Современное растениеводство требует высокоточной и оперативной оценки густоты стояния сельскохозяйственных культур. Для сахарной свеклы данный показатель напрямую влияет на урожайность и рентабельность производства. Целью исследований является разработка и апробация методики автоматизированного учета всходов сахарной свеклы с использованием беспилотных летательных аппаратов (БПЛА) и алгоритмов глубокого обучения, обеспечивающей высокую точность и скорость обработки данных. Полевые исследования проведены в 2025 г. в Буздякском районе Республики Башкортостан на посевах промышленного гибрида сахарной свеклы. Съемка выполнялась БПЛА DJI Phantom 4 Pro с RGB-камерой на высоте 20 м. Первичная сегментация растительности проводилась по индексу Excess Green (ExG) с последующей бинаризацией и морфологической фильтрацией. Для детекции и классификации проростков применены архитектуры YOLOv8n и YOLOv5m, обученные на размеченной выборке аэрофотоснимков. Точность алгоритмов оценивалась сравнением с результатами визуального подсчета на контрольных участках. Модель YOLOv8n продемонстрировала наилучшие показатели (Precision – 0,80; Recall – 0,70; AP50-0,75; R² – 0,99) при минимальной относительной ошибке 1,11% и RMSE3,0. YOLOv5m показала сопоставимую корреляцию (R² – 0,98), но уступила по полноте и точности. Разработанный алгоритм позволил сформировать карту пространственного распределения всходов, пригодную для интеграции в системы точного земледелия. Предложенная технология обеспечивает сокращение трудозатрат на учет всходов в десятки раз по сравнению с ручными методами и исключает субъективные ошибки. Полученные результаты подтверждают возможность промышленного внедрения метода для оперативной оценки состояния посевов, принятия решений о пересеве и дифференцированного внесения агротехнологических мероприятий. Перспективы дальнейших исследований связаны с расширением функционала алгоритма для одновременного картографирования сорной растительности и адаптации метода к другим культурам. /Accurate and timely assessment of plant stand density is crucial for modern crop production, directly impacting sugar beet yield and profitability. This study aims to develop and validate a highly accurate automated method for counting sugar beet seedlings using unmanned aerial vehicles (UAVs) and deep learning algorithms, optimizing both precision and processing speed. Field experiments were conducted in 2025 on commercial sugar beet fields in the Buzdyak district of the Republic of Bashkortostan. A DJI Phantom 4 Pro UAV equipped with an RGB camera captured aerial imagery from a 20-meter altitude. Initial vegetation segmentation employed the Excess Green (ExG) index, followed by binarization and morphological filtering. The YOLOv8n and YOLOv5m deep learning architectures, trained on a manually annotated dataset of aerial images, were then implemented for seedling detection and classification. Algorithm performance was rigorously evaluated against manual seedling counts on control plots. The YOLOv8n model demonstrated superior performance (Precision: 0.80; Recall: 0.70; AP50: 0.75; R²: 0.99), achieving a minimum relative error of 1.11% and a root mean squared error (RMSE) of 3.0. While YOLOv5m exhibited comparable correlation (R²: 0.98), it displayed lower recall and precision. The developed algorithm enables the generation of spatial distribution maps of seedlings, readily integrated into precision agriculture systems. This technology significantly reduces labor costs for seedling counting – by orders of magnitude compared to manual methods – while also eliminating subjective errors. The obtained results demonstrate the feasibility for industrial implementation, enabling rapid crop condition assessment, informed replanting decisions, and targeted site-specific agro-technological interventions. Future research will focus on expanding the algorithm to incorporate simultaneous weed mapping and adapting it for use with other crops.

• ТЕХНИКА И ТЕХНОЛОГИИ АПК
• Интеллектуальная система учета и картографирования всходов сахарной свеклы по данным RGB-аэрофотосъемки с применением методов глубокого обучения
• С.Г. Мударисов1*, И.Р. Мифтахов2, И.М. Фархутдинов3
• Моделирование воздействия сжатого воздуха на поверхностный слой суглинистой почвы
• Я.П. Лобачевский 1 .С.И. Старовойтов 2
• Повышение эффективности механизированной уборки пшеницы в условиях Ирака с применением полиэтиленовых рукавов
• И.А.Х. Хуссейн1, А.Г. Левшин2*, И.Н. Гаспарян3
• Методика вибрационной диагностики гидравлической системы технологических машин при выполнении сельскохозяйственных работ на примере шестеренного насоса НШ-32А
• О.А. Ступин1*, А.В. Шитикова2, А.С. Апатенко3
• Композиционный биодеградируемый полимерный материал для фильтрационных систем
• Е.А. Улюкина1*, С.С. Гусев2, А.С. Свиридов3, Н.Д. Блинов4, Н.П. Попова5
• Направления совершенствования воспроизводства технического потенциала аграрного сектора экономики страны
• В.Т. Водянников1, Е.Ф. Малыха2, Н.В. Сергеева3
• Разработка агрегата штангового типа с пневмотранспортной системой для дифференцированного внесения тукосмесей в ресурсосберегающих геоинформационных агротехнологиях точного земледелия
• С.Д. Ридный1*, Е.В. Кулаев2, Д.И. Грицай3, Н.А. Баганов4, А.А. Димитров5, М.А. Мастепаненко6, А.Г. Арженовский7
• Технология изготовления серебросодержащих мембранных фильтров с бактериостатическими свойствами
• И.Б. Опарина1, А.Ю. Иванников2, М.А. Каплан3, М.А. Севостьянов4, А.Г. Колмаков5
• ТЕХНИЧЕСКИЙ СЕРВИС В АПК
• Оценка качества процесса обработки опорных шеек распредвалов под ремонтный размер с помощью статистических инструментов контроля
• О.А. Леонов1, Г.Н. Темасова2*, П.В. Голиницкий3, И.Н. Кравченко4, А.Н. Самордин5
• Устройство для мониторинга системы подачи воздуха и диагностических параметров работы ДВС сельскохозяйственной техники
• Ю.В. Катаев1*, А.С. Саяпин2, Е.В. Пестряков3, М.Н. Костомахин4, Н.А. Петрищев5
• ЭЛЕКТРИФИКАЦИЯ И АВТОМАТИЗАЦИЯ СЕЛЬСКОГО ХОЗЯЙСТВА
• Влияние параметров нагрузки и линии электропередачи на качество электрической энергии
• Т.А. Мамедов1, В.И. Загинайлов2*, А.Ю. Шелягина3, О.В. Лештаев4, Д.С. Карлаков5
• Способы снижения уровня электромагнитных помех статических преобразователей электроэнергии
• О.В. Григораш1*, Д.А. Нормов2, А.В. Савенко3, Е.А. Денисенко4, В.Л. Болотин5
• Математическая модель температурного поля конвективного теплообмена в фитотроне
• П.В. Дородов1, Е.Н. Гусенников2*, С.И. Юран3, Т.А. Широбокова4, И.Г. Поспелова5
• ТЕОРИЯ И МЕТОДИКА ПРОФЕССИОНАЛЬНОГО ОБРАЗОВАНИЯ
• Аграрное образование будущего: баланс между академическими знаниями и запросами рынка труда
• А.Л. Севостьянов1*, О.Ю. Гришаева2, С.И. Головин3, Р.А. Булавинцев4
• FARM MACHINERY AND TECHNOLOGIES
• Automated sugar beet seedling detection and mapping using a UAV-borne RGB camera and deep learning techniques
• S.G. Mudarisov1*, I.R. Miftakhov2, I.M. Farkhutdinov3
• Modeling the impact of compressed air on the surface layer of loamy soil
• Y.P. Lobachevsky 1, S.I. Starovoitov 2
• Improving the efficiency of mechanized wheat harvesting in Iraq using polyethylene hoses
• I.A.H. Hussein1, A.G. Levshin2*, I.N. Gasparyan3
• Vibration diagnostics method applied to the hydraulic equipment of technological machines: a case of a gear pump NSh-32A
• O.A. Stupin1, A.V. Shitikova2, A.S. Apatenko3
• Biodegradable polymer composite for filtration applications
• E.A. Ulyukina1*, S.S. Gusev2, A.S. Sviridov3, N.D. Blinov4, N.P. Popova5
• Areas for improving the technical capacity reproduction of the national agricultural sector
• V.T. Vodyannikov1, E.F. Malykha2, N.V. Sergeeva3
• Design of a pneumatic boom unit for variable-rate fertilizer application in resource-saving geoinformation agrotechnologies of precision farming
• S.D. Ridniy1*, E.V. Kulaev2, D.I. Gritsai3, N.A. Baganov4, A.A. Dimitrov5, M.A. Mastepanenko6, A.G. Arzhenovskiy7
• Technology for the production of silver-containing membrane filters with bacteriostatic properties
• I.B. Oparina1, A.Yu. Ivannikov2, M.A. Kaplan3, M.A. Sevostyanov4, A.G. Kolmakov5
• TECHNICAL SERVICE IN AGRICULTURE
• Quality assessment of machining the main bearings journals of camshafts to oversize dimensions using statistical process control tools
• O.A. Leonov1, G.N. Temasova2*, P.V. Golinitskiy3, I.N. Kravchenko4, A.N. Samordin5
• Device for monitoring the air intake system and diagnostic parameters of agricultural machinery engines
• Yu.V. Kataev1*, A.S. Sayapin2, E.V. Pestryakov3, M.N. Kostomakhin4, N.A. Petrishchev5
• POWER SUPPLY AND AUTOMATION OF AGRICULTURAL PRODUCTION
• Impact of load and transmission line parameters on power quality
• T.A. Mamedov1, V.I. Zaginailov2*, A.Yu. Shelyagina3, O.V. Leshtaev4, D.S. Karlakov5
• Ways to reduce electromagnetic interference in static electric power converters
• O.V. Grigorash1*, D.A. Normov2, A.V. Savenko3, E.A. Denisenko4, V.L. Bolotin5
• Mathematical model of the temperature field of convective heat exchange in a phytotron
• P.V. Dorodov1, E.N. Gusennikov2*, S.I. Yuran3, T.A. Shirobokova4, I.G. Pospelova5
• THEORY AND METHODOLOGY OF PROFESSIONAL EDUCATION
• Agricultural education of the future: a balance between academic knowledge and labor market demands
• A.L. Sevostyanov1*, O.Yu. Grishaeva2, S.I. Golovin3, R.A. Bulavintsev4