Статья посвящена разработке компьютерной программы, которая на базе информации об износах, позволяет реализовывать методы компьютерного статистического моделирования. Для изучения процесса износа, на примере сопрягаемых поверхностей конического редуктора механизма привода масляного насоса КПП трактора «Кировец», был составлен алгоритм, первая часть которого служит для статистической обработки полученных в результате эксперимента данных. Данный алгоритм позволяет строить статистический ряд с разбиением его на интервалы, определением середины интервалов, опытной частоты mi, опытной вероятности pi и накопленной опытной вероятности ?pi.. По представленному алгоритму разработана программа на языке программирования Python. Алгоритм и компьютерная программа позволят в дальнейшем правильно устанавливать и выдерживать оптимальные сроки службы трактора и его составных частей, а это значит обеспечивать низкую себестоимость продукции, при этом будет улучшена экономичность использования сельскохозяйственной техники в хозяйствах и обеспечен быстрый темп технического прогресса в сельском хозяйстве

В статье рассматриваются актуальные вопросы обеспечения безопасности труда в условиях производства. Проведен анализ опасных и вредных производственных факторов, возникающих в процессе производственной деятельности, а также рассмотрены их потенциальные последствия для здоровья и жизни работников. На основе статистических данных проанализирована динамика несчастных случаев на производстве в Российской Федерации за период 2019 - 2024 гг., выявлены наиболее распространенные причины возникновения травматизма. Рассмотрены организационные и технические меры, направленные на предупреждение несчастных случаев и снижение уровня профессиональных рисков. Сделан вывод о необходимости комплексного подхода к обеспечению безопасности труда посредством совершенствования системы управления охраной труда, повышения уровня профессиональной подготовки работников и внедрения современных методов оценки и управления профессиональными рисками

Исследование посвящено поиску спектральных предикторов урожайности озимой пшеницы. Цель исследования – поиск узкополосных вегетационных индексов (УВИ), обладающих более тесной корреляцией с урожайностью озимой пшеницы, чем значения широкополосного NDVI. Установлено, что показания индексов BGI2, CTR, OSAVI и ONLI в отдельные фазы вегетации демонстрировали более высокие коэффициенты корреляции с урожайностью. Индекс CTR был отмечен наибольшей детерминацией с урожайность ? 56 %. Трехлетнюю стабильную силу связи с урожайностью демонстрировали индексы mNDVI (924, 703, 423), 675/700, CRI700 и SR3

Исследования по изучению влияния приемов агротехники на урожайность зерна гибрида кукурузы Пятигорский 400 СВ проводились на черноземе обыкновенном в условиях Ставропольского края, в зоне достаточного увлажнения. Полевой опыт трехфакторный: фактор А-срок посева (15 и 29 апреля); фактор В-фон питания (N60P30K30 и N60P30K30 + Аппетайзер – 1,0 л/га в фазе 8 листьев; фактор С-густота стояния растений (50,0; 60,0; 70 тыс. шт/га). Исследования показали, что оптимальным сроком посева кукурузы является вторая декада апреля. При внесении удобрения в дозе N60P30K30 в варианте срока посева 15 апреля при густоте стояния растений 60.0 тыс. растений на га получена урожайность 8,46 т/га, что выше контроля на 0,42 т/га и выше урожайности гибрида при посева 29 апреля на 1,51 т/га. Наивысшая урожайность получена при включении в технологию биостимулятора роста и активатора минерального питания Аппетайзер – 1 л/га в фазе 7–8 листьев. Оптимальной густотой стояния растений при двух сроках посева является 60,0 тыс. шт. растений на га. Анализ уборочной влажности показал, что влажность зерна срока посева 15 и 29 апреля апреля менялась в пределах 18,4–19,5% и 15,8–16,6% соответственно. Лучшей отдачей влаги зерном показал себя вариант при внесении N60P30K30 и обработки Аппетайзер при густоте стояния 70 тыс./га – 15,8%

В настоящей статье представлены результаты апробации 15 маркеров к микросателлитным локусам генома сои культурной. Все использованные микросателлитные маркеры группы Satt характеризовались высоким уровнем полиморфизма (PIC) – от 0,60 до 0,87, с наибольшим значением для локуса Satt100 (PIC = 0,87). Размер выявленных ампликонов у сортообразцов сои варьировал в пределах 102 – 336 п.н. С применением метода фрагментного анализа у 48 сортообразцов сои были получены индивидуальные молекулярно-генетические профили для каждого генотипа. Посредством кластерного анализа была проведена оценка генетических расстояний изучаемых генотипов. Установлено, что генетически наиболее близкими являются сортообразцы Орeсca и Влада, а наиболее далекими Василиса и Гритиказ 80. Полученные результаты позволяют подбирать родительские компоненты для гибридизации, что значительно повышает эффективность селекционного процесса

Применение систем технического зрения на основе глубоких нейронных сетей повышает объективность контроля качества сортировки, однако листва и механически повреждённые плоды в сортируемом потоке создают дополнительные сложности для распознавания. Целью исследований является разработка и валидация метода автоматического распознавания, сегментации и классификации некондиционных плодов яблони и листьев на сортировочной линии с использованием нейросетевой модели YOLO26?seg. Исследование выполнялось на датасете из 1171 изображения, размеченном с помощью платформы Roboflow и модели Segment Anything 3 (SAM 3) с последующей экспертной коррекцией. Обучение пяти архитектур семейства YOLO26?seg (n, s, m, l, x) проводилось методом трансферного обучения с аугментацией данных. Оценка качества осуществлялась по метрикам Precision, Recall и mAP50, а производительность анализировалась по времени обработки кадра. Установлено, что увеличение архитектурной сложности моделей повышает точность сегментации. Все модели обеспечивают обработку видеопотока с частотой более 60 кадров/с. Оптимальный баланс между точностью и скоростью достигнут на модели YOLO26s?seg (104 кадра/с, mAP50 = 0,712), которая может быть рекомендована для внедрения в производственный процесс. Полученные результаты подтверждают эффективность предложенного метода для автоматизации контроля качества при сортировке плодов яблони