Global Agricultural Research

Цифровизация сельского хозяйства: применение IoT и машинного обучения для повышения эффективности управления посевами

2025-12-14T20:18:05+03:00

В условиях глобального изменения климата и роста спроса на продовольствие цифровые технологии становятся ключевым фактором устойчивого развития агропромышленного комплекса. В настоящей работе исследуется интеграция технологий интернета вещей (IoT) и методов машинного обучения в процессы управления посевами. Цель исследования: разработать и протестировать прототип интеллектуальной системы мониторинга агрофона, способной прогнозировать потребность в орошении и внесении удобрений на основе данных с датчиков почвы, метеостанций и спутниковых изображений. В ходе полевого эксперимента на опытном участке площадью 5 га в Ставропольском крае была собрана серия данных о влажности почвы, температуре воздуха и индексе NDVI. Исследование проводилось в 2024 г. С помощью алгоритма случайного леса (Random Forest) достигнута точность прогноза потребности в поливе 92 %. Результаты показали, что комбинированное использование IoT и машинного обучения позволяет сократить расход воды на 18 % и повысить урожайность пшеницы на 12 %. Полученные данные подтверждают практическую значимость предложенного подхода для внедрения в малые и средние сельхозпредприятия.

Информационно-измерительная система для исследования почвенного гальванического элемента

2025-12-14T11:58:38+03:00

На базе платформы Arduino разработана информационно-измерительная система, предназначенная для выполнения экспериментальных исследований почвенного гальванического элемента (ПГЭ). ПГЭ предназначен для построения энергохарвестеров — источников питания беспроводных подземных датчиков климата почвы. Экспериментальная информационно-измерительная система построена с использованием микроконтроллерного устройства Arduino Uno и дополнительного оборудования с целью исследования зависимости выходных электрических характеристик ПГЭ от изменяющихся во времени физических величин, температуры и влажности различных типов почв. Разработана электронная схема, включающая: гальваническую пару Cu–Zn, нагрузочный резистор, датчик влажности почвы LM393 и температурный датчик DS18B20. информационно-измерительная система позволяет осуществлять измерение напряжения, тока и расчёт внутреннего сопротивления ПГЭ в динамике. Полученные результаты могут быть использованы при разработке автономных систем экологического мониторинга и климата почвы для повышения эффективности систем управления орошением и плодородия почв в сельском хозяйстве.

Роль агротуризма в развитии малых городов

2025-12-18T01:26:20+03:00

Начавшийся после Второй промышленной революции отток трудовых и финансовых ресурсов из сельской местности в промышленные центры привел к устойчивой социально-экономической деградации сельских территорий. Следствием этого процесса стали сокращение сельского населения и утрата местных культурных традиций, что обозначило системные риски для устойчивого развития. Цель исследования — оценить потенциал и эффективность агротуризма как инструмента поддержки социально-экономической и культурной устойчивости сельских территорий. Современная парадигма развития сельских территорий предполагает комплексный подход, основанный на сбалансированном использовании аграрного потенциала и сохранении культурно-природного наследия. В данном контексте агротуризм рассматривается как перспективная стратегия устойчивого развития.

Облачная платформа для анализа IoT-данных и спутниковых индексов в сельском хозяйстве

2025-12-14T20:26:07+03:00

Современные системы точного земледелия сталкиваются с проблемой интеграции гетерогенных данных: показателей с IoT-датчиков, спутниковых индексов растительности и метеорологических архивов. Традиционные монолитные архитектуры не обеспечивают масштабируемости, отказоустойчивости и гибкости, необходимых для малых и средних хозяйств. В работе предложена облачная платформа на основе микросервисной архитектуры, реализованная с использованием Docker, Kubernetes и RESTful API. Платформа состоит из независимых сервисов: сбора данных с датчиков (LoRaWAN), обработки Sentinel-2-изображений (Google Earth Engine), обучения моделей машинного обучения (Python/Scikit-learn) и визуализации (React + Leaflet). Экспериментальная эксплуатация на опытном участке (5 га, Ставропольский край, 2024 г.) показала: время генерации рекомендаций сократилось с 4 часов до 18 минут, uptime составил 99,7 %, а стоимость развертывания — 12 тыс. руб./мес. (в облаке Yandex Cloud). Предложенный подход позволяет малым хозяйствам использовать гибридные данные для принятия решений без зависимости от коммерческих SaaS-решений.

Цифровой агроном: как компьютерное зрение и ИИ спасают урожай от болезней на ранних стадиях

2025-12-14T19:14:58+03:00

В условиях растущей продовольственной безопасности проблема ранней диагностики заболеваний сельскохозяйственных культур остается актуальной, однако существующие методы часто не позволяют выявлять патогены на доклинической стадии. Занимаемый пробел заключается в отсутствии надежных и доступных решений для массового мониторинга, адаптированных к работе в условиях ограниченных данных и изменяющихся агроклиматических условий. Целью исследования является разработка методики автоматизированной диагностики фитопатологий на основе глубокого обучения и компьютерного зрения. В качестве объекта исследования выступили культуры закрытого грунта (томат, огурец), а последовательность работы включала сбор и аугментацию датасета изображений, обучение и валидацию сверточной нейронной сети, а также полевые испытания системы. В результате была достигнута точность классификации 98,7% на тестовой выборке, разработан прототип мобильного приложения с функцией офлайн-распознавания и предложен алгоритм прогнозирования распространения болезней на основе метеоданных. Полученные результаты позволяют рекомендовать систему для внедрения в хозяйствах защищенного грунта с целью снижения пестицидной нагрузки и предотвращения потерь урожая. Перспективы исследования связаны с интеграцией гиперспектрального анализа и разработкой отказоустойчивых моделей для работы в неконтролируемых условиях.

Машинное обучение в агрономии: создание архитектуры веб-интерфейса для раннего выявления болезней растений

2025-12-12T21:13:29+03:00

Актуальной проблемой цифровизации агропромышленного комплекса является фрагментация инструментов мониторинга, что не позволяет агрономам оперативно получать целостную картину фитосанитарного состояния посевов на основе комплексного анализа данных. Цель исследования - разработать архитектурное решение и создать функциональный прототип веб-платформы для поддержки принятия решений при ранней диагностике заболеваний растений путем интеграции разнородных данных и прогнозов моделей машинного обучения. В ходе исследования применялись методы системного анализа и объектно-ориентированного проектирования. В качестве технологического стека выбраны ASP.Net Core для backend-разработки и Next.JS для создания фронтенда. Объектом интеграции выступают потоки данных от мультиспектральных камер, датчиков микроклимата и нейросетевых моделей классификации. Основным результатом является разработанная модульная микросервисная архитектура будущей системы и прототип ключевого интерфейса, включающий картографический модуль и схему визуализации вегетационных индексов. Определен и обоснован полный стек технологий для реализации. Утвержденная концепция платформы закладывает основу для создания инструмента, который после полной реализации позволит повысить эффективность мониторинга за счет агрегации данных в едином интерфейсе. Перспективы работы связаны с поэтапной разработкой сервисов, интеграцией с ML-моделями и проведением натурных испытаний в условиях тепличного комплекса для валидации подхода.

Цифровая трансформация в сельском хозяйстве: глобальный анализ для достижения устойчивого и адаптивного развития

2025-12-24T13:00:48+03:00

Современный аграрный сектор переживает глубокую трансформацию благодаря внедрению цифровых технологий. Статья представляет всесторонний анализ текущего положения, социальных и экономических последствий, а также будущих направлений цифровой революции в сельском хозяйстве. Анализ мировых тенденций и успешных региональных примеров показывает, что применение цифровых решений способствует росту производительности агросектора на 14–16%, повышению устойчивости производственных процессов и эффективности сбыта продукции. Интеграция Интернет-вещей (IoT), искусственного интеллекта (AI), анализа больших данных и технологии блокчейн радикально преобразует сельскохозяйственные практики, логистику и рыночную инфраструктуру. Однако массовому распространению инноваций мешают структурные препятствия, включая недостаток необходимой инфраструктуры, нехватку цифровых навыков у фермеров и углубляющееся региональное цифровое неравенство. Исследование обобщает международный опыт, статистические данные и отраслевые прогнозы, предлагая практические рекомендации заинтересованным сторонам по эффективному управлению процессом цифровизации сельского хозяйства. Выводы подчеркивают важность разработки согласованной государственной политики, целевых инвестиций и образовательных инициатив для достижения максимальной выгоды от цифровой трансформации, обеспечивая равноправное развитие всех сельскохозяйственных производителей.

Региональная дифференциация заработной платы в России: причины и последствия

2025-12-14T21:52:05+03:00

Проблема дифференциации заработной платы остается ключевой в исследованиях социально-экономического развития. В России данный вопрос приобретает особую остроту из-за значительного регионального неравенства, которое является одним из самых высоких среди крупных мировых экономик. Целью данного исследования является комплексный анализ ключевых факторов, определяющих дифференциацию заработной платы в российских регионах, и оценка их влияния на уровень доходного неравенства. Исследование выявляет серьезные социально-экономические последствия сложившейся диспропорции: усиление миграционного оттока квалифицированных кадров из депрессивных регионов и структурные перекосы на общенациональном рынке труда. Анализ статистических данных и существующих тенденций позволяет констатировать, что сложившееся межрегиональное неравенство в оплате труда не только сохраняется, но и имеет тенденцию к усилению, несмотря на предпринимаемые меры государственного регулирования.