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