Система управления беспилотных воздушных судов и средства аэрофотосъемки сельскохозяйственных угодий

Беспилотные авиационные системы становятся одной из ключевых технологий в реализации цифровой трансформации агропромышленного комплекса, позволяя оперативно получать актуальную информацию о состоянии сельскохозяйственных угодий. (Цель исследования) Выполнить ретроспективный анализ для выявления основных тенденций в развитии системы управления полетом беспилотных воздушных судов и средств аэрофотосъемки сельскохозяйственных угодий. (Материалы и методы) Проведен ретроспективный анализ на основе систематического обзора литературы, изучены оригинальные труды отечественных и зарубежных авторов, а также монографии, материалы конференций, музейные экспозиции, фотодокументы и открытый исходный код программного обеспечения. (Результаты и обсуждение) Выделено шесть этапов в развитии систем управления полетом беспилотных воздушных судов и средств аэрофотосъемки сельскохозяйственных угодий. Периодизация основана на изменении типа собираемых фотоматериалов, камер и летательных аппаратов, на которые они устанавливались. Определены основные тенденции развития систем управления полетом беспилотных воздушных судов и средств аэрофотосъемки на каждом этапе, включая тип беспилотных летательных аппаратов, дальность и продолжительность полета, систему управления полетом, средства аэрофотосъемки, тип и количество получаемых изображений, летательный аппарат для их сбора. На основе проведенного анализа определены дальнейшие направления развития беспилотных авиационных систем. (Выводы) Процессы разработки систем управления полетом беспилотных воздушных судов и средств аэрофотосъемки происходили параллельно до интеграции камер на борт. Установлено, что ключевую роль в развитии сыграли миниатюризация камер и совершенствование полетных контроллеров, что обеспечило высокую точность данных аэрофотосъемки и оперативность мониторинга сельскохозяйственных угодий. Предположили, что дальнейшее развитие бортовых интеллектуальных систем и средств аэрофотосъемки приведет к полной автоматизации сбора и обработки информации, что позволит осуществлять мониторинг с высокой точностью в реальном времени.

1. Гайсин Р.С. Предел технологической эволюции сельского хозяйства и возможность его преодоления // Проблемы современной экономики. 2014. N 4(52). С. 41-45. EDN: TJHWFH.

2. Гусев Е.М. Эволюция технологий в земледелии: от «серых» до «зеленых» // Аридные экосистемы. 2020. Т. 26, N1(82). С. 3-12. EDN: CZCAHB.

3. Коротченя В.М. История технологического развития сельского хозяйства (растениеводства) // Экономика сельского хозяйства России. 2019. N7. С. 28-33. DOI: 10.32651/197-28.

4. Еремин С.Г. Цифровая трансформация сельского хозяйства: возможности и вызовы внедрения технологий больших данных // Аграрная наука. 2025. N2. С. 36-38. EDN: NILBNC.

5. Винничек Л.Б., Омаров М.М., Омарова Н.Ю. Проблемы и перспективные направления развития сельского хозяйства России до 2030 года // Экономика сельского хозяйства России. 2025. N6. С. 2-12. DOI: 10.32651/256-2.

6. Лобачевский Я.П., Лачуга Ю.Ф., Измайлов А.Ю., Шогенов Ю.Х. Научно-технические достижения агроинженерной науки в условиях цифровизации сельского хозяйства // Российская сельскохозяйственная наука. 2025. N3. С. 45-53. DOI: 10.31857/S2500262725030081.

7. Гостев А.В. Развитие цифровизации земледелия на примере разработки современных агротехнологий с использованием цифровых систем // Достижения науки и техники АПК. 2025. Т. 39. N1. С. 4-9. DOI: 10.53859/02352451_2025_39_1_4.

8. Альт В.В., Ценч Ю.С., Савченко О.Ф., Солошенко А.А. Методологические основы интеграции беспилотных летательных аппаратов в систему сельскохозяйственных машин // Российская сельскохозяйственная наука. 2025. N4. С. 59-67. DOI: 10.7868/S3034582025040114.

9. Лачуга Ю.Ф., Лобачевский Я.П., Алферов А.А. Сельскохозяйственная наука в развитии агропромышленного комплекса Российской Федерации // Вестник Российской академии наук. 2025. N6. С. 3-8. DOI: 10.7868/S3034520025060019.

10. Курбанов Р.К., Ценч Ю.С., Захарова Н.И. Основные тенденции в развитии технологии аэрофотосъемки сельскохозяйственных угодий // Сельскохозяйственные машины и технологии. 2025. Т. 19. N1. С. 86-95. DOI: 10.22314/2073-7599-2025-19-1-86-95.

11. Краснопевцев Б.В. Основные события истории фотограмметрии и воздушной съемки до 1918 года // Геодезия и картография. 1998. N8. С. 55-59.

12. Ценч Ю.С., Курбанов Р.К. История развития систем управления беспилотных воздушных судов // Сельскохозяйственные машины и технологии. 2023. Т. 17. N3. С. 4-15. DOI: 10.22314/2073-7599-2023-17-3-4-15.

13. Monmonier M. Aerial photography at the Agricultural Adjustment Administration: acreage controls, conservation benefits, and overhead surveillance in the 1930s. Photogrammetric Engineering & Remote Sensing. 2002. N68(12). 1257-1261.

14. Антипов И.Т. Развитие фотограмметрии в России // Гео-Сибирь. 2010. NS. С. 97-132. EDN: PFOGOP.

15. Комиссаров А.В., Головина Л.А. История развития кафедры фотограмметрии и дистанционного зондирования // Вестник СГУГиТ. 2023. Т. 28. N6. С. 173-179. DOI: 10.33764/2411-1759-2023-28-6-173-179.

16. Гольдман Л.М. Применение цветной аэросъемки для изучения местности (дешифрирование цветных аэроснимков // Труды Центрального научно-исследовательского института геодезии, аэросъемки и картографии. 1960. N137. С. 57-63.

17. Mulla D.J. Twenty five years of remote sensing in precision agriculture: Key advances and remaining knowledge gaps. Biosystems Engineering. 2013. N114(4). 358-371.

18. Reyes-Rosas A., Lara-Viveros F.M., Chávez-Cerón L., Khamkure S. Estimation of water potential in corn plants using machine learning techniques with UAV imagery and evaluating the effect of flying height. Engineering Proceedings. 2023. N56(1). 157. DOI: 10.3390/ASEC2023-15882.

19. Nesar S.B., Nugent P.W., Zidack N.K., Whitaker B.M. Unmanned aerial vehicle-based hyperspectral imaging for potato virus Y detection: machine learning insights. Remote Sensing. 2025. N17(10). 1735. DOI: 10.3390/rs17101735.

20. Sarkar S., Zhou J., Scaboo A. et al. Assessment of soybean lodging using UAV imagery and machine learning. Plants. 2023. N12(16). 2893. DOI: 10.3390/plants12162893.

21. Tueros M., Galindo M., Alvarez J. et al. Varietal identification and yield estimation in potatoes using UAV RGB imagery in the southern highlands of Peru. AgriEngineering. 2026. N8(2). 65. DOI: 10.3390/agriengineering8020065.