НЕКОТОРЫЕ АСПЕКТЫ ТОЧНОГО ЗЕМЛЕДЕЛИЯ

Шайтура С.В.; Князева М.Д.; Белю Л.П.; Султаева Н.Л.; Феоктистова В.М.

УДК 631:005.3

НЕКОТОРЫЕ АСПЕКТЫ ТОЧНОГО ЗЕМЛЕДЕЛИЯ

ШАЙТУРА СВ.,

кандидат технических наук, доцент, доцент Российский университет транспорта (МИИТ), Москва, swshaytura@gmail.com.

КНЯЗЕВА М.Д.,

кандидат технических наук, доцент, доцент Московский государственный университет технологий и управления им. К.Г. Разумовского (Первый казачий университет), Москва, mdknyazeva@yandex .ru.

БЕЛЮ Л.П.,

старший преподаватель, Российский государственный университет физической культуры, спорта и туризма, Москва.

СУЛТАЕВА Н.Л.,

кандидат технических наук, доцент, Российский государственный университет туризма и сервиса, Москва, sultaeva@gmail.com.

ФЕОКТИСТОВА В.М.,

кандидат технических наук, доцент, Российский государственный университет туризма и сервиса, Москва, vfeoktistova@gmail.com.

Реферат. В последние годы сельское хозяйство играет ключевую роль в мировой экономике. Оценки показывают, что текущее производство должно возрасти, чтобы удовлетворить потребности в питании будущего населения. Кроме того, интенсификация сельского хозяйства за последние несколько десятилетий оказала негативное воздействие на окружающую среду. В результате давление на сельскохозяйственную систему стало сильнее, чем когда-либо прежде. Чтобы свести к минимуму эти проблемы, традиционные методы управления сельским хозяйством были дополнены новыми сенсорными и управляющими технологиями, а также улучшенными информационно-коммуникационными технологиями (ИКТ). Основываясь на концепции производить больше с меньшими затратами, точное земледелие, также известное как интеллектуальное земледелие, может способствовать достижению более широкой цели удовлетворения растущего спроса на продукты питания, обеспечивая при этом устойчивость первичного производства на основе более точного и ресурсоэффективного подхода к производству. В статье дан краткий обзор последних научных и технологических тенденций в области точного земледелия и их применения в растениеводстве, таких как оценка свойств почвы с помощью сенсорных измерений, точный посев, умные системы орошения, умные системы внесения удобрений, мониторинг урожайности травы. Так же в статье рассматривается связь технологий точного земледелия с развитием сельскохозяйственной техники.

Ключевые слова: точное земледелие, умное земледелия, параллельное вождение, цифровая экономика, цифровая трансформация, сельское хозяйство, информатизация, интернет вещей, беспилотные летательные аппараты.

SOME ASPECTS OF PRECISION FARMING

SHAYTURA S.V.,

Candidate of Technical Sciences, Associate Professor, Associate Professor Russian University of Transport (MIIT), Moscow, swshaytura@gmail.com.

KNYAZEVA M.D.,

Candidate of Technical Sciences, Associate Professor, Associate Professor Moscow State University of Technology and Management. K.G. Razumovsky (First Cossack University), Moscow, mdknyazeva@yandex .ru.

BELU L.P.,

Senior Lecturer, Russian State University of Physical Culture, Sports and Tourism, Moscow. SULTAEVA N.L.,

Candidate of Technical Sciences, Associate Professor, Russian State University of Tourism and Service, Moscow, sultaeva@gmail.com.

FEOKTISTOVA V.M.,

Candidate of Technical Sciences, Associate Professor, Russian State University of Tourism and Service, Moscow, vfeoktistova@gmail.com.

Essay. In recent years, agriculture has played a key role in the global economy. Estimates show that it will meet the nutritional needs of a future population of 9-10 billion. In addition, the intensification of agriculture over the past few decades has a negative impact on the environment. As a result, the pressure on the agricultural system has grown. To minimize these problems, traditional agricultural management methods have been complemented by new sensory and control technologies, as well as improved information and communication technologies (ICT). Based on the goal of increasing food demand, achieving this primary production advantage through a more accurate and resource efficient approach to production, more efficient production methods can be used. The article provides a brief overview of the latest scientific and technological trends in precision farming and their applications in crop production, such as soil quality assessment using sensor measurements, precision seeding, smart irrigation systems, smart fertilization systems, and grass yield monitoring. Also in the article is the study of the possibility of precision farming with the development of agricultural technology.

Keywords: precision farming, smart farming, parallel driving, digital economy, digital transformation, agriculture, informatization, internet of things, unmanned aerial vehicles.

Введение. Рост населения, изменение климата и рост благосостояния, ведущие к более ресурсоемкому питанию, - все это означает, что сегодня глобальная продовольственная безопасность рассматривается как серьезная проблема. По данным Продовольственной и сельскохозяйственной организации Объединенных Наций, мировое производство продуктов питания должно быть увеличено на 70%, чтобы накормить 10 млрд чел. к 2050 г. [1]. Чтобы идти в ногу с этим растущим спросом на продукты питания, а также работать в направлении устойчивого развития, требуются новые подходы к сельскому хозяйству [2, 3, 4]. С этой целью различные передовые технологии, использующие Интернет вещей [5], поддерживают пищевую промышленность и промышленное сельское хозяйство [6, 7, 8].

В последние несколько десятилетий сельское хозяйство сыграло важную роль в мировой экономике. Необходимость производить больше продуктов питания для быстро растущего населения оказывает давление на растениеводство и животноводство и оказывает негативное воздействие на окружающую среду

[9, 10, 11].

Вступление в ВТО изменило положение земледельцев России. Появилась

необходимость конкурировать с хозяйствами

не только в стране, но и за рубежом. Сделать это при производительности труда, в разы меньшей, чем, скажем, в Нидерландах, проблематично. Нужно искать пути повышения урожайности и снижения затрат. Передовые агротехнологии выработали немало методов для достижения этой цели.

С другой стороны, интеллектуальные технологии [12 - 16] земледелия становятся все более распространенными в современном сельском хозяйстве, помогая оптимизировать сельскохозяйственное производство и минимизировать отходы и затраты.

Точное земледелие - это основанный на технологиях и данных подход к управлению сельским хозяйством, который наблюдает, измеряет и анализирует потребности отдельных полей и культур. Технологии точного земледелия используются на важных этапах цикла роста сельскохозяйственных культур (подготовка почвы, посев, обработка урожая и сбор урожая).

Материалы и методы исследования. Материалы исследования представлены научными публикациями в журналах и электронных источниках отечественных и зарубежных авторов, научно-методической литературой, а также официальной статистикой. Методы исследования представлены изучением источни-

ков информации и анализом полученных сведений, моделированием для изучения объекта исследования и выстраивания на основе этого прогнозной модели [17, 18].

Результаты исследования.

Основные понятия

В последние годы в сельском хозяйстве появился новые термины: точное или умное сельское хозяйство, точное земледелие, точное животноводство. Название «точное сельское хозяйство» пришло к нам также из иностранной терминологии - от английского слова «precision agriculture».

Главная цель точного земледелия при производстве сельскохозяйственных культур -максимизация урожая, финансовых выгод и минимизация вложений капитала, воздействия на окружающую среду.

Основой научной концепции точного земледелия являются представления о существовании неоднородностей в пределах одного поля. Для оценки и детектирования этих неод-нородностей используют новейшие технологии, такие как системы глобального позиционирования (GPS, ГЛОНАСС) [19 - 21], специальные датчики, аэрофотоснимки и снимки со спутников, а также специальные программы, разработанные для агроменеджмента. Полученные данные применяют для планирования посева, расчета норм внесения удобрений и средств защиты растений, более точного предсказания урожайности и финансового планирования.

Точное земледелие - это комплексная высокотехнологичная система сельскохозяйственного менеджмента, включающая в себя технологии глобального позиционирования (GPS), географические информационные системы (GIS), технологии оценки урожайности (Yield Monitor Technologies), переменного нормирования (Variable Rate Technology), дистанционного зондирования земли (ДЗЗ) и направленная на получение максимального объема качественной и наиболее дешевой сельскохозяйственной продукции с учетом норм экологической безопасности [22, 23].

В зависимости от временного соотношения между сбором информации и применением соответствующих агротехнических мероприятий различают:

- двухэтапные подходы (off-line) или подходы на основе картирования;

- одноэтапные подходы (on-line) или подходы с принятием решений в реальном масштабе времени («real-time») или сенсорные подходы;

- различные комбинации одно- и двух-этапных подходов или сенсорный подход с поддержкой картированием (map overlay).

В последние годы точное сельское хозяйство распространилось и на динамично развивающееся животноводство - точное животноводство (precision livestock farming) и его отрасли - точное молочное скотоводство (precision dairy farming), точное свиноводство (precision pork farming) и точное птицеводство (precision poultry farming).

Применение точного земледелия требует учета дополнительных затрат, среди которых можно выделить категории:

- затраты на сбор данных (карты, глобальные системы позиционирования, сенсоры);

- затраты на менеджмент данных (техника и программное обеспечение);

- затраты на специальную технику для точного выполнения агроприемов и навигацию (машины, управляемые приборами глобального позиционирования, и оборудование для дифференцированной обработки почвы, посева, внесения удобрений, средств защиты растений и др.).

Точное земледелие или управление посевными культурами на конкретных участках -это концепция, основанная на распознавании, наблюдении и реагировании управленческими действиями на пространственную и временную изменчивость сельскохозяйственных культур.

Датчики на полях и сельскохозяйственных культурах предоставляют точные данные о состоянии почвы, а также подробную информацию о климате, потребностях в удобрениях, наличии воды и заражении вредителями. Кроме того, беспилотные летательные аппараты (БПЛА), могут патрулировать поля, предупреждать фермеров о созревании урожая или потенциальных проблемах и обеспечивать раннее предупреждение об отклонениях от ожидаемых темпов роста или качества. Спутники также могут использоваться для точного земледелия, облегчая обнаружение соответствующих изменений на поле с помощью спутниковых изображений. Представим некоторые научные исследования и технологические разработки, связанные с умным растениеводством и точным земледелием.

Оценка свойств почвы с помощью сенсорных измерений

Почвы имеют разную структуру. Но морфологический состав ее не ограничивается такими понятиями, как суглинок или чернозем. Даже в пределах одного поля могут

быть участки с отличающимися показателями, которые меняются под воздействием различных факторов. Для рационального использования удобрений необходимо учитывать факторы, влияющие на урожайность каждого элементарного участка почвы: агрегатный состав, твёрдость, влажность, удельное сопротивление.

Существует ряд доступных датчиков, используемых для измерения и расчета параметров сельскохозяйственного поля, а именно датчики почвы, которые могут сэкономить рабочую силу и быть полезным инструментом управления, часто обеспечивая более своевременные результаты, если они точны и данные интерпретируются правильно [24].

Датчики электропроводности почвы (ЭП) измеряют концентрацию растворенных веществ в почве при оценке опасности ее засоления. Мобильные измерения ЭП стали широко использоваться для картирования изменчивости почвы. Наибольший потенциал использования сканирования ЭП - исследование пространственной изменчивости почвы и определение потенциальных зон управления для конкретных участков. Определение электропроводности почв позволит улучшить распределение ресурсов и долгосрочное планирование управления. Использование датчиков электропроводности почвы позволят определить содержания влаги в почве.

Датчики рефлектометрии в частотной области или рефлектометрии во временной области, измеряют количество воды (объем или массу), содержащуюся в единице объема или массы почвы, с помощью электродов. Суть измерений выражается в изменении величины емкости, которая зависит от диэлектрической проницаемости грунта. Он может варьироваться от 0 (полностью высохший) до значения пористости материалов при насыщении. Датчик необходимо откалибровать для каждого местоположения, поскольку измерения зависят от типа почвы. Датчики влажности почвы (или «датчики объемного содержания воды»), такие как тензиометры, оценивают натяжение или всасывание воды в почве, что является обозначением усилий корневой системы растений при извлечении воды из почвы. Его можно использовать для оценки количества воды, накопленной в почве, или того, сколько орошения требуется для достижения желаемого количества воды в почве. Содержание влаги в почве также можно определить с помощью фотодиода, оптического датчика, который использует свет для измерения

свойств почвы, а именно глины, органических веществ и содержания влаги в почве.

Недавно появился мобильный датчик, предназначенный для анализа на месте экстрактов почвенных проб, используемых для обнаружения основных питательных веществ для растений в их доступной форме. Датчик особенно подходит для анализа NO 3 , NH 4 , K и PO 4. Датчик продолжает предыдущие исследования, изучающие возможность отбора проб почвы на нитраты с использованием платформ электрохимических датчиков и ио-носелективных электродов. Существуют также другие типы датчиков, такие как георадар и гамма-спектрометрии, которые можно использовать через растительность почвенного покрова. Данные георадиолокации коррелируют с параметрами гидрологии почвы, а данные гамма-спектрометрия связаны с некоторыми питательными веществами почвы и другими характеристиками текстуры почвы. Датчики на основе оптического отражения, а также мультиспектральные и гиперспектральные датчики также хорошо коррелируют со свойствами почвы. Влажность почвы можно так же измерить с беспилотного летательного аппарата, летящего на малой высоте, с помощью рефлектометрии. Такая система может создавать карты влажности почвы с высоким разрешением, используя сигналы глобальной спутниковой системы Глонас, Galileo или GPS. Это может помочь фермерам принимать более обоснованные решения о том, когда и где проводить орошение, а также помочь специалистам по водным ресурсам понять погодные явления, такие как наводнения и заболачивание.

Точный посев

Точный посев стал в последние годы основным направлением и особенностью современных посевных технологий. Точный посев может сэкономить семена и эффективно контролировать глубину, плотность или расстояние посева. По статистике, производительность точного высева увеличивается на 10-30 % по сравнению с обычной сеялкой. Недавно были проведены исследования, чтобы сделать процесс посева более точным и эффективным.

Одним из наиболее важных аспектов достижения стабильного всхода желаемой культуры является использование равномерной глубины заделки семян. Стабильная всхожесть влияет на конечные урожаи сельскохозяйственных культур, поскольку процесс роста проростков влияет на изменчивость биомассы сельскохозяйственных культур. В ходе

полевого эксперимента была разработана система динамического контроля глубины сошников для недорогой сеялки [25]. Эффективность активной системы управления оценивалась на основе измерений глубины сошников, полученных с помощью датчиков положения сошников в сочетании с ультразвуковыми датчиками поверхности почвы. Было обнаружено, что система способна поддерживать более точную и стабильную глубину работы сошников по всему полю.

Механизированный посев мелких семян является непростой задачей. Для решения этой задачи была разработана и испытана электрическая сеялка для мелких семян овощных культур на основе силового привода и технологии оптоволоконного обнаружения [26]. Система может выполнять точный посев и мониторинг качества посева в режиме реального времени, а также может выполнять функции бороздки, посева и подавления одновременно, улучшая качество полевых работ и точность мониторинга эффекта посева.

Исходя из особых характеристик геометрии семенного зерна пшеницы был спроекти-ровн и разработан колесный мобильный робот для точного высева пшеницы [27]. Для полноприводного робота была построена кинематическая модель, и на этой машине были проведены некоторые эксперименты. Была представлена справочная информация о конструкции и продукте робота точного высева пшеницы. Результаты эксперимента показали, что квалифицированные нормы высева превышают 93% при разных скоростях посева.

Была разработана систем управления на основе микрокомпьютера с одним чипом, которая могла заставить дозатор семян поддерживать синхронизацию с рабочей скоростью сеялки [28]. Результаты экспериментов доказали, что система управления была надежной, а также показали, что можно поддерживать единообразие между скоростью дозатора семян и сеялкой в отношении количества посевного материала.

Высокоскоростной высевной агрегат точного высева позволяет получить лучшее качество посева [29]. Эта система состоит из устройства подачи семян (включая семенной ящик и колесо) и трубки Вентури. Было разработано новое высокоскоростное прецизионное дозирующее устройство с пневматическим приводом, которое могло бы решить проблемы короткого времени заполнения во время высокоскоростной работы и уменьшить скопление семян в трубке Вентури. Результа-

ты показали, что для лучшей конструкции системы количественной подачи семян правильный угол схождения форсунок составляет 70 а угол подачи - около 45

Умные системы орошения

Эффективное и действенное управление водой при орошении является одним из основных преимуществ технологий точного земледелия, имеющих решающее значение для устойчивого развития сельского хозяйства, продовольственной безопасности и общего экономического роста. Это особенно верно, учитывая изменения климата и конкурирующий спрос на воду со стороны других секторов экономики. Точное орошение позволяет фермерам поливать посевы точным количеством воды в определенное время. Фактически, вместо традиционного орошения все большее внимание уделяется интеллектуальному орошению, основанному на знаниях и технологиях, благодаря таким преимуществам, как автоматическая управляемость и возможность оптимизации урожайности сельскохозяйственных культур и эффективности использования воды для орошения.

В последние годы в литературе появилось несколько исследований по оптимизации управления оросительной водой. Ортега и др. [30] оценили влияние различных температур на рост томатов в теплице с использованием автоматической системы орошения.

А. Гоап и др. [31], чтобы предложили интеллектуальную систему орошения на основе Интернета вещей и гибридного машинного обучения для прогнозирования влажности почвы. Предлагаемый алгоритм для прогноза влажности почвы на ближайшие дни использует данные датчиков недавнего прошлого и данные прогноза погоды. Кроме того, подход прогнозирования интегрирован в экономичный автономный прототип системы, поскольку он основан на технологиях с открытым исходным кодом. Автоматический режим делает эту систему интеллектуальной, и ее можно дополнительно настроить для конкретных сценариев приложения.

На юге Италии была разработана оперативная система управления оросительной водой с использованием спутниковых данных LANDSAT и метео-гидрологического моделирования, которое основано на объединении данных дистанционного зондирования, гидрологической модели распределенной гидроэнергетики и метеорологических прогнозов [32]. В результате авторы пришли к выводу, что оперативное применение экономного

орошения возможно за счет интеграции данных со спутников для обновления и параметризации состояния гидрологической модели и метеорологических прогнозов, что позволяет улучшить управление планированием орошения.

Кришнан и др. [33] предложили интеллектуальную систему орошения, чтобы помочь фермерам поливать свои сельскохозяйственные поля с помощью Глобальной системы мобильной связи (GSM). По мнению авторов, эта система обеспечивает долгосрочное и устойчивое решение для автоматического управления поливом. На основании данных, полученных от датчика влажности почвы, датчика температуры и датчика дождя, вода подается на сельскохозяйственное поле. Благодаря использованию технологии GSM вся система автоматизирована, что значительно сокращает объем ручной работы.

Аль-Али и др. [34] разработали систему возобновляемой солнечной энергии на основе Интернета вещей, важную для регионов, которые сталкиваются с нехваткой воды и электроэнергии по всему миру. В этой системе используется одноплатный контроллер «система на кристалле», который имеет встроенное соединение Wi-Fi и подключение к солнечной батарее для обеспечения необходимой рабочей мощности. Контроллер считывает показания датчиков влажности и температуры почвы на поле и подает управляющие сигналы для управления ирригационными насосами.

Бенеза и др. [35] разработали интеллектуальную и недорогую систему орошения, основанную на зонировании, которая позволяет сделать использование воды и потребление энергии более эффективным. Эта система состоит из сбора и передачи данных о почве и условиях окружающей среды на базовую станцию (сервер) с использованием беспроводной сенсорной сети, основанной на радиочастотной связи. Поскольку эти данные были собраны и сохранены на сервере, время, необходимое для полива в каждой зоне, было рассчитано с использованием контроллера нечеткой логики. При сочетании контроллера нечеткой логики со стратегией зонирования система показала лучшие результаты с точки зрения минимизации потребления воды и энергии по сравнению с другими методами.

Недавно Лиао и др. [36] разработали интеллектуальную систему орошения, основанную на данных о влажности почвы в реальном времени, для оценки динамической глубины водопоглощения культур с использованием

пространственно-временных характеристик распределения влажности почвы. По словам авторов, это исследование оценило динамическую глубину водопоглощения томатов по характеристикам распределения влажности почвы в профиле, обеспечивая в реальном времени простой метод определения рассчитанной динамической глубины полива для определения поливных мероприятий.

Умные системы внесения удобрений

Точные методы внесения удобрений - это будущее сельского хозяйства, в котором питательные вещества доставляются контролируемым образом с минимальными потерями в окружающую среду, вызванными чрезмерным внесением удобрений и вымыванием микроэлементов в более глубокие слои почвы, грунтовые и поверхностные воды.

Являясь важной частью точного земледелия, технология переменной нормы внесения предлагает эффективный способ защиты окружающей среды и увеличения экономической выгоды при ведении сельского хозяйства с использованием удобрений для конкретных участков. Сонг и др. [37] разработали систему управления внесением удобрений с переменной скоростью, применяемую к разбрасывателю гранулированных удобрений на базе без-пилотных летательных аппаратов (БПЛА) для автоматической регулировки нормы внесения удобрений на основе карты предписаний. Оптимизированное дозирующее устройство показало высокую надежность в регулировке скорости вращения мотора с канавками для регулирования нормы внесения. Система управления показала хорошую стабильность с небольшой ошибкой и быструю реакцию всякий раз, когда использовалась схема с фиксированной скоростью, когда целевая скорость разряда изменялась нерегулярно, или в режиме с переменной скоростью, когда была дана карта предписания.

Чтобы снизить рабочую нагрузку и затраты, тем самым увеличив эффективность процесса смешивания органических удобрений, Исак и др. [38] разработали улучшенный миксер для органических удобрений, основанный на технологии Интернета вещей, который может удаленно контролировать состояние производства удобрений, тем самым предоставляя фермерам обновления и оповещения. По словам авторов, прототип автоматизированного органического удобрения обеспечивает экономию эксплуатационных расходов более чем в пять раз по сравнению с существующими автоматизированными системами.

Роботы идеально подходят для использования в сельскохозяйственных операциях, особенно при разбрызгивании удобрений. Они могут нести большие резервуары для хранения, работать безопасно и автономно и развертываться с меньшими затратами по сравнению с традиционными методами. Гафар и др. [39] разработали недорогой сельскохозяйственный робот для распыления удобрений и пестицидов на сельскохозяйственных полях, а также для общего мониторинга урожая. Прототип системы представляет собой двухколесный робот, который состоит из мобильной базы, механизма опрыскивания, беспроводного контроллера для управления движением робота и камеры для наблюдения за здоровьем и ростом урожая. По словам авторов, испытания, проведенные на прототипе сельскохозяйственного робота, показали, что он может работать в соответствии с требованиями в реальных сценариях использования.

Технология фертигации признана новой сельскохозяйственной технологией с высокоэффективным контролем воды и удобрений. Лин и др. [40] разработали основу для системы фертигации на основе Интернета вещей, в которой учитывались как долгосрочное, так и краткосрочное планирование. На основе этой схемы была разработана целочисленная модель линейного программирования для распределения ограниченных ресурсов между несколькими культурами с целью максимизации экономической прибыли и экологических выгод. Результаты подтвердили, что оптимизационная модель может способствовать устойчивому управлению орошением и внесением удобрений в точном земледелии, предлагая больше экономических и экологических преимуществ, чем эмпирические модели.

Бай и Гао [41] предложили метод оптимизации графика внесения азотных (К) удобрений кукурузы путем объединения модели системы поддержки принятия решений для передачи агротехнологии с генетическим алгоритмом после калибровки и проверки модели. По мнению авторов, разработанная ими модель может способствовать оптимизации графика внесения удобрений.

Мониторинг урожайности травы

Мониторинг и прогнозирование урожайности надземной биомассы имеют ключевое значение для управления растениеводством. Повышение рентабельности хозяйств может быть существенно повышено путем проведения регулярных замеров травостоя.

Традиционные методы измерения урожайности травы включают разрушительный отбор проб травы в сочетании с системами взвешивания на косилках, прицепах или пресс-подборщиках. Недавно были разработаны методы оптического зондирования, и, согласно Шеферу и Лэмбу [42], теперь возможно оценивать уровни биомассы трав, комбинируя измерение высоты полога пастбища с использованием светового обнаружения и определения дальности и измерения коэффициента отражения полога пастбища с использованием активных оптических сигналов. Кроме того, точность прогнозирования массы травы на основе ультразвуковых измерений высоты была многообещающей и могла быть дополнительно улучшена за счет использования спектральных сигнатур отражательной способности в сочетании с ультразвуковым датчиком.

Текущие разработки в области систем зондирования беспилотных летательных аппаратов позволяют получать данные изображения со сверхвысоким пространственным разрешением для важных этапов фенологического роста растений. Кроме того, новые фотограмметрические программные продукты поддерживают анализ таких данных изображений для создания трехмерных облаков точек и цифровых моделей поверхности (ЦМП). Анализ разновременных ЦМП поддерживает мониторинг роста дернины или посевов с высоким пространственным разрешением. Лусемм и др. [43] оценили потенциал показателей высоты дернины, полученных на основе данных изображений недорогих БПЛА, для прогнозирования урожайности кормов. По словам авторов, урожай сухой биомассы можно предсказать, используя высоту травы, полученную из разновременных ЦМП, полученных из недорогих изображений с помощью БПЛА, с устойчивыми результатами в течение трех лет. Постоянная миниатюризация и экономическая эффективность датчиков и платформ, а также мощных алгоритмов и компьютерного оборудования могут открыть новые пути к устойчивому управлению пастбищами.

Оливер и др. [44] показали, что технология спектрального дистанционного зондирования и фотограмметрии на основе БПЛА может использоваться для прогнозирования урожайности с достаточной степенью точности и для изучения пространственных различий внутри поля и между различными полями, что указывает на большой потенциал дистанционного зондирования и БПЛА для поддержки управ-

ления производством силоса для кормления животных.

Связь технологий с сельскохозяйственной техникой

Механизация - один из основных факторов создания эффективных систем земледелия, включающий многочисленные операции в производственном цикле сельскохозяйственных культур и во всей цепочке создания стоимости [45]. Механизация сельского хозяйства началась с паровых жаток и тяговых двигателей, а затем продвинулась вперед с изобретением мобильной гидравлики и электронных систем управления, которые в настоящее время используются в современной технике. Действительно, в механизированном сельском хозяйстве применяется повышенный уровень автоматизации и интеллекта для улучшения управления и повышения производительности полевых операций. В настоящее время фермеры могут использовать, например, сельскохозяйственные машины с автоматическим управлением для множества различных полевых операций, включая обработку почвы, посев, внесение химикатов и сбор урожая. Недавно была представлена фермерам интеллектуальная техника для автоматического прореживания или точной прополки овощных и других культур [46].

В последнее время выполнение сельскохозяйственных операций, выполняемых с помощью тракторов, было направлено на интеграцию традиционной механики с технологиями геолокации, чтобы приблизить методы ведения сельского хозяйства к логике точного земледелия. Возможность управления рулевым управлением трактора с помощью глобальной навигации является важным вкладом в повышение эффективности сельскохозяйственных методов и позволяет экономить время, топливо, рабочую силу и факторы производства, способствуя экономической и экологической устойчивости сельскохозяйственного процесса. Автоматическая система рулевого управления или система автопилота трактора сочетает в себе цифровой анализ и метод обработки изображений, камеры и GPS. В общем, система состоит из двух основных элементов: аппаратного обеспечения (различные датчики и исполнительные механизмы, такие как GPS, датчик угла поворота рулевого колеса) и программного обеспечения (планировщик пути, система управления навигацией и контроллер рулевого управления). Благодаря высокой точности автоматизированной системы рулевого управления фермер может авто-

матически управлять трактором по желаемой траектории, не нанося ущерба растительности, сохраняя при этом широкий диапазон измерений.

Для обеспечения более эффективной связи между достижениями в области информационных технологий и сельскохозяйственными тракторами, навесным оборудованием и бортовыми компьютерами был разработан международный стандарт ISO 11783. Для точного земледелия требуется увеличивающийся объем информации для достаточного управления, и возможности протокола ISO 11783 являются значительным шагом к этой цели, поскольку он предоставит множество автоматизированных данных для улучшения управления растениеводством.

Мехатронные системы также могут играть важную роль в современной сельскохозяйственной технике, особенно в интеллектуальных и роботизированных транспортных средствах. Термин «сельскохозяйственный робот» или «агробот» применяется к автономным машинам, которые способны выполнять различные повторяющиеся сельскохозяйственные задачи на ферме без прямого вмешательства человека. Сельскохозяйственные роботы позволяют фермеру сокращать вводимые ресурсы - пестициды, гербициды и удобрения - с положительными последствиями для окружающей среды. Механическая борьба с сорняками уже стала реальностью; другие функции, находящиеся в стадии разработки, включают микроприменение вводимых ресурсов и раннее обнаружение вредных организмов, что значительно снизит или даже устранит потребность во вводимых ресурсах. Агроботы также легче тракторов с навесным оборудованием или специальным оборудованием для опрыскивания или уборки урожая и, таким образом, могут облегчить проблемы, связанные с уплотнением почвы, и могут получить доступ к полям, не подходящим для тяжелой техники (например, виноградникам на склонах или землям, подверженным воздействию влажных условий).

Мехатроника позволяет на практике применять оборудование с регулируемой нормой внесения (РНВ) для точного земледелия. Поскольку технология РНВ быстро развивается, интеллектуальные аппликаторы становятся коммерчески доступными. Интеллектуальная система может автоматически регулировать количество вводимых ресурсов, распределяемых в соответствии с потребностями, даже позволяя одновременно использовать различ-

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

ные виды обработки, что приводит к новым способам управления сельскохозяйственным производством. Интеллектуальная сеялка может, например, изменять количество семян, закладываемых в почву, в соответствии со своим потенциалом, либо по картам с предписаниями, либо с помощью бортовых датчиков. Контроль нормы высева достигается за счет открытия распределительного устройства, чтобы пропустить желаемое количество семян. Во многих случаях, для точного контроля нормы внесения требуется система управления с обратной связью. Например, при применении жидких химикатов на норму внесения могут влиять изменения скорости движения транспортного средства, а также условия окружающей среды. Некоторые интеллектуальные опрыскиватели запрограммированы так, чтобы точно контролировать количество жидких химикатов, регулируя форсунки в ответ на изменение скорости движения опрыскивателя. Обычно это достигается с помощью клапанов сопел с электронным управлением, которые управляются от встроенного процессора. Некоторые интеллектуальные опрыскиватели запрограммированы так, чтобы точно контролировать количество жидких химикатов, регулируя форсунки в ответ на изменение скорости движения опрыскивателя.

Сегодняшний коммерческий фермер, который полностью владеет существующими навыками и знаниями в области сельского хозяйства, должен будет стать своего рода менеджером по информационным технологиям (ИТ), работающим из офиса или перед экраном (компьютер, мобильный телефон, планшет и т. д.) , а не машинист, работающий в поле, управляющий рулевым управлением машины и регулирующий оборудование вручную.

Обсуждение. Важно понимать, как фермеры интерпретируют ценность технологий в контексте своих хозяйств. С одной стороны, фермеры оценивают ценность своего сельскохозяйственного бизнеса в использовании новых технологий для решения будущих проблем. С другой стороны, многие производители считают, что внедрение высокопроизводительных систем управления сопряжено с по-

вышенным риском. Предполагаемые риски включают в себя риск финансового краха из-за непредвиденных экологических или рыночных обстоятельств, повреждение инфраструктуры фермы, такой как почвы и пастбища, компромисс для здоровья и благополучия животных, а также риск увеличения нагрузки на них из-за управления усиленной системой]. Другой риск, связанный с точным земледелием и другими технологиями, - это дальнейшая консолидация ферм, поскольку более состоятельные участники сектора могут получить максимальную выгоду от новейших технологий. Есть также опасения по поводу некоторых случаев, когда технология не может быть использована эффективно. В некоторых случаях фермеры либо неохотно, либо не могут использовать новейшие технологии на своих фермах. Продажа недоработанной технологии фермерам компаниями без достаточных испытаний или доказательств может привести к дорогостоящим потерям для фермеров.

Более того, использование данных само по себе является проблемой. Огромные объемы данных технологических продуктов и услуг хранятся на удаленных облачных серверах. Это часто используется в коммерческих целях. Теперь крупные корпорации могут собирать, использовать и даже продавать данные от фермеров. Возрастающая напряженность между корпорациями и фермерами по поводу неправомерного использования данных представляет собой серьезную угрозу.

Вывод. В связи с растущим демографическим давлением во всем мире и необходимостью увеличения сельскохозяйственного производства возникает озабоченность по поводу улучшения управления мировыми сельскохозяйственными ресурсами при минимизации негативного воздействия на окружающую среду. Информация о сельскохозяйственных культурах, пастбищах и других сельскохозяйственных ресурсах имеет решающее значение для эффективного управления истощающимися и дефицитными ресурсами. Точное земледелие может помочь фермерам стать более конкурентоспособными за счет снижения производственных затрат.

Список использованных источников

1. Shaitura S.V., Nedkova A.S., Tyger L.M., Goryacheva E.D., Morozova N.O., Berketova L.V. Food security and catering // Revista Turismo Estudos&Práticas. - 2020. - № S3. - С. 11.

2. Зюкин Д.А. Поддержка развития селекции и семеноводства в России как элемента становления инновационной аграрной экономики // Вестник Курской государственной сельскохозяйственной академии. - 2019. - №9. - С. 173-180.

3. Зюкин Д.А., Солошенко Р.В. Выявление кластеров зерносеющих организаций, обладающих более высокой эффективностью и инновационной восприимчивостью // Вестник Курской государственной сельскохозяйственной академии. - 2019. - № 8. - С. 225-231.

4. Зюкин Д.А., Солошенко Р.В. Направления активизации инновационной деятельности в зернопродуктовом подкомплексе РФ // Вестник Курской государственной сельскохозяйственной академии. - 2019. - №7. - С. 161-168.

5. Совокупная стоимость владения решениями на базе технологии «интернет вещей» / С.В. Шайтура, П.А. Замятин, Л.П. Белю, Н.Л. Султаева // Вестник Курской государственной сельскохозяйственной академии. - 2021. - № 2. - С. 124-133.

6. Гавриков Ф.А., Подосинников Е.Ю. Развития сельского хозяйства на территории курской области при поддержке АО «Россельхозбанк» // Славянский форум. - 2020. - № 4 (30). - С. 210227.

7. Продовольственная безопасность и кейтеринг / С.В. Шайтура, Л.П. Белю, А.М. Минитае-ва, А.А. Неделькин // Вестник Курской государственной сельскохозяйственной академии. -

2020. - № 9. - С. 103-112.

8. Шайтура С.В., Тыгер Л.М., Кожаев Ю.П. Продовольственная безопасность и кейтеринг // Вестник Курской государственной сельскохозяйственной академии. - 2020. - № 9. - С. 103-112.

9. Шайтура Е.Н. Глобальные изменения климата // Славянский форум. - 2021. - № 2 (32). -С. 348-354.

10. Шайтура Н.С. Антропологические изменения экологии земли // Славянский форум. -

2021. - № 2 (32). - С. 348-354.

11. Аграрный сектор в контексте глобального изменения климата / С.В. Шайтура, Л.В. Сум-зина, Н.Г. Томашевская и др. // Вестник Курской государственной сельскохозяйственной академии. - 2021. - № 4. - С. 18-24.

12. Лядова Е.Ф. Общий искусственный интеллект и геоинформационные технологии // Славянский форум. - 2021. - № 2 (32). - С. 327-335.

13. Лядова Е.Ф. Перспективные сервисы на основе технологий искусственного интеллекта и виртуальной реальности // Славянский форум. - 2021. - № 1 (31). - С. 29-40.

14. Шайтура С.В. Интеллектуальные системы и технологии: Учебное пособие. - Бургас, 2016.

15. Шайтура С.В. Интеллектуальный анализ геоданных // Перспективы науки и образования. - 2015. - № 6 (18). - С. 24-30.

16. Шайтура С.В. Интеллектуальный анализ данных // Славянский форум. - 2015. - № 2 (8). -С. 341-350.

17. Методы статистики и возможности их применения в социально-экономических исследованиях: монография / С.А. Беляев, Н.С. Бушина, А.Ю. Быстрицкая и др. - Курск: «Деловая полиграфия», 2021. - 168 с.

18. Практические аспекты применения регрессионного метода в исследовании социально-экономических процессов: монография / С.А. Беляев, Н.С. Бушина, О.В. Власова и др. - Курск: «Деловая полиграфия», 2021. - 166 с.

19. Шайтура С.В., Кожаев Ю.П., Васкина М.Ю. Космический мониторинг водных ресурсов туристических дестинаций Крыма // Сервис в России и за рубежом. - 2020. - Т. 14. - № 1 (88). -С. 127-141.

20. Шайтура С.В., Барбасов В.К., Васкина М.Ю. Использование беспилотных систем в сельском хозяйстве // В кн.: Методы и программные средства информационного сервиса в информационных и пространственных полях. - Бургас, 2020. - С. 118-124.

21. Цифровая экономика, точное позиционирование и беспилотное вождение в сельском хозяйстве / С.В. Шайтура, А.В. Максимов, С.Л. Филимонов и др. // Вестник Курской государственной сельскохозяйственной академии. - 2021. - № 4. - С. 38-44.

22. Truflyak E. V. Monitoring and forecasting of scientific and technological development of agrarian and industrial complex in the field of exact agriculture, automation and robotization / E.V. Truflyak, N.Yu. Kurchenko, L. A. Daybova et al. - Krasnodar: КубГАУ, 2017. - 199 p.

23. Научно-обоснованный прогноз развития точного земледелия в России / Е.В. Рудой, М.С. Петухова, С.В. Рюмкин и др. - Новосиб. гос. аграр. ун-т, Кубан. гос. аграр. ун-т им. И.Т. Труби-лина. - Новосибирск: ИЦ НГАУ «Золотой колос», 2021. - 138 с.

24. Проект дистанционного комплекса измерения почвенных показателей как инструмент цифровизации сельского хозяйства / А.А. Садов, К.М. Потетня, А.Д. Устюгов, А.И. Носков // Научно-технический вестник технические системы в АПК. - 2020. - № 2 (7). - С. 45-51.

25. Kirkegaard Nielsen, S.; Munkholm, L.J.; Lamande, M.; N0rremark, M.; Edwards, G.T.C.; Green, O. Seed drill depth control system for precision seeding. Comput. Electron. Agric. 2018, 144, 174-180.

26. Jin et al. Г Jin, X.; Li, Q.W.; Zhao, K.X.; Zhao, B.; He, Z.T.; Qiu, Z.M. Development and test of an electric precision seeder for small-size vegetable seeds. Int. J. Agric. Biol. Eng. 2019, 12, 75-81.1

27. Haibo et al. THaibo, L.; Shuliang, D.; Zunmin, L.; Chuijie, Y. Study and Experiment on a Wheat Precision Seeding Robot. J. Robot. 2015, 2015, 1-9.1

28. Jianbo et al. TZhai, J.B.; Xia, J.F.; Zhou, Y.; Zhang, S. Design and experimental study of the control system for precision seed-metering device. Int. J. Agric. Biol. Eng. 2014, 7, 13-18.

29. Gao et al. TGao, X.; Zhou, Z.; Xu, Y.; Yu, Y.; Su, Y.; Cui, T. Numerical simulation of particle motion characteristics in quantitative seed feeding system. Powder Technol. 2020, 367, 643-658.1

30. Rodriguez-Ortega, W.M.; Martinez, V.; Rivero, R.M.; Camara-Zapata, J.M.; Mestre, T.; Garcia-Sanchez, F. Use of a smart irrigation system to study the effects of irrigation management on the agronomic and physiological responses of tomato plants grown under different temperatures regimes. Agric. WaterManag. 2017, 183, 158-168.

31. Goap, A.; Sharma, D.; Shukla, A.K.; Rama Krishna, C. An IoT based smart irrigation management system using Machine learning and open source technologies. Comput. Electron. Agric. 2018, 155, 41-49.

32. Corbari, C.; Salerno, R.; Ceppi, A.; Telesca, V.; Mancini, M. Smart irrigation forecast using satellite LANDSAT data and meteo-hydrological modeling. Agric. Water Manag. 2019, 212, 283294. 1

33. Krishnan, R.S.; Julie, E.G.; Robinson, Y.H.; Raja, S.; Kumar, R.; Thong, P.H.; Son, L.H. Fuzzy Logic based Smart Irrigation System using Internet of Things. J. Clean. Prod. 2020, 252, 119902.

34. Al-Ali, A.R.; Al Nabulsi, A.; Mukhopadhyay, S.; Awal, M.S.; Fernandes, S.; Ailabouni, K. IoT-solar energy powered smart farm irrigation system. J. Electron. Sci. Technol. 2019, 17, 100017.

35. Benyezza, H.; Bouhedda, M.; Rebouh, S. Zoning irrigation smart system based on fuzzy control technology and IoT for water and energy saving. J. Clean. Prod. 2021, 302, 127001

36. Liao, R.; Zhang, S.; Zhang, X.; Wang, M.; Wu, H.; Zhangzhong, L. Development of smart irrigation systems based on real-time soil moisture data in a greenhouse: Proof of concept. Agric. Water Manag. 2021, 245, 106632.

37. Song, C.; Zhou, Z.; Zang, Y.; Zhao, L.; Yang, W.; Luo, X.; Jiang, R.; Ming, R.; Zang, Y.; Zi, L.; et al. Variable-rate control system for UAV-based granular fertilizer spreader. Comput. Electron. Agric. 2021, 180, 105832.

38. Hadi Ishak, A.; Hajjaj, S.S.H.; Rao Gsangaya, K.; Thariq Hameed Sultan, M.; Fazly Mail, M.; Seng Hua, L. Autonomous fertilizer mixer through the Internet of Things (IoT). Mater. Today Proc. 2021

39. Ghafar, A.S.A.; Hajjaj, S.S.H.; Gsangaya, K.R.; Sultan, M.T.H.; Mail, M.F.; Hua, L.S. Design and development of a robot for spraying fertilizers and pesticides for agriculture. Mater. Today Proc. 2021.

40. Lin, N.; Wang, X.; Zhang, Y.; Hu, X.; Ruan, J. Fertigation management for sustainable precision agriculture based on Internet of Things. J. Clean. Prod. 2020, 277, 124119.

41. Bai, Y.; Gao, J. Optimization of the nitrogen fertilizer schedule of maize under drip irrigation in Jilin, China, based on DSSAT and GA. Agric. Water Manag. 2021, 244, 106555

42. Schaefer, M.T.; Lamb, D.W. A combination of plant NDVI and LiDAR measurements improve the estimation of pasture biomass in tall fescue (festuca arundinacea var. fletcher). Remote Sens. 2016, 8, 109.

43. Lussem, U.; Bolten, A.; Menne, J.; Gnyp, M.L.; Schellberg, J.; Bareth, G. Estimating biomass in temperate grassland with high resolution canopy surface models from UAV-based RGB images and vegetation indices. J. Appl. Remote Sens. 2019, 13, 034525.

44. Oliveira, R.A.; Nasi, R.; Niemelainen, O.; Nyholm, L.; Alhonoja, K.; Kaivosoja, J.; Jauhiainen, L.; Viljanen, N.; Nezami, S.; Markelin, L.; et al. Machine learning estimators for the quantity and quality of grass swards used for silage production using drone-based imaging spectrometry and photo-grammetry. Remote Sens. Environ. 2020, 246, 111830.

45. Совокупная стоимость владения решениями на базе технологии «интернет вещей» / С.В. Шайтура, П.А. Замятин, Л.П. Белю, Н.Л. Султаева // Вестник Курской государственной сельскохозяйственной академии. - 2021. - № 2. - С. 124-133.

46. Rovira-Mas, F.; Zhang, Q.; Saiz-Rubio, V. Mechatronics and Intelligent Systems in Agricultural Machinery. In Introduction to Biosystems Engineering; Holden, N.M., Wolfe, M.L., Ogejo, J.A., Cummins, E.J., Eds.; American Society of Agricultural and Biological Engineers (ASABE) and Virginia Tech Publishing: St Joseph, MI, USA, 2020.

Spisok ispoFzovanny'x istochnikov

1. Shaitura S.V., Nedkova A.S., Tyger L.M., Goryacheva E.D., Morozova N.O., Berketova L.V. Food security and catering // Revista Turismo Estudos&Praticas. - 2020. - № S3. - S. 11.

2. Zyukin D.A. Podderzhka razvitiya selekcii i semenovodstva v Rossii kak e'lementa stanovleniya innovacionnoj agrarnoj e'konomiki // Vestnik Kurskoj gosudarstvennoj sel'skoxozyajstvennoj akademii. - 2019. - №9. - S. 173-180.

3. Zyukin D.A., Soloshenko R.V. Vy'yavlenie klasterov zernoseyushhix organizacij, obladayu-shhix bolee vy'sokoj e'ffektivnost'yu i innovacionnoj vospriimchivost'yu // Vestnik Kurskoj gosudarstvennoj sel'skoxozyajstvennoj akademii. - 2019. - № 8. - S. 225-231.

4. Zyukin D.A., Soloshenko R.V. Napravleniya aktivizacii innovacionnoj deyatel'nosti v zernoproduktovom podkomplekse RF // Vestnik Kurskoj gosudarstvennoj sel'skoxozyajstvennoj akademii. - 2019. - №7. - S. 161-168.

5. Sovokupnaya stoimosf vladeniya resheniyami na baze texnologii «internet veshhej» / S.V. Shajtura, P.A. Zamyatin, L.P. Belyu, N.L. Sultaeva // Vestnik Kurskoj gosudarstvennoj sel'-skoxozyajstvennoj akademii. - 2021. - № 2. - S. 124-133.

6. Gavrikov F.A., Podosinnikov E.Yu. Razvitiya sel'skogo xozyajstva na territorii kurskoj oblasti pri podderzhke AO «RossePxozbank» // Slavyanskij forum. - 2020. - № 4 (30). - S. 210-227.

7. Prodovol'stvennaya bezopasnost' i kejtering / S.V. Shajtura, L.P. Belyu, A.M. Minitae-va, A.A. Nedel'kin // Vestnik Kurskoj gosudarstvennoj sel'skoxozyajstvennoj akademii. - 2020. - № 9. - S. 103-112.

8. Shajtura S.V., Ty'ger L.M., Kozhaev Yu.P. Prodovol'stvennaya bezopasnosf i kejtering // Vestnik Kurskoj gosudarstvennoj sel'skoxozyajstvennoj akademii. - 2020. - № 9. - S. 103-112.

9. Shajtura E.N. Global'ny'e izmeneniya klimata // Slavyanskij forum. - 2021. - № 2 (32). - S. 348-354.

10. Shajtura N.S. Antropologicheskie izmeneniya e'kologii zemli // Slavyanskij forum. - 2021. - № 2 (32). - S. 348-354.

11. Agrarny'j sektor v kontekste global'nogo izmeneniya klimata / S.V. Shajtura, L.V. Sum-zina, N.G. Tomashevskaya i dr. // Vestnik Kurskoj gosudarstvennoj sel'skoxozyajstvennoj aka-demii. -2021. - № 4. - S. 18-24.

12. Lyadova E.F. Obshhij iskusstvenny'j intellekt i geoinformacionny'e texnologii // Slavyanskij forum. - 2021. - № 2 (32). - S. 327-335.

13. Lyadova E.F. Perspektivny'e servisy' na osnove texnologij iskusstvennogo intellekta i virtu-al'noj real'nosti // Slavyanskij forum. - 2021. - № 1 (31). - S. 29-40.

14. Shajtura S.V. Intellektual'ny'e sistemy' i texnologii - Uchebnoe posobie. - Burgas, 2016.

15. Shajtura S.V. Intellektual'ny'j analiz geodanny'x // Perspektivy' nauki i obrazovaniya. - 2015. -№ 6 (18). - S. 24-30.

16. Shajtura S.V. Intellektual'ny'j analiz danny'x // Slavyanskij forum. - 2015. - № 2 (8). - S. 341350.

17. Metody' statistiki i vozmozhnosti ix primeneniya v social'no-e'konomicheskix issledovaniyax: monografiya / S.A. Belyaev, N.S. Bushina, A.Yu. By'striczkaya i dr. - Kursk: «Delovaya poligrafiya», 2021. - 168 s.

18. Prakticheskie aspekty' primeneniya regressionnogo metoda v issledovanii social'no-e'konomicheskix processov: monografiya / S.A. Belyaev, N.S. Bushina, O.V. Vlasova i dr. - Kursk: «Delovaya poligrafiya», 2021. - 166 s.

19. Shajtura S.V., Kozhaev Yu.P., Vaskina M.Yu. Kosmicheskij monitoring vodny'x resursov turisticheskix destinacij Kry'ma // Servis v Rossii i za rubezhom. - 2020. - T. 14. - № 1 (88). - S. 127141.

20. Shajtura S.V., Barbasov V.K., Vaskina M.Yu. Ispol'zovanie bespilotny'x sistem v sel'-skom xozyajstve // V kn.: Metody' i programmny'e sredstva informacionnogo servisa v infor-macionny'x i prostranstvenny'x polyax. - Burgas, 2020. - S. 118-124.

21. Cifrovaya e'konomika, tochnoe pozicionirovanie i bespilotnoe vozhdenie v sel'skom xozyajstve / S.V. Shajtura, A.V. Maksimov, S.L. Filimonov i dr. // Vestnik Kurskoj gosudarstvennoj sel'skoxozyajstvennoj akademii. - 2021. - № 4. - S. 38-44.

22. Truflyak E. V. Monitoring and forecasting of scientific and technological development of agrarian and industrial complex in the field of exact agriculture, automation and robotization / E.V. Truflyak, N.Yu. Kurchenko, L. A. Daybova et al. - Krasnodar: KubGAU, 2017. - 199 p.

23. Nauchno-obosnovanny'j prognoz razvitiya tochnogo zemledeliya v Rossii / E.V. Rudoj, M.S. Petuxova, S.V. Ryumkin i dr. - Novosib. gos. agrar. un-t, Kuban. gos. agrar. un-t im. I.T. Trubilina -Novosibirsk: ICz NGAU «Zolotoj kolos», 2021. - 138 s.

24. Proekt distancionnogo kompleksa izmereniya pochvenny'x pokazatelej kak instrument cifrovizacii sel'skogo xozyajstva / A.A. Sadov, K.M. Potetnya, A.D. Ustyugov, A.I. Noskov // Nauchno-texnicheskij vestnik texnicheskie sistemy' v APK. - 2020. - № 2 (7). - S. 45-51.

25. Kirkegaard Nielsen, S.; Munkholm, L.J.; Lamande, M.; N0rremark, M.; Edwards, G.T.C.; Green, O. Seed drill depth control system for precision seeding. Comput. Electron. Agric. 2018, 144, 174-180.

26. Jin et al. [ Jin, X.; Li, Q.W.; Zhao, K.X.; Zhao, B.; He, Z.T.; Qiu, Z.M. Development and test of an electric precision seeder for small-size vegetable seeds. Int. J. Agric. Biol. Eng. 2019, 12, 7581.]

27. Haibo et al. [Haibo, L.; Shuliang, D.; Zunmin, L.; Chuijie, Y. Study and Experiment on a Wheat Precision Seeding Robot. J. Robot. 2015, 2015, 1-9.]

28. Jianbo et al. [Zhai, J.B.; Xia, J.F.; Zhou, Y.; Zhang, S. Design and experimental study of the control system for precision seed-metering device. Int. J. Agric. Biol. Eng. 2014, 7, 13-18.

29. Gao et al. [Gao, X.; Zhou, Z.; Xu, Y.; Yu, Y.; Su, Y.; Cui, T. Numerical simulation of particle motion characteristics in quantitative seed feeding system. Powder Technol. 2020, 367, 643-658.]

30. Rodriguez-Ortega, W.M.; Martinez, V.; Rivero, R.M.; Camara-Zapata, J.M.; Mestre, T.; Garcia-Sanchez, F. Use of a smart irrigation system to study the effects of irrigation management on the agronomic and physiological responses of tomato plants grown under different temperatures re-gimes. Agric. Water Manag. 2017, 183, 158-168.

31. Goap, A.; Sharma, D.; Shukla, A.K.; Rama Krishna, C. An IoT based smart irrigation management system using Machine learning and open source technologies. Comput. Electron. Agric. 2018, 155, 41-49.

32. Corbari, C.; Salerno, R.; Ceppi, A.; Telesca, V.; Mancini, M. Smart irrigation forecast using satellite LANDSAT data and meteo-hydrological modeling. Agric. Water Manag. 2019, 212, 283-294.