Optimizing corn production through digital and smart technologies

Cover Page

Cite item

Full Text

Abstract

In the face of ongoing global challenges such as population growth, climate change, and soil degradation, the need to increase grain yields through digital transformation is becoming an urgent issue. Smart farming, through the widespread use of digital and intelligent technologies, robotics, and unmanned aerial vehicles, is crucial for increasing grain production and efficient resource management. One of the primary applications of unmanned aerial vehicles is multispectral imaging for effective agricultural monitoring, providing crop producers with detailed information on crop condition, which is particularly important for the prompt and timely implementation of management tasks related to grain crop breeding and seed production.

Aim. The paper aims to explore the monitoring and differentiated crop protection against common smut using digital and smart technologies.

Materials and methods. The study involves systematic monitoring for corn smut symptoms and subsequent spraying using various modern technologies, including traditional and unmanned aerial vehicles (UAVs). The research was conducted at an experimental site in the rural settlement of Opytnoye in the Tersky Municipal District, Kabardino-Balkarian Republic, during corn crops in 2022-2024. Operational monitoring of corn plots was conducted using a DJI Mavic 3M UAV, while the DJI AGRAS MG-1 and DJI Agras T10 were used for crop spraying in various years.

Results. This article presents the results of studies using different technical parameters of UAVs for multispectral monitoring and differentiated application of plant protection products to corn crops. Using a DJI Mavic 3M unmanned aerial vehicle (UAV) at an altitude of 150 m with automatic flight speed control from 5 to 9 m/s enables multispectral imaging, ensuring high-performance and high-quality phenotyping of grain crops. Variable-rate fungicide application using a DJI Agras T10 UAV at a working solution concentration of 75% of the recommended rate resulted in a 10.7-22.6% increase in yield in the experimental plots compared to the control plot.

Conclusion. The optimal fungicide application schedule in the experimental plots not only ensured uniform plant coverage and increased effectiveness in controlling common smut, but also reduced the cost of crop protection products, reduced chemical loads, and preserved the soil and environment.

About the authors

V. M. Shuganov

Kabardino-Balkarian Scientific Center of the Russian Academy of Sciences

Email: vmshuganov@mail.ru
ORCID iD: 0000-0002-5189-998X
SPIN-code: 6767-7554

Doctor of Agricultural Sciences, Head of the Scientific and Innovation Center "Intelligent Systems and Environments of Food Production and Consumption"

Russian Federation, 2, Balkarov street, Nalchik, 360010, Russia

A. Kh. Shogenov

Kabardino-Balkarian Scientific Center of the Russian Academy of Sciences

Email: a.vonegosh@yandex.ru
ORCID iD: 0000-0002-1184-5397
SPIN-code: 5996-3532

Candidate of Agricultural Sciences, Researcher, Laboratory of Intelligent Distribution Agricultural Systems, Scientific and Innovation Center "Intelligent Systems and Environments of Food Production and Consumption"

Russian Federation, 2 Balkarov street, Nalchik, 360010, Russia

Z. Yu. Kantiev

Kabardino-Balkarian Scientific Center of the Russian Academy of Sciences

Email: kantvako@gmail.com
ORCID iD: 0000-0003-4997-1177

Junior Researcher, Agricultural Robotics Laboratory, Scientific and Innovation Center "Intelligent Systems and Environments of Food Production and Consumption"

Russian Federation, 2, Balkarov street, Nalchik, 360010, Russia

R. V. Bizhoev

Kabardino-Balkarian Scientific Center of the Russian Academy of Sciences

Author for correspondence.
Email: bizhoeva49@mail.ru
ORCID iD: 0000-0001-5408-3006
SPIN-code: 4821-0152

Researcher, Agricultural Robotics Laboratory, Scientific and Innovation Center "Intelligent Systems and Environments of Food Production and Consumption"

Russian Federation, 2 Balkarov street, Nalchik, 360010, Russia

References

  1. Ivaschenko V.G. Common smut of corn: etiology, pathogenesis of the disease and the problem of resistance (refinement of the paradigm). Plant Protection News. No. 4. 2011. Pp. 40-56. EDN: OKRIIR. (In Russian)
  2. Rezvitsky T.Kh., Tikidzhan R.A., Pozdnyakova A.V. et al. Common smut on corn crops. The Scientific Heritage. 2021. No. 5-1(58). Pp. 19-21. doi: 10.24412/9215-0365-2021-58-1-19-21
  3. Artokhin K.S., Ivaschenko V.G. Features of the diagnosis of phytophagous, pathogens and weeds in the corn crop protection system (methodological and practical aspects). Plant Protection News. 2018. No. 4(98). Pp. 5-12. doi: 10.31993/2308-6459-2018-4(98)-5-12. (In Russian)
  4. Ivaschenko V.G. Corn diseases: etiology, monitoring, and problems of variety resistance. Suppl. Plant Protection News. St. Petersburg: Pushkin: FGBNU VIZR. 2015. 286 p. (In Russian)
  5. Buga S.F., Zhukovsky A.G., Zherdetskaya T.N. Biologicheskoye obosnovaniye effektivnosti khimicheskoy zashchity kukuruzy ot bolezney: rekomendatsii [Biological substantiation of the effectiveness of chemical protection of corn from diseases: recommendations]. Minsk: Institute zashchity rasteniy, 2012. 54 p. (In Russian)
  6. Svidunovich N.L., Zhukovsky A.G. Efficiency of fungicides in protecting corn against common smut and fusarium ear blight in Belarus. Vestnik Belorusskoy gosudarstvennoy sel'skohozyajstvennoy akademii [Bulletin of the Belarusian State Agricultural Academy]. 2021. No. 2. Pp. 107-112. EDN: NOLRNT. (In Russian)
  7. Mohidem N.A., Che'Ya N.N., Juraimi A.S. et al. How can unmanned aerial vehicles be used for detecting weeds in agricultural fields? Agriculture. 2021. No. 11(10). Article ID: 1004. doi: 10.3390/agriculture11101004
  8. Nagothu S.K., Anitha G., Siranthini B. et al. Weed detection in agriculture crop using unmanned aerial vehicle and machine learning. Materialstoday: proceedings. 2023. doi: 10.1016/j.matpr. 2023.03.350
  9. Librán-Embid F., Klaus F., Tscharntke T., Grass I. Unmanned aerial vehicles for biodiversity-friendly agricultural landscapes - A systematic review. Science of the Total Environment. 2020. Vol. 732. Article ID: 139204. doi: 10.1016/j.scitotenv.2020.139204
  10. Zubarev Yu.N., Fomin D.S., Chashchin A.N., Zabolotnova M.V. Use of unmanned aerial vehicles in agriculture. Bulletin of the Perm Federal Research Center. No. 2. 2019. Pp. 47-51. doi: 10.7242/2658-705X/2019.2.5. (In Russian)
  11. Shuganov V.M., Leshkenov A.M., Shogenov A.Kh., Kantiev Z.Yu. Development of a promising spraying method for the production of hybrid corn seeds. News of the Kabardino-Balkarian Scientific Center of RAS. 2022. No. 6(110). Pp. 236-248. doi: 10.35330/1991-6639-2022-6-236-248. (In Russian)
  12. Metodicheskiye rekomendatsii po primeneniyu sredstv zashchity rasteniy s ispol'zovaniyem bespilotnykh aviatsionnykh sistem [Methodological recommendations for the application of plant protection products using unmanned aerial systems]. Moscow: Rossel'khoztsentr, 2021. 150 p. (In Russian)
  13. Ram B.G., Oduor P., Igathinathane C. et al. A systematic review of hyperspectral imaging in precision agriculture: Analysis of its current state and future prospects. Computers and Electronics in Agriculture. 2024. Vol. 222. P. 109037. doi: 10.1016/j.compag.2024.109037

Supplementary files

Supplementary Files
Action
1. JATS XML
Download

Copyright (c) 2025 Shuganov V.M., Shogenov A.K., Kantiev Z.Y., Bizhoev R.V.

Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».