Интеллектуализация технологических систем агропромышленного комплекса: Индустрия 4.0

Цифровая трансформация агропромышленного комплекса (АПК) в рамках парадигмы «Индустрия 4.0» невозможна без широкого внедрения технологий искусственного интеллекта. Несмотря на появление подхода «Умное земледелие» и концепции «Сельское хозяйство 5.0», внедрение технологий искусственного интеллекта в АПК носит фрагментарный характер, а их масштабирование затруднено в связи с методологическими, техническими и организационными барьерами. Целью исследований является обзор существующих подходов интеллектуализации технологического оборудования АПК, оценки применимости и перспективности подходов, а также ограничений, препятствующих массовому практическому использованию. Проведен анализ отечественных и зарубежных публикаций, раскрывающих понятия «автоматизация», «цифровизация» и «интеллектуализация» в АПК. С использованием конвергентного подхода проведено когнитивно-семантическое исследование известных подходов применения интеллектуализации в АПК. В результате обзора выделены основные барьеры масштабирования технологий интеллектуализации: отсутствие единого формализованного подхода к внедрению систем интеллектуализации; высокие первоначальные инвестиции, ключевая ставка и налоговая нагрузка; отсутствие единых стандартов данных; закрытость программных решений производителей техники; проблема совместимости оборудования; зависимость от импорта; недостаточная развитость отечественных IT-решений для АПК; нехватка специалистов с междисциплинарными компетенциями. Преодоление выявленных барьеров будет способствовать успешной цифровой трансформации АПК. Разработанная модель хайп-цикла Гартнера, визуализирующая этапы развития технологий интеллектуализации в АПК в ближайшие 10 лет, показывает их стратегическую роль в глобальной продовольственной безопасности. Сделан вывод о необходимости локальной интеллектуализации элементов технологической системы на основе агентного моделирования и надсистемных решений для интеграции разрозненных элементов в единый контур управления.

1. Стешина Л.А., Петухов И.В. Концепция человеко-ориентированного проектирования сложных технических систем // Современные наукоемкие технологии. 2023. № 7. С. 92-96. https://doi.org/10.17513/snt.39700

2. Din A., Ismail М., Shah B. et al. A deep reinforcement learning-based multi-agent area coverage control for smart agriculture. Computers and Electrical Engineering. 2022;101:108089. https://doi.org/10.1016/j.compeleceng.2022.108089

3. Fasciolo B., Panza L., Lombardi F. Exploring the integration of Industry 4.0 technologies in agriculture: A comprehensive bibliometric review. Sustainability. 2024;16(20):8948. https://doi.org/10.3390/su16208948

4. Bernhardt H., Bozkurt M., Brunschet R. et al. Challenges for agriculture through Industry 4.0. Agronomy. 2021;11(10):1935. https://doi.org/10.3390/agronomy11101935

5. Mishra S., Asha T., Rai C.K. Agriculture 5.0: Applications of artificial intelligence and internet of things. Indian Agriculture: Challenges, Priorities and Solutions. Springer, Singapore. 2025:283-297. https://doi.org/10.1007/978-981-96-5273-0_13

6. Arora C., Kamat A., Shanker S., Barve A. Integrating agriculture and industry 4.0 under «agri-food 4.0» to analyze suitable technologies to overcome agronomical barriers. British Food Journal. 2022;124(7):2061-2095. https://doi.org/10.1108/BFJ-08-2021-0934

7. Погонышев В.А., Погонышева Д.А., Ульянова Н.Д. Вопросы эксплуатации сельскохозяйственной техники в условиях интеллектуализации АПК // Вестник Брянской государственной сельскохозяйственной академии. 2024. № 6 (106). С. 54-59. EDN: OPSORS

8. Мурзаев Е.А., Шаблыкин И.Н. Научные принципы разработки интеллектуализированных систем мониторинга и управления технологическими процессами в органическом производстве //АгроЭкоИнженерия. 2024. № 4 (121). С. 86-100. EDN: EPDTFD

9. Чупина И.П., Фатеева Н.Б., Петрова Л.Н. Процессы развития автоматизации и информатизации в сельском хозяйстве страны // Аграрное образование и наука. 2019. № 3. С. 21. EDN: LMSAZJ

10. Misra N.N., Dixit Y., Al-MallahiA. et al. IoT, big data, and artificial intelligence in agriculture and food industry. IEEE Internet of things Journal. 2020;9(9):6305-6324. https://doi.org/10.1109/JIOT.2020.2998584

11. Shafik W. Barriers to implementing computational intelligence-based agriculture system. Computational Intelligence in Internet of Agricultural Things. Cham, Springer, 2024. Рp. 193-219. https://doi.org/10.1007/978-3-031-67450-1_8

12. Benos L., Moysiadis V., Kateris D. et al. Human-robot interaction in agriculture: A systematic review. Sensors. 2023;23(15):6776. https://doi.org/10.3390/s23156776

13. Rehman A., Saba T., Kashif M. et al. A revisit of internet of things technologies for monitoring and control strategies in smart agriculture. Agronomy. 2022;12(1):127. https://doi.org/10.3390/agronomy12010127

14. Kumar A. et al. Smart crop selection: Harnessing machine learning for sustainable agriculture in the era of Industry 5.0. In: A. Chakir, R. Bansal, M. Azzouazi (eds) Industry 5.0 and Emerging Technologies. Studies in Systems, Decision and Control. 2024;565:111-134. https://doi.org/10.1007/978-3-031-70996-8_6

15. Concepcion R., Ramirez T.J., Alejandrino J. et al. A look at the near future: Industry 5.0 boosts the potential of sustainable space agriculture. 2022 IEEE14th International Conference on Humanoid, Nanotechnology, Information Technology, Communication and Control, Environment, and Management (HNICEM). IEEE, 2022:1-6. https://doi.org/10.1109/HNICEM57413.2022.10109559

16. Ragazou K., Garefalakis A., Zafeiriou E., Passas I. Agriculture 5.0: A new strategic management mode for a cut cost and an energy efficient agriculture sector. Energies. 2022;15(9):3113. https://doi.org/10.3390/en15093113

17. Протосовицкий И.B., Забелло Е.П., Прищепов М.А., Дайнеко В.А. Обеспечение надежности и эф- фективности электроэнергетики сельскохозяйственной отрасли республики в современных условиях // Энергетика. Известия высших учебных заведений и энергетических объединений СНГ. 2020. Т. 63, № 2. С. 116-128. https://doi.org/10.21122/1029-7448-2020-63-2-116-128

18. Preite L., Vignali G. Artificial intelligence to optimize water consumption in agriculture: A predictive algorithm-based irrigation management system. Computers and Electronics in Agriculture. 2024;223;109126. https://doi.org/10.1016/j.compag.2024.109126

19. Belozerov V.V., Voroshilov I.V., Denisov A.N. et al. Nanotechnology of «intellectualization» of energy accounting and suppression of fire-energy harm in engineering systems of residential buildings. Part 2. Nanotechnologies in Construction. 2021;13(3):171-180. https://doi.org/10.15828/2075-8545-2021-13-3-171-180

20. Ganeshkumar C., Jena S.K., Sivakumar A., Nambirajan T. Artificial intelligence in agricultural value chain: review and future directions. Journal of Agribusiness in Developing and Emerging Economies. 2023;13(3):379-398. https://doi.org/10.1108/JADEE-07-2020-0140

21. Golubev I.G. Digitalization and use of artificial intelligence technologies in technical modernization of the agro-industrial complex. E3S Web of Conferences. EDP Sciences. 2021;291(3):04006. https://doi.org/10.1051/e3sconf/202129104006

22. Xu J., Gu B., Tian G. Review of agricultural IoT technology. Artificial Intelligence in Agriculture.2022;6:10-22. https://doi.org/10.1016/j.aiia.2022.01.001

23. Raihan A. A systematic review of geographic information systems (GIS) in agriculture for evidence-based decision making and sustainability.Global Sustainability Research. 2024;3(1):1-24. https://doi.org/10.56556/gssr.v3i1.636

24. Islam R., Habibullah H., Hossain T. AGRI-SLAM: a real-time stereo visual SLAM for agricultural environment. Autonomous Robots. 2023;47(6):649-668. https://doi.org/10.1007/s10514-023-10110-y

25. Cerro J., Ulloa С., Barrientos А., Rivas J. Unmanned aerial vehicles in agriculture: A survey. Agronomy. 2021;11(2):203. https://doi.org/10.3390/agronomy11020203

26. Toscano F. et al. Unmanned aerial vehicle for precision agriculture: A review. IEEE Access. 2024;12:69188-69205. https://doi.org/10.1109/ACCESS.2024.3401018

27. Steshina L., Petukhov I., Glazyrin A. et al. An intelligent virtual environment for training with dynamic parameters. VSIP’20: Proceedings of the 2nd International Conference on Video, Signal and Image Processing. 2020. Рp. 79-84. https://doi.org/10.1145/3442705.3442718

28. Zhang H., Wu L., Wang J. Research on innovative models of industry-education integration to promote sustainable education in agricultural machinery majors. Sustainable Futures. 2025;10:101072. https://doi.org/10.1016/j.sftr.2025.101072

29. Байчорова Д.Н., Селина Е.В., Лытнев Н.Н. Экономическая эффективность применения точного земледелия с использованием высокотехнологичной сельскохозяйственной техники // Журнал прикладных исследований. 2024. № 12. С. 78-84. EDN: KIHPEI

30. Titirmare S., Margal P., Gupta S., Kumar D. AI-powered predictive analytics for crop yield optimization. Agriculture 4.0. CRC Press, 2024. Рp. 89-110. https://doi.org/10.1201/9781003570219-5

31. Salem D.A., Hassan N.A., Hamdy R.M. Impact of transfer learning compared to convolutional neural networks on fruit detection. Journal of Intelligent & Fuzzy Systems. 2024;46(4):7791-7803. https://doi.org/10.3233/JIFS-233514

32. Чаусов Д.Н., Петухов И.В., Беляев В.В. и др. Программно-аппаратный комплекс оценки эффективности деятельности операторов // Вестник Московского государственного областного университета. Серия «Физика-Математика». 2014. № 2. С. 80-86. EDN: SJDCDJ

33. Chicaiza K., Paredes R.X., SarzosaI M. et al. Smart farming technologies: A methodological overview and analysis. IEEE Access. 2024;12:164922-164941. https://doi.org/10.1109/ACCESS.2024.3487497

34. Nurimbetov R. et al. Multi-level diagnostics of agrarian economy subjects according to the degree of readiness for digital transformations. Conference Series: Earth and Environmental Science. IOP Publishing. 2022;1043(1):012006. https://doi.org/10.1088/1755-1315/1043/1/012006

35. Schönberger M. Artificial intelligence for small and medium-sized enterprises: identifying key applications and challenges. Journal of Business Management. 2023;21:89-112. https://doi.org/10.32025/JBM23004

36. Калицкая В.В., Рыкалина О.А., Вилачева М.Н. и др. Индексация утилизационного сбора и механизмы квотирования импорта: макроэкономические эффекты и влияние на рынок сельхозтехники // Международный сельскохозяйственный журнал. 2025. № 5. С. 629-634. EDN: SYJXGO

37. Каличкин В.К., Максимович К.Ю., Алещенко О.А., Алещенко В.В. Прогнозирование урожайности сельскохозяйственных культур: структура данных и методы искусственного интеллекта // Сельскохозяйственные машины и технологии. 2025. Т. 19, № 2. С. 33-44. https://doi.org/10.22314/2073-7599-2025-19-2-33-44

38. Mizik T. How can precision farming work on a small scale? A systematic literature review. Precision agriculture. 2023;24(1):384-406. https://doi.org/10.1007/s11119-022-09934-y

39. Хейфец Б.А., Чернова В.Ю. Адаптация российского агропродовольственного комплекса к новым геополитическим реалиям // Проблемы прогнозирования. 2024. № 5. С. 165-175. https://doi.org/10.47711/0868-6351-206-165-175

40. Водянников В.Т., Эдер А.В. Цифровизация АПК: оценка и перспективы внедрения в аграрном секторе экономики страны // Агроинженерия. 2024. Т. 26, № 2. С. 49-56. https://doi.org/10.26897/2687-1149-2024-2-49-56

41. Neftissov A., Biloshchytskyi A., Toxanov S., Ordabayev S. Mathematical, software and hardware support of the conceptual model of the information system of precision agriculture. Scientific Journal of Astana IT University. 2023;15(15):55-70. https://doi.org/10.37943/15TKFW1223

42. Savandha S.D., Fatimah А.F. Santika R. et al. The role of AI in enhancing agricultural labor efficiency: Perspectives from HR managers in agri-tech firms. Digital Agriculture and Innovation Journal. 2025;1(1):1-10. https://doi.org/10.59261/journaldaij.v1i1.1

43. Dara R., Hazrati Fard S.M., Kaur J. Recommendations for ethical and responsible use of artificial intelligence in digital agriculture. Frontiers in Artificial Intelligence. 2022;5:884192. https://doi.org/10.3389/frai.2022.884192

44. Uddin M., Chowdhury A., Kabir M.A. Legal and ethical aspects of deploying artificial intelligence in climate-smart agriculture. AI &Society. 2024;39(1):221-234. https://doi.org/10.1007/s00146-022-01421-2

45. Azzahra A., Prahitaningtyas S., Afridi F. et al. Recruitment and retention of tech-savvy talent for AI in agriculture: Challenges faced by HR in rural agribusiness. Digital Agriculture and Innovation Journal. 2025;1(1):37-47. https://doi.org/10.59261/journaldaij.v1i1.5

46. Шелковников С.А., Кузнецова И.Г. Концептуально-методологические основы формирования человеческого капитала в условиях перехода к цифровому сельскому хозяйству // Вестник Российского университета дружбы народов. Серия «Экономика». 2022. Т. 30, № 1. С. 110-123. https://doi.org/10.22363/2313-2329-2022-30-1-110-123