на восприятие цветности СД. Основой бинирования СД является цветовой порог – минимальное различие в цвете, которое способен заметить наблюдатель. В данной работе проведено исследование влияния яркости адаптации на цветовые пороги и сравнение полученных данных с результатами, рассчитанными по основным моделям цветового восприятия: CIECAM02, CIECAM16 и модели цветовых ощущений νкνзνс. Эти модели учитывают адаптационные механизмы зрения, что позволяет более точно прогнозировать восприятие цвета при разных условиях освещения. Результаты исследования могут быть полезны для разработки усовершенствованных методов бинирования СД, обеспечивающих высокую цветовую однородность.

1. ГОСТ 34819‑2021 «Приборы осветительные. Светотехнические требования и методы испытаний».
2. Khanh T.Q., Bodrogi P., Vinh Q.T., Winkler H. LED Lighting: Technology and Perception. – Wiley-VCH, 2015. – Р. 299–301.
3. Мешков В.В., Матвеев А.Б. Основы светотехники: Учеб. пособие для вузов: В 2‑х ч. Ч. 2. Физиологическая оптика и колориметрия. – 2‑е изд., перераб. и доп. – М.: Энергоатомиздат, 1989.
4. Fairchild M.D. Color Appearance Models, 2nd. ed. – Wiley, Chichester, 2005. – 408 р.
5. Беляева Н.М. Построение равноконтрастной системы для определения цветовых соотношений в архитектурных интерьерах / Дис. … к-та техн. наук. – М., 1972. –179 с.
6. Будак В.П., Делян Р.А. Изменение эллипсов МакАдама с учётом адаптации // Светотехника. – 2023. – № 2. – С. 66–69.
7. Матвеев А.Б., Беляева Н.М. Равноконтрастная цветовая система // Светотехника. – 1965. – № 9. – С. 1–6.
8. CIE 248: 2022 «The CIE 2016 Colour Appearance Model for Colour Management Systems: CIECAM16».
9. Wyszecki G., Stiles W.S. Color Science: Concepts and Methods, Quantitative Data and Formulae. – N.Y.: John Wiley & Sons, 1982. – 950 p.
10. MacAdam D.L. Visual Sensitivities to Color Differences in Daylight. // Journal of the Optical Society of America. – 1942. – Vol. 32, No. 5. – P. 247–274.