Е. В. Соколова¹, М. Н. Гончарова¹ , В. А. Благинин¹ , В. Е. Ковалев¹ , В. С. Кухарь² , В. В. Сургаев²

¹ Уральский государственный экономический университет, Екатеринбург, Россия

² Уральский государственный аграрный университет, Екатеринбург, Россия

E-mail: Адрес электронной почты защищен от спам-ботов. Для просмотра адреса в браузере должен быть включен Javascript.

Том 26 № 8

Дата поступления статьи: 07.04.2026, дата рецензирования: 22.06.2026, дата принятия: 10.07.2026. 

Опубликовано: 31.08.2026 г.

Аннотация. Стремительное проникновение технологий искусственного интеллекта в агропромышленный комплекс требует системного осмысления сложившегося ландшафта научных исследований для определения наиболее перспективных направлений развития. Цель исследования – провести наукометрическую оценку развития исследований в области применения искусственного интеллекта в сельском хозяйстве для определения стадии развития направления, выявления ключевых тематических кластеров, перспективных технологий и особенностей российского научного ландшафта. Методы. Исследование выполнено на основе двухэтапного наукометрического анализа. На первом этапе проанализирована международная выборка публикаций из базы данных Scopus (2010–2026 гг.) по тематическому направлению Agricultural and Biological Sciences с использованием ключевых терминов artificial intelligence, machine learning и смежных понятий. На втором этапе проведен анализ российских публикаций с использованием базы OpenAlex. Обработка данных осуществлялась с применением программных продуктов Bibliometrix (пакет R) и VOSviewer. Результаты. Построена логистическая модель роста публикационной активности, демонстрирующая, что направление находится в фазе активного роста с нереализованным потенциалом около 80 %. Определено «окно возможностей» для входа в тематику – период 2024–2027 гг. Выявлены 11 тематических кластеров, охватывающих прогнозирующее моделирование, машинное обучение в дистанционном зондировании, компьютерное зрение для оценки болезней растений и мониторинга в животноводстве, гиперспектральную визуализацию, а также новейшие направления (генеративный ИИ, объяснимый ИИ, графовые нейронные сети). Анализ российских публикаций выявил прагматичную региональную ориентацию: приоритет отдается доступным методам машинного обучения для немедленного внедрения в АПК, прогнозированию с использованием дистанционного зондирования, оценке рисков с учетом геополитических факторов. Выявлено отставание по направлениям генеративного ИИ в биомолекулярных исследованиях, интерпретируемого ИИ, компьютерного зрения в животноводстве и гиперспектральной визуализации. Научная новизна. Впервые проведен компаративный наукометрический анализ глобальных и российских исследований на единой методологической основе с выявлением стадии развития направления, перспективных технологических кластеров и особенностей национальной исследовательской повестки в области применения ИИ в сельском хозяйстве.

Ключевые слова: искусственный интеллект, машинное обучение, сельское хозяйство, наукометрический анализ, точное земледелие, компьютерное зрение, дистанционное зондирование, генеративный ИИ, объяснимый ИИ, цифровизация АПК

Для цитирования: Соколова Е. В., Гончарова М. Н., Благинин В. А., Ковалев В. Е., Кухарь В. С., Сургаев В. В. Искусственный интеллект в сельском хозяйстве: сравнительный наукометрический анализ глобальных и российских исследований // Аграрный вестник Урала. 2026. Т. 26, № 08. С. 1594‒1608.  https://doi.org/10.32417/1997-4868-2026-26-08-1594-1608

 

Скачать полный текст статьи