Architectural features of the implementation of a decision support system in grain crops yield management

Authors

  • R.M. Pasichnyk Western Ukrainian National University
  • M.V. Machulyak Western Ukrainian National University

DOI:

https://doi.org/10.31649/1681-7893-2025-50-2-96-103

Keywords:

microservices, UAV, yield prediction, precision agriculture, vegetation indices, decision supportr system

Abstract

The article presents architectural solutions for implementing a decision support system for grain crop yield management. The main objective is to integrate UAV data with historical and current GIS data to ensure adaptive yield prediction in real time. The proposed microservice architecture consists of three functional layers: data ingestion, processing and analytics, modeling and decisions. A key feature is the use of asynchronous communication through Apache Kafka message broker, which ensures loose coupling of components and high throughput. A service for monitoring the effectiveness of agrotechnical recommendations has been developed, which separates forecasting logic from business rule application logic. The system includes mathematical models for checking soil compaction conditions and assessing the feasibility of additional fertilization. Implementation of asynchronous approach ensures fault tolerance, scalability and independent service updates. The technology stack includes Python, scikit-learn, PyTorch, Django, Kubernetes, PostgreSQL/PostGIS. The result is decision support for management decisions on increasing grain crop yields in precision agriculture systems.

Author Biographies

R.M. Pasichnyk, Western Ukrainian National University

д.т.н., професор

M.V. Machulyak, Western Ukrainian National University

викладач

References

Basso B., Liu L. (2019). Seasonal crop yield forecast: Methods, applications, and accuracies. Advances in Agronomy, 154, 201-255.

Xue J., Su B. (2017). Significant remote sensing vegetation indices: A review of developments and applications. Journal of Sensors, 2017, 1353691.

Lobell D.B., Burke M.B. (2010). On the use of statistical models to predict crop yield responses to climate change. Agricultural and Forest Meteorology, 150(11), 1443-1452.

Reynolds M., Dreccer F., Trethowan R. (2007). Drought-adaptive traits derived from wheat wild relatives and landraces. Journal of Experimental Botany, 58(2), 177-186.

Pasichnyk, R. M., Babala, L. V., & Machuliak, M. V. (2024). A Method for Improving the Quality of Image Annotation in Semantic Monitoring Gis of Business Processes. Informatics & Mathematical Methods in Simulation/Informatika ta Matematičnì Metodi v Modelûvannì, 14(3).

Pasichnyk, R., Babala, L., & Machulyak, M. (2025, September). Vegetation Indices Dynamics Model in GIS Based on an Adaptive Predictive Method and the Mono System. In 2025 15th International Conference on Advanced Computer Information Technologies (ACIT) (pp. 186-191). IEEE.

Jones J.W., et al. (2003). The DSSAT cropping system model. European Journal of Agronomy, 18(3-4), 235-265.

Zhang W., Liu L., Wang T. (2024). Deep learning approaches for crop yield prediction using satellite imagery. Remote Sensing, 16(4), 875.

Downloads

Abstract views: 0

Published

2026-01-12

How to Cite

[1]
R. Pasichnyk and M. Machulyak, “Architectural features of the implementation of a decision support system in grain crops yield management”, Опт-ел. інф-енерг. техн., vol. 50, no. 2, pp. 96–103, Jan. 2026.

Issue

Vol. 50 No. 2 (2025)

Section

Systems Of Technical Vision And Artificial Intelligence, Image Processing And Pattern Recognition

Metrics

Downloads

Download data is not yet available.

License

Автори, які публікуються у цьому журналі, погоджуються з наступними умовами:

  1. Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons Attribution License, котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у цьому журналі.
  2. Автори мають право укладати самостійні додаткові угоди щодо неексклюзивного розповсюдження роботи у тому вигляді, в якому вона була опублікована цим журналом (наприклад, розміщувати роботу в електронному сховищі установи або публікувати у складі монографії), за умови збереження посилання на першу публікацію роботи у цьому журналі.
  3. Політика журналу дозволяє і заохочує розміщення авторами в мережі Інтернет (наприклад, у сховищах установ або на особистих веб-сайтах) рукопису роботи, як до подання цього рукопису до редакції, так і під час його редакційного опрацювання, оскільки це сприяє виникненню продуктивної наукової дискусії та позитивно позначається на оперативності та динаміці цитування опублікованої роботи (див. The Effect of Open Access).