Оснащение элементами автоматизации механических устройств очистки не в полной мере обеспечивает качество очистки товарной продукции от механических примесей. Внедрение системы цифровой идентификации разделяемых биологических объектов от механических примесей на основе гиперспектрального отражения поможет решить данную проблему. Исследования проведены с целью изучения подходов по обработке данных гиперспектрального отражения клубней картофеля и почвенных комков использованием модели нейронной сети YOLOv8 цифровой системы идентификации почвенных комков от клубней картофеля картофелеуборочного комбайна. Разработали конструктивную схему картофелеуборочного комбайна с цифровой системой идентификации биологических объектов на основе гиперспектрального отражения клубней картофеля и распознавания почвенных комков в автоматизированном режиме. Распознавание клубней картофеля и комков почвы на изображениях выполнили с помощью обученных моделей с выделением областей поражения. Получили кривые оценки точности и полноты распознавания комков почвы в диапазоне длин волн 500…700 нм. Оптимальный уровень уверенности для моделей нейронных сетей составил 0,28 для комков почвы и 0,37 – для клубней картофеля. Определили параметры расчета метрик бинарной и мультиклассовой классификации разработанных моделей сверточных нейронных сетей на различных диапазонах длин волн по классам «Картофель», «Почва на картофеле» и «Комок почвы». Установили, что при длине волны 600 нм достигается наивысшая средняя точность распознавания комков почвы mAP 0,329 и клубней картофеля mAP 0,407. Полученные гиперспектральные данные обладают значительным потенциалом для точной классификации и распознавания болезней и повреждений на клубнях и могут быть использованы для выявления незначительных изменений в состоянии клубней. Точность неинвазивного распознавания комков почвы и клубней картофеля с использованием гиперспектральных изображений сравнима с точностью экспертовлюдей (отклонение – не более 11,3%). /Equipping mechanical cleaning devices with automation elements does not fully ensure the quality of cleaning commercial products from mechanical impurities. A possible solution is a system of digital identification of separated biological objects from mechanical impurities based on hyperspectral reflection. The authors carried out research to study approaches to processing hyperspectral reflection data of potato tubers and soil clods using the model of neural network YOLOv8 digital system of identification of soil clods mixed with potato tubers in a potato harvester. They have developed a structural scheme of a potato harvester with a digital system of identification of biological objects based on the hyperspectral reflection of potato tubers and recognition of soil clods in an automated mode. Potato tubers and soil clods in the images were recognized using trained models with the selection of lesion areas. The authors obtained curves of accuracy and completeness of soil clods recognition in the wavelength range between 500 and 700 nm. The optimal confidence level for neural network models was 0.28 for soil clods and 0.37 for potato tubers. The authors determined the calculation parameters of binary and multiclass classification metrics of the developed convolutional neural network models at different wavelength ranges for the classes “Potatoes”, “Soil on potatoes”, and “Soil clods”. The authors found that the highest average recognition accuracy for soil clods of mAP 0.329 and that for potato tubers of mAP 0.407 was recorded at a wavelength of 600 nm. The hyperspectral data obtained can significantly increase the accuracy of classification and recognition of diseases and lesions on tubers and can be used to identify minor changes in tuber condition. The accuracy of non-invasive recognition of soil clods and potato tubers using hyperspectral images is comparable to that of human experts (with a deviation of no more than 11.3%).

• ТЕХНИКА И ТЕХНОЛОГИИ АПК
• Разработка элементов цифровой системы идентификации почвенных комков от клубней картофеля картофелеуборочного комбайна
• А.С. Дорохов¹, М.Н. Ерохин2, А.В. Сибирёв3*, М.А. Мосяков4, Д.Н. Кынев5
• Лабораторные исследования МЭС сельскохозяйственного назначения с автономным электроприводом тягового класса 0,6
• З.А. Годжаев1, С.Е. Сенькевич2, Н.А. Майстренко3, А.Г. Левшин4, И.С. Алексеев5, Е.Н. Ильченко6, С.Ю. Уютов7
• Влияние конструктивных параметров приемного устройства пневмотранспортера сушилки аэродинамического нагрева на его производительность
• А.И. Купреенко1*, Х.М. Исаев2, А.Г. Ялоза3, О.А. Купреенко4, С.Х. Исаев5
• Хозяйственная проверка технологии осциллирующей сушки зерна
• М.Г. Загоруйко1, И.А. Башмаков2*
• Математическое моделирование работы конусного высевающего аппарата селекционной сеялки
• А.С. Чулков1*, М.М. Шайхов2
• Параметры работы фотосепаратора для эффективной очистки семян люцерны от повилики
• Д.С. Тарабрин1*, В.А. Гулевский2
• Оптимизация диагностирования узлов и агрегатов тракторов Кировец К-742М с помощью программы ЭВМ на языке программирования Python
• Д.А. Москвичев
• ТЕХНИЧЕСКИЙ СЕРВИС В АПК
• Антикоррозийные свойства удобрения БОРАМ и его влияние на урожайность картофеля
• А.С. Барчукова1, С.М. Ветрова2, О.М. Лапсарь3, А.М. Пикина4*
• ЭЛЕКТРИФИКАЦИЯ И АВТОМАТИЗАЦИЯ СЕЛЬСКОГО ХОЗЯЙСТВА
• Практическое исследование системы электроснабжения сельских потребителей, питаемых от электрических сетей железных дорог
• С.В. Кириллов1, А.В. Виноградов2, 3*
• ТЕОРИЯ И МЕТОДИКА ПРОФЕССИОНАЛЬНОГО ОБРАЗОВАНИЯ
• Актуальные направления психолого-педагогического сопровождения подготовки инженерных кадров для сельского хозяйства
• Т.П. Коваленок1*, Л.В. Занфирова2, Л.И. Назарова3
• Воспитание традиционных ценностей в цифровой среде: вызовы и возможности для современного образования
• С.Е. Шишов1*, В.А. Кальней2
• Портрет молодого человека: профессиональные предпочтения и готовность к реализации жизненных планов на селе
• И.А. Мамаева1*, Т.М. Василькова2, Ю.В. Савин3
• FARM MACHINERY AND TECHNOLOGIES
• Development of elements of a digital system for identifying soil lumps and separating them from potato tubers in a potato harvester
• A.S. Dorokhov1, M.N. Erokhin2, A.V. Sibirev3*, М.А. Mosyakov4, D.N. Kynev5
• Laboratory studies of agricultural mobile power vehicles with an autonomous electric drive of traction class 0.6
• Z.A. Godzhaev1, S.E. Senkevich2, N.A. Maistrenko3, A.G. Levshin4, I.S. Alekseev5, E.N. Ilchenko6, S.Yu. Uyutov7
• Influence of the design parameters of the intake of a pneumatic conveyor of an aerodynamic heating dryer on its efficiency
• A.I. Kupreenko1*, Kh.M. Isaev2, A.G. Yaloza3, O.A. Kupreenko4, S.K. Isaev5
• On-farm test of the oscillating grain drying technique
• M.G. Zagoruiko1, I.A. Bashmakov2*
• Mathematical modeling of the operation of a cone-type seeding unit of a crop breeding seeder
• A.S. Chulkov1*, M.M. Shaykhov2
• Operating parameters of a color sorter used for effective cleaning alfalfa seeds from dodder
• D.S. Tarabrin1*, V.A. Gulevskiy2
• Optimization of diagnostics of units and assemblies of Kirovets K-742M tractors using software in the Python programming language
• D.A. Moskvichev
• TECHNICAL SERVICE IN AGRICULTURE
• Anticorrosive properties of the BORAM fertilizer and its effect on the potato yield
• A.S. Barchukova1, S.M. Vetrova2, O.M. Lapsar3, A.M. Pikina4*
• POWER SUPPLY AND AUTOMATION OF AGRICULTURAL PRODUCTION
• Practical study of the power supply system of rural consumers fed from railway-owned electricity networks
• S.V. Kirillov1, A.V. Vinogradov2,3*
• THEORY AND METHODOLOGY OF PROFESSIONAL EDUCATION
• Current trends in psychological and pedagogical support for training agricultural engineering staff
• T.P. Kovalenok1*, L.V. Zanfirova2, L.I. Nazarova3
• Fostering traditional values in a digital environment: challenges and opportunities for modern education
• S.E. Shishov1*, V.A. Kalnei2
• Portrait of a young person: professional preferences and readiness to implement life plans in rural areas
• I.A. Mamaeva1*, T.M. Vasilkova2, Y.V. Savin3