kaz29Вестник Казахстанско-Британского технического университетаHerald of the Kazakh-British Technical University1998-66882959-8109Казахстанско-Британский Технический Университет10.55452/1998-6688-2025-22-3-161-175kaz29-2113Research ArticleКОМПЬЮТЕРНЫЕ НАУКИCOMPUTER SCIENCEИНТЕЛЛЕКТУАЛЬНАЯ СИСТЕМА КАРТИРОВАНИЯ И РАСПОЗНАВАНИЯ ФАКТОРОВ НА ОСНОВЕ ТЕХНОЛОГИЙ ДИСТАНЦИОННОГО ЗОНДИРОВАНИЯ И КОМПЬЮТЕРНОГО ЗРЕНИЯINTELLIGENT MAPPING AND FACTOR RECOGNITION SYSTEM BASED ON REMOTE SENSING AND COMPUTER VISION TECHNOLOGIEShttps://orcid.org/0009-0009-8699-159XСмурыгинВ. В.SmuryginV. V.

бакалавр, инженер-программист 

г. Алматы

Bachelor, Software Engineer

Almaty 

valentinsmurygin@gmail.comhttps://orcid.org/0000-0002-2013-1513ЕримбетоваА. С.YerimbetovaA. S.

PhD, к.т.н., ассоциированный профессор

г. Алматы

PhD, Cand.Tech.Sc., Associate Professor

Almaty

aigerian@mail.ruhttps://orcid.org/0000-0002-5271-9071КучинЯ. И.KuchinY. I.

магистр, с.н.с.

г. Алматы

Master, Senior Researcher

Almaty

ykuchin@mail.ruhttps://orcid.org/0000-0001-9974-3215СымагуловА.SymagulovA.

магистр, инженер-программист

г. Алматы

Master, Software Engineer

Almaty

asmogulove00@gmail.comSatbayev University; Институт информационных и вычислительных технологийКазахстанSatbayev University; Institute of Information and Computational TechnologiesKazakhstanИнститут информационных и вычислительных технологийКазахстанInstitute of Information and Computational TechnologiesKazakhstan202527092025223161175Copyright © Смурыгин В.В., Еримбетова А.С., Кучин Я.И., Сымагулов А., 20252025Смурыгин В.В., Еримбетова А.С., Кучин Я.И., Сымагулов А.Smurygin V.V., Yerimbetova A.S., Kuchin Y.I., Symagulov A.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://vestnik.kbtu.edu.kz/jour/article/view/2113

Современное сельское хозяйство сталкивается с рядом серьезных вызовов, включая климатические изменения, ухудшение состояния почв, нехватку водных ресурсов, биологические угрозы и негативное влияние антропогенных факторов. Особое место среди этих проблем занимает засоренность полей, требующая точного мониторинга и своевременного реагирования. Данное исследование посвящено разработке системы автоматического распознавания и картирования сорняков с высокой геопространственной точностью на основе данных БПЛА. Предложенный подход включает применение алгоритмов компьютерного зрения для детекции сорняков, методы аугментации данных для повышения точности распознавания и авторский метод склеивания карт для обеспечения точной геопривязки выявленных сорных растений. Экспериментальные испытания подтвердили эффективность разработанной системы в задачах автоматического выявления сорняков и создания геопривязанных карт их распространения. Внедрение данной системы позволит сельхозпроизводителям проводить точечную обработку засоренных участков, оптимизировать использование гербицидов и повысить эффективность борьбы с сорной растительностью.

Modern agriculture faces a number of serious challenges, including climate change, soil degradation, water scarcity, biological threats and the negative impact of anthropogenic factors. A special place among these challenges is occupied by field weediness, which requires accurate monitoring and timely response. This study is devoted to the development of a system for automatic recognition and mapping of weeds with high geospatial accuracy based on UAV data. The proposed approach includes the application of computer vision algorithms for weed detection, data augmentation techniques to improve recognition accuracy, and the author’s map splicing method to provide accurate geo-referencing of detected weeds. Experimental tests confirmed the effectiveness of the developed system in the tasks of automatic detection of weeds and creation of geo-referenced maps of their distribution. Implementation of this system will allow agricultural producers to carry out spot treatment of weedy areas, optimize the use of herbicides and increase the efficiency of weed control.

картированиедистанционное зондированиебеспилотные летательные аппараты (БПЛА)компьютерное зрениеаугментация данныхmappingremote sensingunmanned aerial vehicles (UAVs)computer visiondata augmentationReferencesMohsan, S.A.H., Othman, N.Q.H., Li, Y. Unmanned Aerial Vehicles (UAVs): Practical Aspects, Applications, Open Challenges, Security Issues, and Future Trends. Intelligent Service Robotics, 16, 109–137 (2023). https://doi.org/10.1007/s11370-022-00452-4.Mohsan, S.A.H., Othman, N.Q.H., Li, Y. Unmanned Aerial Vehicles (UAVs): Practical Aspects, Applications, Open Challenges, Security Issues, and Future Trends. Intelligent Service Robotics, 16, 109–137 (2023). https://doi.org/10.1007/s11370-022-00452-4.Rovira-Sugranes, A., Razi, A., Afghah, F., Chakareski, J. A Review of AI-Enabled Routing Protocols for UAV Networks: Trends, Challenges, and Future Outlook. Ad Hoc Networks, 130, 102790 (2022). https://doi.org/10.1016/j.adhoc.2022.102790.Rovira-Sugranes, A., Razi, A., Afghah, F., Chakareski, J. A Review of AI-Enabled Routing Protocols for UAV Networks: Trends, Challenges, and Future Outlook. Ad Hoc Networks, 130, 102790 (2022). https://doi.org/10.1016/j.adhoc.2022.102790.Shadrin, D. и др. Weed Detection on Embedded Systems Using Computer Vision Algorithms. Computer Optics, 49 (1), 85–101 (2025). https://doi.org/ 10.18287/2412-6179-CO-1454.Shadrin, D. Weed Detection on Embedded Systems Using Computer Vision Algorithms. Computer Optics, 49 (1), 85–101 (2025). https://doi.org/ 10.18287/2412-6179-CO-1454.Mumuni, A., Mumuni, F. Data Augmentation with Automated Machine Learning: Approaches and Performance Comparison with Classical Data Augmentation Methods. arXiv preprint, 1, 1–29 (2025). https://doi.org/10.48550/arXiv.2403.08352.Mumuni, A., Mumuni, F. Data Augmentation with Automated Machine Learning: Approaches and Performance Comparison with Classical Data Augmentation Methods. arXiv preprint, 1, 1–29 (2025). https://doi.org/10.48550/arXiv.2403.08352.Adaev, N., Amaeva, A., Israfilova, M. Monitoring the State of Agricultural Lands in the Chechen Republic Using GIS Technologies. Reliability: Theory & Applications, 19 (6 (81)), 189–207 (2024).Adaev, N., Amaeva, A., Israfilova, M. Monitoring the State of Agricultural Lands in the Chechen Republic Using GIS Technologies. Reliability: Theory & Applications, 19 (6 (81)), 189–207 (2024).OpenCV [Electronic resource]. Available at: https://docs.opencv.org/master/ (accessed: 05.04.2025).OpenCV [Electronic resource]. Available at: https://docs.opencv.org/master/ (accessed: 05.04.2025).Pillow [Electronic resource]. Available at: https://pillow.readthedocs.io/ (accessed: 25.04.2025).Pillow [Electronic resource]. Available at: https://pillow.readthedocs.io/ (accessed: 25.04.2025).GDAL [Electronic resource]. Available at: https://gdal.org/documentation/ (accessed: 25.04.2025).GDAL [Electronic resource]. Available at: https://gdal.org/documentation/ (accessed: 25.04.2025).Rasterio [Electronic resource]. Available at: https://rasterio.readthedocs.io/ (accessed: 25.04.2025).Rasterio [Electronic resource]. Available at: https://rasterio.readthedocs.io/ (accessed: 25.04.2025).

The authors declare that there are no conflicts of interest present.