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