Показали, что аграрное производство в Российской Федерации динамично развивается, экспорт сельскохозяйственной продукции достигает 25 миллиардов долларов. В то же время этот показатель в других странах значительно больше, например, в Китае он превысил 75 миллиардов долларов. Установили, что реализовать имеющийся потенциал можно, если повысить эффективность аграрного производства путем создания и внедрения средств автоматизации, роботизации, цифровых технологий, искусственного интеллекта. Отметили, что в результате можно повысить производительность труда в 2,5-3,5 раза; увеличить урожайность культур в 2-3 раза; снизить энергетические и материальные затраты в 3-4 раза; обеспечить экологическую безопасность сельскохозяйственного производства и окружающей среды. Разработали концепцию интеллектуального сельского хозяйства, в которой выделили следующие сферы применения цифровых технологий: комплексное управление производством; цифровые технологии в растениеводстве, животноводстве, энергообеспечении, хранении и переработке продукции; цифровую инженерию сельских поселений. Представили этапы процесса цифровизации сельскохозяйственного производства, включающие: систему мониторинга условий и параметров агропромышленного производства; систему передачи информации; искусственный интеллект и облачные технологии, на базе которых формируются управленческие решения; реализацию управленческих решений роботизированными техническими средствами. Обосновали примеры применения цифровых технологий в полеводстве, садоводстве, животноводстве, искусственных экосистемах. Подтвердили, что  в животноводстве эти технологии обеспечивают мониторинг перемещения животных, их физиологического состояния, параметров микроклимата в помещениях, контроль качества кормов и молока. Констатировали, что Федеральный научный агроинженерный центр ВИМ имеет необходимую образовательную инфраструктуру, аккредитованные магистратуру и аспирантуру для подготовки специалистов по цифровому сельскому хозяйству.

С 1930 по 1991 год в нашей стране была создана и в течение 90-летнего периода совершенствовалась и эффективно действовала стройная система агроинженерных высших учебных заведений и факультетов механизации, которые успешно решили проблему подготовки инженерных кадров для развивающегося механизированного сельского хозяйства. С распадом СССР произошли существенные изменения в системе агроинженерного образования страны. В результате многочисленных реорганизаций и реформ в системе высшего образования России агроинженерные вузы прекратили самостоятельное существование, присоединившись к аграрным университетам. Слияние научно-исследовательских институтов, образование на их базе крупных федеральных научных центров делают целесообразной реализацию непрерывной системы профессионального образования (магистратуры, аспирантуры, докторантуры). В Федеральном научном агроинженерном центре ВИМ для подготовки современных агроинженерных кадров в области автоматизации, роботизации, цифровых технологий развивается непрерывная система высшего агроинженерного образования. Реализация высшего образования – по образовательным программам магистратуры – стала новой задачей Федерального научного агроинженерного центра ВИМ.

Развитие современной семеноводческой отрасли может способствовать увеличению сельскохозяйственного производства и повышению эффективности до 40 процентов. Механизация полевых экспериментов стала важным средством улучшения производительности и точности результатов в селекции. Существует большой разрыв в уровне механизации и развития полевых экспериментов в разных странах мира. Международная Ассоциация по механизации полевых экспериментов, созданная в 1964 году, сыграла большую роль в содействии развитию механизации полевых экспериментов в мире. В настоящее время передовое оборудование для полевых экспериментов в основном сосредоточено у международных производителей, таких как Wintersteiger в Австрии, Almaco в США, Haldrup и Zürn в Германии. В Китае хорошо развито аграрное производство. Спрос на основные продовольственные культуры в стране за последние 10 лет составляет: на семена риса около 250 миллионов килограммов и на семена кукурузы 1,15 миллиарда килограммов. Большой спрос на семена способствовал значительному прогрессу в механизации полевых экспериментов в Китае. Исследовательская группа Сельскохозяйственного университета Циндао разработала 16 типов новых сеялок и комбайнов, которые широко применяются в Китае. Но большое разнообразие культур, схем посадки, а также региональные особенности обусловливают более высокие требования к адаптации полевого экспериментального оборудования. Необходимо и дальше работать над улучшением точности посева, повышением эффективности очистки посевного и уборочного оборудования, а также развитием интеллектуальных технологий. Для повышения эффективности и точности работы следует уделять больше внимания интеграции современных информационных и интеллектуальных технологий при создании оборудования для полевых испытаний.

В 2021 году правительство Китая выделило 19 миллиардов юаней на субсидирование сельскохозяйственной техники. Данные, точно описывающие масштабы китайского рынка сельскохозяйственной техники, могут быть получены с помощью анализа программы государственного субсидирования закупки сельскохозяйственной техники, в результате чего можно сделать вывод об общей стоимости рынка автозапчастей. После введения субсидий на закупку сельхозтехники уровень комплексной механизации растениеводтва быстро увеличился. В 2019 году он превысил 70 процентов, а производство трех основных продовольственных культур – пшеницы, риса и кукурузы – было в основном механизировано. Показали масштаб китайского рынка комплектного оборудования и ключевых видов сельхозтехники и основные рынки ее сбыта. Провели анализ состояния китайских компаний-дистрибьюторов и групп-закупщиков китайской сельскохозяйственной техники. Дали предложения по развитию рынка сбыта сельхозтехники в стране. Выявили серьезные противоречия, основным из которых стало несоответствие между спросом и предложением. Уровень комплексной механизации пшеницы, риса и кукурузы относительно высок, в то же время он относительно низок при производстве хлопкового масла, сахара и овощного чая. Уровень механизации на северных равнинах выше, чем в холмистых и горных районах юга. Из отраслей лучше механизировано растениеводство, в отличие от  животноводства, рыболовства и переработки. Противоречие между производителями и дистрибьюторами, а также конечными потребителями только усиливается. Показали возможность эффективного ведения сельского хозяйства и обоснованного вложения инвестиций в покупку сельхозтехники. Только тогда, когда сельское хозяйство станет конкурентоспособным, эффективным и выгодным, а покупка сельскохозяйственной техники дает хорошую окупаемость инвестиций, отрасль может благоприятно развиваться.

Обработка семян – важное звено в цепочке семеноводства. Отрасль растениеводства – это национальная стратегическая и базовая отрасль промышленности страны. Сушка, очистка, отбор, сортировка, дражирование, упаковка и хранение семян сельскохозяйственных культур являются основными мерами по обеспечению точного посева сельскохозяйственных культур и увеличения урожайности и доходов зерна. Постоянное повышение интеллектуального уровня оборудования для обработки семян имеет большое значение для получения и поставки отличных семян и обеспечения стабильности сельскохозяйственного производства. В этой работе описывается состояние разработки современного оборудования для обработки семян в Китае, рассказывается о создании центра инженерных технологий оборудования для обработки семян. На примере технологий и оборудования для обработки семян кукурузы, риса, пшеницы и хлопка описываются ключевые технологии и технологический процесс, лежащие в основе технологического прорыва в обработке семян основных сельскохозяйственных культур. Анализируются существующие проблемы, связанные с оборудованием для обработки семян в Китае на данном этапе, а также будущие тенденции развития обработки семян. Статья предоставляет рекомендации для лиц, принимающих правительственные решения в области проблем механических повреждений семян в процессе обработки и решения о дальнейшем повышении уровня интеллектуализации обработки семенного материала. Данная работа способствует дальнейшему развитию глобальных технологий в этой сфере.

Сельскохозяйственная техника стала ключевой областью современных научных и технологических инноваций. В последние годы Китай добился больших успехов в разработке высокопроизводительной интеллектуальной сельскохозяйственной техники и применении передовых технологий, которые способствуют эффективному использованию сельскохозяйственных ресурсов и экологически безопасному развитию, а также обеспечивают 70 процентов производства в области механизации сельского хозяйства в Китае. В этой работе основное внимание уделяется инновациям и достижениям в области технологии интеллектуального сельскохозяйственного оборудования в Китае, а именно вопросам восприятия информации, технологии точного мониторинга производства, проблемам технологий интеллектуального управления операциями,  энергетического оборудования, машин для обработки сельскохозяйственных угодий, интеллектуальной технологии сбора урожая, технологий производства и оборудования для переработки сельхозпродукции. В статье также прогнозируется, что в будущем экологичность, интеллект и универсальность станут основными характеристиками развития технологий интеллектуальной сельскохозяйственной техники, а перекрестная интеграция, рост и расширение неотрывно связаны с технологическими инновациями. Наконец, на основе прикладного характера китайской интеллектуальной сельскохозяйственной техники и передовых технологий, учитывая цели инновационного развития и направления исследований будущего интеллектуального сельскохозяйственного оборудования, принимая во внимание научные и технологические инновации и тенденции промышленного развития в области механизации сельского хозяйства и возможности интеллектуальной интеграции, авторы выдвигают некоторые предложения в направлении исследований будущего интеллектуального сельскохозяйственного оборудования.

Показали, что существующие модели промышленных роботов не могут выполнять технологические процессы уборки урожая яблок. Отметили необходимость разработки специальных исполнительных устройств, захватных приспособлений и новых алгоритмов управления для сбора урожая в садоводстве. (Цель исследования) Разработать систему интеллектуального управления промышленными технологиями в садоводстве и роботизированные технические средства для мониторинга урожайности и сбора плодов. (Материалы и методы) Использовали современные методы компьютерного моделирования и программирования. Применили методологию системного анализа, теорию искусственных нейронных сетей, распознавание образов, цифровую обработку сигналов. Разработку программного обеспечения программно-аппаратных средств проводили в соответствии с требованиями ГОСТ. Использовали языки программирования С/С++ с библиотекой OpenCV, Python-среду разработки Spyder, фреймворк PyTorch и Flask, а также JavaScript. Разметку изображений для обучения нейронных сетей провели в VGG ImageAnnotator и в Labelbox. При проектировании оперировали методом конечных элементов, программной средой САПР SolidWorks. (Результаты и обсуждение) Создали систему интеллектуального управления промышленными технологиями в садоводстве на базе программно-аппаратного комплекса «Агроинтеллект ВИМ». Показали, что концепция системы реализуется с помощью компьютерной и коммуникационной техники, роботизированных машин, программного обеспечения для сбора, систематизации, анализа и хранения данных. Определили, что захват аккуратно фиксирует яблоко и надежно удерживает его. Время на фиксацию плода в зависимости от размера составляет 1,5-2,0 секунды, максимальные размеры плода – 85 на 80 миллиметров, а его максимальный вес – 500 граммов. (Выводы) Разработанный программно-аппаратный комплекс системы интеллектуального управления промышленными технологиями «Агроинтеллект ВИМ» обеспечивает оперативную обработку в реальном времени информации, необходимой для проектирования интеллектуальных агротехнологий с применением роботизированных машин и систем искусственного интеллекта.

Показали возможность оперативного сбора актуальной информации о состоянии сельскохозяйственных угодий с помощью беспилотного воздушного судна. Отметили, что использование наземных опорных точек повышает точность измерений в проекте, помогает сравнить результаты постобработки проекта с реальными измерениями. (Цель исследования) Сравнить результаты стандартной и высокоточной постобработки данных аэрофотосъемки с использованием наземных опорных точек. (Материалы и методы) Провели аэрофотосъемку на селекционном поле площадью 1,1 гектара. Использовали беспилотное воздушное судно DJI Matrice 200 v2 с приемником GNSS L1/L2 и модифицированной камерой DJI X4S, пять опорных точек размером 50 × 50 сантиметров и мультичастотный GNSS-приемник EMLID Reach RS2. Изучили результаты научных исследований по применению наземных опорных точек при проведении аэрофотосъемки. (Результаты и обсуждение) Определили, что погрешность геопривязки изображений, полученных посредством беспилотного воздушного судна, без опорных точек значительно выше при стандартной обработке данных по сравнению с высокоточной. Погрешность проекта при применении пяти опорных точек выше в 3,9 раза для стандартной обработки данных. (Выводы) Показали, что с помощью наземных опорных точек можно повысить точность измерений в проекте, а также сравнить результаты его постобработки с измерениями на местности. Определили, что высокоточный мониторинг позволяет обойтись меньшим количеством наземных опорных точек. Выявили, что для получения данных с точностью 2-4 сантиметра в плане и по высоте при высокоточной постобработке нужно использовать не менее 3 наземных опорных точек.

Интенсификация сельскохозяйственного производства привела к нарушению циклов биогенных веществ в агроэкосистемах. В животноводстве одной из ключевых проблем стала низкая степень использования органических удобрений на основе навоза и помета. (Цель исследования) Обосновать основные принципы оценки экологической устойчивости агроэкосистем и разработать инженерные методы обеспечения экологической безопасности в животноводстве. (Материалы и методы) Для решения задач агроэкологической оценки, выбора эффективных технологий и создания интеллектуализированных систем использовали показатели: удельную плотность животных (преимущественно для макрооценки); баланс питательных веществ (разницу между количеством азота в органических удобрениях и экологически безопасным потреблением); потери азота при утилизации органических отходов животноводства; эффективность внедрения наилучших доступных технологий. (Результаты и обсуждение). Выявили, что по первым двум показателям три района Ленинградской области относятся к территориям с чрезмерным риском для окружающей среды, один район – с высоким риском, пять – с допустимым и восемь районов – с незначительным риском. Для решения проблем в районах с чрезмерной и высокой нагрузкой провели оценку по третьему и четвертому показателям. Исследовали технические решения и подобрали наилучшие доступные технологии для снижения нагрузки на окружающую среду. Показали преимущества основных технических решений в области утилизации органических отходов животноводства – биоферментации и внесения жидких органических удобрений. Определили, что биоферментационные установки позволяют сократить выбросы загрязняющих газов в 2 раза и более, ускорить процесс переработки в 60 раз. Для работы с жидкой органикой разработали интеллектуализированные машины с низкоэмиссионными рабочими органами, позволяющие снизить потери азота при внесении до 50 процентов. Разработали цифровую систему для моделирования сценариев технологического развития и их влияния на экологическую устойчивость агроэкосистем. (Выводы) Сформулировали принципы системного анализа экологической устойчивости агроэкосистем с предложением конкретных технических и оптимизационных решений для животноводства.

Показали, что производство органической продукции – это активно растущий мировой бизнес: в 2017 году он занимал более 1,4 процента всех сельскохозяйственных угодий планеты. Подчеркнули актуальность цифровизации на фоне постоянного роста базы данных, которые фермеру необходимо оперативно и эффективно обрабатывать. (Цель исследования) Сформировать структуру информационно-коммуникационной системы «умного» растениеводческого органического хозяйства и необходимую базу данных для ее обучения и обеспечения функционирования. (Материалы и методы) Использовали ранее выполненные исследования, включая созданные базы данных и информацию из литературных источников. С 2016 года для заполнения экспериментальными данными информационной базы проводится многофакторный опыт c картофелем в рамках органического севооборота. (Результаты и обсуждение) Сформировали структуру информационно-коммуникационной системы «умного» растениеводческого органического хозяйства. За ее основу приняли цифровую карту территории и цифровые модели сельскохозяйственных культур. Решили в ходе работы системы ежедневно вносить изменения в цифровую модель сельскохозяйственной культуры на основе поступающей агроэкологической информации, а также подготовить рекомендации по оптимальному выбору и использованию очередных технологических операций. Выявили, что в полевом опыте за четыре года урожайность картофеля в контрольном варианте (без внесения компоста и пестицидов) составила в среднем 21,7 тонны на гектар, а при использовании компоста и биофунгицида Картофин она увеличилась до 26,7 тонны на гектар. Рассчитали уравнения множественной линейной регрессии, описывающие зависимость содержания минеральных форм азота в почве в июне от суммы активных температур в этот период и дозы компоста (коэффициент корреляции 0,658) и зависимость урожайности картофеля от содержания в почве минеральных форм азота в первую декаду июня и суммы активных температур в мае – июне (коэффициент корреляции 0,667). (Выводы) Представили структуру информационно-коммуникационной системы органического сельхозпредприятия, обосновали возможность ее полной реализации в качестве инструмента, помогающего агропроизводителям осуществлять экологически безопасное, конкурентоспособное и эффективное органическое производство на новом уровне.