ЦИФРОВЫЕ РЕШЕНИЯ ДЛЯ МОНИТОРИНГА И ДИАГНОСТИКИ БОЛЕЗНЕЙ СЕЛЬСКОХОЗЯЙСТВЕННЫХ КУЛЬТУР
Вестник Курганской ГСХА. 2025. № 2 (54). С. 7–18
Vestnik Kurganskoj GSHA. 2025; (2-54): 7–18
Научная статья
УДК 633.11:632.938 EDN: EFMEJA
Код ВАК 4.1.3
ЦИФРОВЫЕ РЕШЕНИЯ ДЛЯ МОНИТОРИНГА И ДИАГНОСТИКИ БОЛЕЗНЕЙ СЕЛЬСКОХОЗЯЙСТВЕННЫХ КУЛЬТУР
Ирина Владимировна Ариничева1, Игорь Владимирович Ариничев2
1 Кубанский государственный аграрный университет имени И.Т. Трубилина, Краснодар,
Россия
2 Кубанский государственный университет, Краснодар, Россия
1 loukianova7@mail.ru, https://orcid.org/0000-0002-3331-8731
2 iarinichev@gmail.com, https://orcid.org/0000-0002-6670-329X
Аннотация. Цель исследований – разработка информационно-технологического решения, базирующегося на методах искус
ственного интеллекта, способная распознавать патоген и степень его развития на растении, которое позволит проводить учет вредных
организмов и четко представлять, при достижении какого уровня развития болезней или численности вредителей следует приступать
к проведению защитных мероприятий. В 2019-2024 гг. авторами статьи проводились исследования злаковых культур на кафедре выс
шей математики, в лабораториях, на вегетационных площадках и опытных полях Кубанского государственного аграрного университета
имени И.Т. Трубилина, а также ФГБНУ «Федеральный научный центр биологической защиты растений» (г. Краснодар). Дается экскурс
в историю возникновения методов машинного обучения, которые на сегодняшний день являются наиболее востребованными для реше
ния важнейших задач АПК России. Для достижения поставленных задач применяли современные математические методы. На основе
программного решения разработана методика, позволяющая распознавать опасные и вредоносные болезни злаковых культур на ранних
стадиях их развития. Данная методика реализует двухуровневую систему обработки визуальных данных, обеспечивая высокую до
стоверность и оперативность фитопатологического анализа. На сегодняшний день большинство сельхозпроизводителей не учитывают
фактическую фитосанитарную ситуацию на полях, состояние развития растений, численность вредных организмов и стадию их разви
тия. В результате остро встает проблема накопления нитратов, нитритов и уровня резистентности у вредителей и сорняков. Поэтому
актуальностью и практической ценностью обладают вопросы, связанные со своевременным и оперативным учетом физиологического
и фитосанитарного состояния посевов.
Ключевые слова: хлебные злаки, машинное обучение, болезни злаков, искусственный интеллект, нейронные сети, классификация.
Благодарности: работа финансировалась за счет средств бюджета Кубанского государственного аграрного университета
имени И. Т. Трубилина. Дополнительных грантов на проведение или руководство данным конкретным исследованием получено не было.
Для цитирования: Ариничева И.В., Ариничев И.В. Цифровые решения для мониторинга и диагностики болезней сельскохозяй
ственных культур // Вестник Курганской ГСХА. 2025. № 2(54). С. 7–18. EDN: EFMEJA.
Scientific article
DIGITAL SOLUTIONS FOR MONITORING AND DIAGNOSIS OF CROP DISEASES
Irina V. Arinicheva1, Igor V. Arinichev2
1 Kuban State Agrarian University named after I.T. Trubilin, Krasnodar, Russia
2 Kuban State University, Krasnodar, Russia
1 loukianova7@mail.ru, https://orcid.org/0000-0002-3331-8731
2 iarinichev@gmail.com, https://orcid.org/0000-0002-6670-329X
Abstract. The purpose of the research is to develop IT solutions based on artificial intelligence methods capable of recognizing a pathogen
and the degree of its development on a plant, it will allow for registering harmful organisms and clearly understanding at what level of disease
development or the pest number protective measures should be initiated. In 2019-2024 the authors of the article conducted research on cereal
crops at the Department of Higher Mathematics, in laboratories, conservatories and experimental fields of Kuban State Agrarian University named
after I.T. Trubilin, as well as the Federal State Budgetary Scientific Institution ‘Federal Research Center for Biological Plant Protection’ (Krasnod
ar). A historical issue of developing machine learning methods, which are currently in demand for solving the most important tasks of the Russian
agro-industrial complex, is described. Modern mathematical methods were used to achieve the tasks set. Based on the software solution, a tech
nique has been developed that makes it possible to recognize dangerous and harmful diseases of cereal crops at early stages of their develop
ment. This technique implements a two-level visual data processing system, ensuring high reliability and efficiency of phytopathological analysis.
At present, most agricultural producers do not take into account the actual phytosanitary situation in the fields, the state of plant development, the number of harmful organisms and the stage of their development. As a result, the problems of nitrates and nitrites accumulation and of the level of resistance in pests and weeds are becoming acute. Therefore, the issues related to timely and prompt consideration of the physiological and phytosanitary condition of crops are relevant and of practical value.
Keywords: cereals, machine learning, cereal diseases, artificial intelligence, neural networks, classification.
Acknowledgments: the work was funded by the budget of Kuban State Agrarian University named after I.T. Trubilin. No additional grants
were received to conduct or direct this particular study.
For citation: Arinicheva I.V., Arinichev I.V. Digital solutions for monitoring and diagnosis of crop diseases // Vestnik Kurganskoj GSHA. 2025;
(2-54): 7–18. EDN: EFMEJA. (In Russ).
Vestnik Kurganskoj GSHA. 2025; (2-54): 7–18
Научная статья
УДК 633.11:632.938 EDN: EFMEJA
Код ВАК 4.1.3
ЦИФРОВЫЕ РЕШЕНИЯ ДЛЯ МОНИТОРИНГА И ДИАГНОСТИКИ БОЛЕЗНЕЙ СЕЛЬСКОХОЗЯЙСТВЕННЫХ КУЛЬТУР
Ирина Владимировна Ариничева1, Игорь Владимирович Ариничев2
1 Кубанский государственный аграрный университет имени И.Т. Трубилина, Краснодар,
Россия
2 Кубанский государственный университет, Краснодар, Россия
1 loukianova7@mail.ru, https://orcid.org/0000-0002-3331-8731
2 iarinichev@gmail.com, https://orcid.org/0000-0002-6670-329X
Аннотация. Цель исследований – разработка информационно-технологического решения, базирующегося на методах искус
ственного интеллекта, способная распознавать патоген и степень его развития на растении, которое позволит проводить учет вредных
организмов и четко представлять, при достижении какого уровня развития болезней или численности вредителей следует приступать
к проведению защитных мероприятий. В 2019-2024 гг. авторами статьи проводились исследования злаковых культур на кафедре выс
шей математики, в лабораториях, на вегетационных площадках и опытных полях Кубанского государственного аграрного университета
имени И.Т. Трубилина, а также ФГБНУ «Федеральный научный центр биологической защиты растений» (г. Краснодар). Дается экскурс
в историю возникновения методов машинного обучения, которые на сегодняшний день являются наиболее востребованными для реше
ния важнейших задач АПК России. Для достижения поставленных задач применяли современные математические методы. На основе
программного решения разработана методика, позволяющая распознавать опасные и вредоносные болезни злаковых культур на ранних
стадиях их развития. Данная методика реализует двухуровневую систему обработки визуальных данных, обеспечивая высокую до
стоверность и оперативность фитопатологического анализа. На сегодняшний день большинство сельхозпроизводителей не учитывают
фактическую фитосанитарную ситуацию на полях, состояние развития растений, численность вредных организмов и стадию их разви
тия. В результате остро встает проблема накопления нитратов, нитритов и уровня резистентности у вредителей и сорняков. Поэтому
актуальностью и практической ценностью обладают вопросы, связанные со своевременным и оперативным учетом физиологического
и фитосанитарного состояния посевов.
Ключевые слова: хлебные злаки, машинное обучение, болезни злаков, искусственный интеллект, нейронные сети, классификация.
Благодарности: работа финансировалась за счет средств бюджета Кубанского государственного аграрного университета
имени И. Т. Трубилина. Дополнительных грантов на проведение или руководство данным конкретным исследованием получено не было.
Для цитирования: Ариничева И.В., Ариничев И.В. Цифровые решения для мониторинга и диагностики болезней сельскохозяй
ственных культур // Вестник Курганской ГСХА. 2025. № 2(54). С. 7–18. EDN: EFMEJA.
Scientific article
DIGITAL SOLUTIONS FOR MONITORING AND DIAGNOSIS OF CROP DISEASES
Irina V. Arinicheva1, Igor V. Arinichev2
1 Kuban State Agrarian University named after I.T. Trubilin, Krasnodar, Russia
2 Kuban State University, Krasnodar, Russia
1 loukianova7@mail.ru, https://orcid.org/0000-0002-3331-8731
2 iarinichev@gmail.com, https://orcid.org/0000-0002-6670-329X
Abstract. The purpose of the research is to develop IT solutions based on artificial intelligence methods capable of recognizing a pathogen
and the degree of its development on a plant, it will allow for registering harmful organisms and clearly understanding at what level of disease
development or the pest number protective measures should be initiated. In 2019-2024 the authors of the article conducted research on cereal
crops at the Department of Higher Mathematics, in laboratories, conservatories and experimental fields of Kuban State Agrarian University named
after I.T. Trubilin, as well as the Federal State Budgetary Scientific Institution ‘Federal Research Center for Biological Plant Protection’ (Krasnod
ar). A historical issue of developing machine learning methods, which are currently in demand for solving the most important tasks of the Russian
agro-industrial complex, is described. Modern mathematical methods were used to achieve the tasks set. Based on the software solution, a tech
nique has been developed that makes it possible to recognize dangerous and harmful diseases of cereal crops at early stages of their develop
ment. This technique implements a two-level visual data processing system, ensuring high reliability and efficiency of phytopathological analysis.
At present, most agricultural producers do not take into account the actual phytosanitary situation in the fields, the state of plant development, the number of harmful organisms and the stage of their development. As a result, the problems of nitrates and nitrites accumulation and of the level of resistance in pests and weeds are becoming acute. Therefore, the issues related to timely and prompt consideration of the physiological and phytosanitary condition of crops are relevant and of practical value.
Keywords: cereals, machine learning, cereal diseases, artificial intelligence, neural networks, classification.
Acknowledgments: the work was funded by the budget of Kuban State Agrarian University named after I.T. Trubilin. No additional grants
were received to conduct or direct this particular study.
For citation: Arinicheva I.V., Arinichev I.V. Digital solutions for monitoring and diagnosis of crop diseases // Vestnik Kurganskoj GSHA. 2025;
(2-54): 7–18. EDN: EFMEJA. (In Russ).
