ИНТЕЛЛЕКТУАЛЬНАЯ СИСТЕМА КАРТИРОВАНИЯ И РАСПОЗНАВАНИЯ ФАКТОРОВ НА ОСНОВЕ ТЕХНОЛОГИЙ ДИСТАНЦИОННОГО ЗОНДИРОВАНИЯ И КОМПЬЮТЕРНОГО ЗРЕНИЯ

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.

1. 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.

2. 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.

3. 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.

4. 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.

5. 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).

6. OpenCV [Electronic resource]. Available at: https://docs.opencv.org/master/ (accessed: 05.04.2025).

7. Pillow [Electronic resource]. Available at: https://pillow.readthedocs.io/ (accessed: 25.04.2025).

8. GDAL [Electronic resource]. Available at: https://gdal.org/documentation/ (accessed: 25.04.2025).

9. Rasterio [Electronic resource]. Available at: https://rasterio.readthedocs.io/ (accessed: 25.04.2025).