vetpressАграрная наукаAgrarian science0869-81552686-701XРедакция журнала "Аграрная наука"10.32634/0869-8155-2025-395-06-148-155vetpress-3705Research ArticleАГРОИНЖЕНЕРИЯ И ПИЩЕВЫЕ ТЕХНОЛОГИИAGROENGINEERING AND FOOD TECHNOLOGIESОбоснование цифровой системы идентификации инфекционных заболеваний и удаления зараженных растений картофеляSubstantiation of a digital system for the identification of infectious diseases and removal of infected potato plantsТетеринВ. С.TeterinV. S.

Владимир Сергеевич Тетерин, кандидат технических наук, старший научный сотрудник отдела возделывания и уборки овощных культур открытого грунта

1-й Институтский проезд, 5, Москва, 109428

Vladimir Sergeevich Teterin, Candidate of Technical Sciences, Senior Researcher at the Department of Cultivation and Harvesting of Outdoor Vegetable Crops

5 1st Institute Passage, Moscow, 109428

v.s.teterin@mail.ruhttps://orcid.org/0000-0001-7431-7834ПанферовН. С.PanferovN. S.

Николай Сергеевич Панферов, кандидат технических наук, старший научный сотрудник отдела возделывания и уборки овощных культур открытого грунта

1-й Институтский проезд, 5, Москва, 109428

Nikolay Sergeevich Panferov, Candidate of Technical Sciences, Senior Researcher at the Department of Cultivation and Harvesting of Outdoor Vegetable Crops

5 1st Institute Passage, Moscow, 109428

nikolaj-panfyorov@yandex.ruhttps://orcid.org/0000-0002-2188-1527ОвчинниковА. Ю.OvchinnikovA. Yu.

Алексей Юрьевич Овчинников, младший научный сотрудник отдела возделывания и уборки овощных культур открытого грунта

1-й Институтский проезд, 5, Москва, 109428

Alexey Yuryevich Ovchinnikov, Junior Researcher at the Department of Cultivation and Harvesting of Outdoor Vegetable Crops

5 1st Institute Passage, Moscow, 109428

aleksovchinn@gmail.comhttps://orcid.org/0000-0001-9471-6074ПехновС. А.PehnovS. A.

Сергей Александрович Пехнов, старший научный сотрудник отдела возделывания и уборки овощных культур открытого грунта

1-й Институтский проезд, 5, Москва, 109428

Sergey Alexandrovich Pehnov, Senior Researcher at the Department of Cultivation and Harvesting of Outdoor Vegetable Crops

5 1st Institute Passage, Moscow, 109428

pehnov@mail.ruhttps://orcid.org/0009-0002-8971-1943КондраховД. Д.KondrakhovD. D.

Даниил Дмитриевич Кондрахов, аспирант

1-й Институтский проезд, 5, Москва, 109428

Daniil Dmitrievich Kondrakhov, Graduate Student

5 1st Institute Passage, Moscow, 109428

TancorKondor@yandex.ruФедеральный научный агроинженерный центр ВИМРоссияFederal Scientific Agroengineering Center VIMRussian Federation20252406202506148155Copyright © Тетерин В.С., Панферов Н.С., Овчинников А.Ю., Пехнов С.А., Кондрахов Д.Д., 20252025Тетерин В.С., Панферов Н.С., Овчинников А.Ю., Пехнов С.А., Кондрахов Д.Д.Teterin V.S., Panferov N.S., Ovchinnikov A.Y., Pehnov S.A., Kondrakhov D.D.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://www.vetpress.ru/jour/article/view/3705Актуальность

Актуальность. Важную роль в селекции и семеноводстве картофеля играет предотвращение распространения инфекций на этапах производства семенного материала и выведении новых сортов. В настоящее время в селекции и семеноводстве используется ручной или механизированный способ проведения сортофитопрочисток, который обладает низким уровнем автоматизации и подразумевает наличие оператора выбраковывающего и удаляющего растения картофеля.

Цели исследования — теоретическое обоснование цифровой системы идентификации инфекционных заболеваний растений картофеля и разработка алгоритма работы по выявлению координат заболевших растений для их последующего удаления.

Методы

Методы. В процессе разработки системы распознавания зараженных растений картофеля и определения координат их клубневого гнезда использовали технологии машинного зрения и алгоритмы глубокого обучения, а также базу данных изображений зараженных растений. Для определения реального размера объекта на кадре, а также для минимизации искажений объектива и учета углов наклона камеры относительно объектов использовали фотограмметрические методы.

Результаты

Результаты. Теоретически обоснована необходимость создания цифровой системы идентификации инфекционных заболеваний растений картофеля для их последующего эффективного выявления и удаления. Учтены возможные искажения изображений из-за дисторсии объектива и изменения углов внешнего ориентирования при движении машины, что позволяет корректировать координаты и повышать точность определения местоположения растений. Предложен алгоритм совместной работы системы распознавания зараженных растений картофеля, системы определения координат заболевших растений и исполнительного механизма извлечения растений из почвы.

Relevance

Relevance. Prevention of the spread of infections at the stages of seed production and breeding of new varieties plays an important role in potato breeding and seed production. Currently, in breeding and seed production, a manual or mechanized method of carrying out variety harvesting is used, which has a low level of automation and implies the presence of an operator culling and removing potato plants. The objectives of the study are the theoretical substantiation of a digital identification system for infectious diseases of potato plants and the development of an algorithm for identifying the coordinates of diseased plants for their subsequent removal.

Methods

Methods. In the process of developing a system for recognizing infected potato plants and determining the coordinates of their tuber nest, machine vision technologies and deep learning algorithms, as well as a database of images of infected plants, were used. Photogrammetric methods were used to determine the actual size of the object in the frame, as well as to minimize lens distortion and take into account camera angles relative to objects.

Results

Results. The necessity of creating a digital identification system for infectious diseases of potato plants for their subsequent effective detection and removal is theoretically substantiated. Factors affecting the accuracy of determining coordinates, such as lens distortion and camera orientation angles, are taken into account. An algorithm for the joint operation of a system for recognizing infected potato plants, a system for determining the coordinates of diseased plants, and an actuating mechanism for extracting plants from the soil is proposed. 

цифровая система идентификациикартофельидентификация заболеванийселекция и семеноводствосортофитопрочисткамашинное зрениеопределение координат растенияудаление зараженных растенийdigital identification systemidentification of potato diseasesbreeding and seed productionvariety screeningmachine visiondetermination of plant coordinatesremoval of infected plantsИсследование выполнено при финансовой поддержке Российского научного фонда № 23-76-10062 «Разработка роботизированного комплекса с цифровой системой интеллектуального управления для ухода за растениями картофеля и исследование закономерностей распространения инфекционных заболеваний в полевых условиях производства семян».The research was carried out with the financial support of the Russian Science Foundation No. 23-76-10062 “The development of a robotic complex with a digital intelligent control system for the care of potato plants and the study of patterns of the spread of infectious diseases in the field of seed production.”ReferencesKing J.C., Slavin J.L. White Potatoes, Human Health, and Dietary Guidance. Advances in Nutrition. 2013; 4(3): 393S–401S. https://doi.org/10.3945/an.112.003525King J.C., Slavin J.L. White Potatoes, Human Health, and Dietary Guidance. Advances in Nutrition. 2013; 4(3): 393S–401S. https://doi.org/10.3945/an.112.003525Koch M., Naumann M., Pawelzik E., Gransee A., Thiel H. The Importance of Nutrient Management for Potato Production Part I: Plant Nutrition and Yield. Potato Research. 2020; 63(1): 97–119. https://doi.org/10.1007/s11540-019-09431-2Koch M., Naumann M., Pawelzik E., Gransee A., Thiel H. The Importance of Nutrient Management for Potato Production Part I: Plant Nutrition and Yield. Potato Research. 2020; 63(1): 97–119. https://doi.org/10.1007/s11540-019-09431-2Naumann M., Koch M., Thiel H., Gransee A., Pawelzik E. The Importance of Nutrient Management for Potato Production Part II: Plant Nutrition and Tuber Quality. Potato Research. 2020; 63(1): 121–137. https://doi.org/10.1007/s11540-019-09430-3Naumann M., Koch M., Thiel H., Gransee A., Pawelzik E. The Importance of Nutrient Management for Potato Production Part II: Plant Nutrition and Tuber Quality. Potato Research. 2020; 63(1): 121–137. https://doi.org/10.1007/s11540-019-09430-3Зейрук В.Н., Васильева С.В., Новикова И.И., Белякова Н.А., Деревягина М.К., Белов Г.Л. Перспективы развития экологических приемов защиты картофеля от болезней и вредителей. Аграрная наука. 2019; (S3): 54–59. https://doi.org/10.32634/0869-8155-2019-326-3-54-59Zeyruk V.N., Vasilyeva S.V., Novikova I.I., Belyakova N.A., Derevyagina M.K., Belov G.L. Prospects of development of ecological methods of potato protection from diseases and pests. Agrarian science. 2019; (S3): 54–59 (in Russian). https://doi.org/10.32634/0869-8155-2019-326-3-54-59Сибирёв А.В. и др. Прогнозирование уровня биологических рисков возникновения и распространения инфекционных и паразитарных заболеваний картофеля. Вестник российской сельскохозяйственной науки. 2024; (2): 89–95. https://doi.org/10.31857/S2500208224020189Sibirev A.V. et al. Forecasting the level of biological risks of the emergence and spread of infectious and parasitic potato diseases. Vestnik of the Russian agricultural science. 2024; (2): 89–95 (in Russian). https://doi.org/10.31857/S2500208224020189Дорохов А.С., Сибирёв А.В., Аксенов А.Г., Мосяков М.А. Аналитические исследования машинно-технологических комплексов для сортофитопрочистки посадок картофеля и овощных культур в селекции и семеноводстве. Аграрный научный журнал. 2022; (4): 76–82. https://doi.org/10.28983/asj.y2022i4pp76-82Dorokhov A.S., Sibirev A.V., Aksenov A.G., Mosyakov M.A. Analytical studies of machine-technological complexes for varietyphyto-cleaning of potato and vegetable crops in breeding and seed production. Agrarian Scientific Journal. 2022; (4): 76–82 (in Russian). https://doi.org/10.28983/asj.y2022i4pp76-82Черноиванов В.И. Цифровые технологии в АПК. Техника и оборудование для села. 2018; (5): 2–4. https://www.elibrary.ru/xorbjrChernoivanov V.I. Digital technologies in agribusiness. Machinery and equipment for rural area. 2018; (5): 2–4 (in Russian). https://www.elibrary.ru/xorbjr 8. Izmaylov A.Yu. Smart technologies and robotic means in agricultural production. Vestnik Rossijskoj akademii nauk. 2019; 89(5): 536–538 (in Russian). https://doi.org/10.31857/S0869-5873895536-538Измайлов А.Ю. Интеллектуальные технологии и роботизированные средства в сельскохозяйственном производстве. Вестник Российской академии наук. 2019; 89(5): 536–538. https://doi.org/10.31857/S0869-5873895536-538Lobachevsky Ya.P., Teterin V.S., Panferov N.S., Pehnov S.A., Trunov M.S. Theoretical research of the working element of the machine for storing phyto-sorting cleaning of salad plantings. Agrarian science. 2025; (3): 116–122 (in Russian). https://doi.org/10.32634/0869-8155-2025-392-03-116-122Лобачевский Я.П., Тетерин В.С., Панфёров Н.С., Пехнов С.A., Трунов М.С. Теоретические исследования рабочего органа машины для проведения сортофитопрочисток посадок картофеля. Аграрная наука. 2025; (3): 116–122. https://doi.org/10.32634/0869-8155-2025-392-03-116-122Aksenov A.G., Teterin V.S., Ovchinnikov A.Yu., Panferov N.S., Pekhnov S.A. Using a neural network to identify diseased potato plants. Agrarian science. 2022; (7–8): 167–171 (in Russian). https://doi.org/10.32634/0869-8155-2022-361-7-8-167-171Аксенов А.Г., Тетерин В.С., Овчинников А.Ю., Панферов Н.С., Пехнов С.А. Использование нейронной сети для выявления больных растений картофеля. Аграрная наука. 2022; (7–8): 167–171. https://doi.org/10.32634/0869-8155-2022-361-7-8-167-171Vorobyov N.I., Lysov A.K., Kornilov T.V., Hyutti A.V. Computational neural network for processing light-reflective spectra of plants and remote phytosanitary monitoring of potatoes. Agricultural Science Euro-North-East. 2024; 25(2): 283–292 (in Russian). https://doi.org/10.30766/2072-9081.2024.25.2.283-292Воробьёв Н.И., Лысов А.К., Корнилов Т.В., Хютти А.В. Вычислительная нейросеть для обработки светоотражательных спектров растений и дистанционного фитосанитарного мониторинга картофеля. Аграрная наука Евро-Северо-Востока. 2024; 25(2): 283–292. https://doi.org/10.30766/2072-9081.2024.25.2.283-292Sinshaw N.T., Assefa B.G., Mohapatra S.K., Beyene A.M. Applications of Computer Vision on Automatic Potato Plant Disease Detection: A Systematic Literature Review. Computational Intelligence and Neuroscience. 2022; 2022: 7186687. https://doi.org/10.1155/2022/7186687Sinshaw N.T., Assefa B.G., Mohapatra S.K., Beyene A.M. Applications of Computer Vision on Automatic Potato Plant Disease Detection: A Systematic Literature Review. Computational Intelligence and Neuroscience. 2022; 2022: 7186687. https://doi.org/10.1155/2022/7186687Tiwari D., Ashish M., Gangwar N., Sharma A., Patel S., Bhardwaj S. Potato Leaf Diseases Detection Using Deep Learning. 2020 4th International Conference on Intelligent Computing and Control Systems (ICICCS). IEEE. 2020; 461–466. https://doi.org/10.1109/ICICCS48265.2020.9121067Tiwari D., Ashish M., Gangwar N., Sharma A., Patel S., Bhardwaj S. Potato Leaf Diseases Detection Using Deep Learning. 2020 4th International Conference on Intelligent Computing and Control Systems (ICICCS). IEEE. 2020; 461–466. https://doi.org/10.1109/ICICCS48265.2020.9121067Hou C. et al. Recognition of early blight and late blight diseases on potato leaves based on graph cut segmentation. Journal . of Agriculture and Food Research. 2021; 5: 100154. https://doi.org/10.1016/j.jafr.2021.100154Hou C. et al. Recognition of early blight and late blight diseases on potato leaves based on graph cut segmentation. Journal of Agriculture and Food Research. 2021; 5: 100154. https://doi.org/10.1016/j.jafr.2021.100154Sert E. A deep learning based approach for the detection of diseases in pepper and potato leaves. Anadolu Tarım Bilimleri Dergisi. 2021; 36(2): 167–178. https://doi.org/10.7161/omuanajas.805152Sert E. A deep learning based approach for the detection of diseases in pepper and potato leaves. Anadolu Tarım Bilimleri Dergisi. 2021; 36(2): 167–178. https://doi.org/10.7161/omuanajas.805152Germak O.V., Kalacheva N.A., Gugueva O.A. Capabilities of non-metric digital cameras in terrestrial photogrammetry. Science Review. 2014; (7–2): 654–656 (in Russian). https://www.elibrary.ru/sziucvГермак О.В., Калачева Н.А., Гугуева О.А. Возможности неметрических цифровых камер в наземной фотограмметрии. Научное обозрение. 2014; (7–2): 654–656. https://www.elibrary.ru/sziucvPirniyazova B., Esenova A., Garadzhayev B., Orazova A. Applied Photogrammetry. Simvol nauki. 2024; 3(1–1): 54–56 (in Russian). https://www.elibrary.ru/mxlfhkПирниязова Б., Эсенова А., Гараджаев Б., Оразова А. Прикладная фотограмметрия. Символ науки. 2024; 3(1–1): 54–56. https://www.elibrary.ru/mxlfhkErmakov D.M., Chernushich A.P., Bernstein M. Application of phase distortion in digital image processing in the frequency domain. Nonlinear world. 2009; 7(11): 861–868 (in Russian). https://www.elibrary.ru/laanvtЕрмаков Д.М., Чернушич А.П., Бернштейн М. Применение фазовой дисторсии при цифровой обработке изображений в частотной области. Нелинейный мир. 2009; 7(11): 861–868. https://www.elibrary.ru/laanvtEzhova K.V. Expansion of photogrammetric distortion in orthogonal Zernike polynomials. Journal of Optical Technology. 2012; 79(5): 299–301. https://doi.org/10.1364/JOT.79.000299Ежова К.В. Разложение фотограмметрической дисторсии по ортогональным полиномам Цернике. Оптический журнал. 2012; 79(5): 53–56. https://www.elibrary.ru/tpoporBondarev V.G., Protsenko V.V., Pikalov A.S. Comparative analysis of the effect of lens distortion on the parameters of the technical vision system. The state and prospects of development of modern science in the field of “Technical vision and pattern recognition”. Collection of abstracts of scientific and technical conference. Anapa: Military innovative technopolis ERA. 2019; 66–73 (in Russian). https://www.elibrary.ru/igvcsyБондарев В.Г., Проценко В.В., Пикалов А.С. Сравнительный анализ влияния дисторсии объектива на параметры системы технического зрения. Состояние и перспективы развития современной науки по направлению «Техническое зрение и распознавание образов». Сборник тезисов докладов научнотехнической конференции. Анапа: Военный инновационный технополис «ЭРА». 2019; 66–73. https://www.elibrary.ru/igvcsyБондарев В.Г., Проценко В.В., Пикалов А.С. Сравнительный анализ влияния дисторсии объектива на параметры системы технического зрения. Состояние и перспективы развития современной науки по направлению «Техническое зрение и распознавание образов». Сборник тезисов докладов научнотехнической конференции. Анапа: Военный инновационный технополис «ЭРА». 2019; 66–73. https://www.elibrary.ru/igvcsy

The authors declare that there are no conflicts of interest present.