Стаття

Отримано 12.08.2024

Доопрацьовано 04.11.2024

Прийнято 10.12.2024

Взято з Том 28, № 4, 2024

Сторінки 85 -95

Haleeva, A., Hruban, V., Horbunov, M., & Ruzhniak, M. (2024). Improving the process of plant protection mechanisation in grape growing. Ukrainian Black Sea Region Agrarian Science, 28(4), 85-95. https://doi.org/10.56407/bs.agrarian/4.2024.85

Вдосконалення процесу механізації захисту рослин при вирощуванні винограду

Антоніна Галєєва Василь Грубань Максим Горбунов Марек Ружняк

Метою роботи було дослідити вплив сучасних технологій обробки виноградників на зменшення витрат пестицидів та підвищення врожайності. Під час дослідження оцінено ефективність використання обприскувачів «AgriSpray 5000» та дронів «DJI Agras T30» в агрономії, зокрема у виноградарстві. Методологія дослідження включала аналіз витрат пестицидів і врожайності винограду до і після впровадження зазначених технологій. Для цього було проведено порівняльний аналіз з традиційними методами обробки, зокрема вручну. Застосування обприскувачів «AgriSpray 5000» та дронів «DJI Agras T30» дозволило зменшити витрати пестицидів на 30 % і 25 % відповідно, завдяки точному розподілу розчинів і автоматизації обробки полів. Основні результати дослідження показали, що обприскувачі «AgriSpray 5000» зменшили кількість хворих виноградних рослин на 40 %, що привело до збільшення врожайності на 15 %. Водночас, дрони «DJI Agras T30» забезпечили зменшення кількості хворих рослин на 35 % і підвищили врожайність на 12 %. Інтеграція нових технологій дозволила зменшити загальні витрати на обробку виноградників на 20 %, зокрема завдяки зниженню витрат на пестициди та робочу силу. Висновки дослідження свідчать про те, що впровадження сучасних обприскувачів і дронів суттєво оптимізує процеси обробки виноградників, знижує витрати та підвищує їхню врожайність. Технології «AgriSpray 5000» і «DJIAgras T30» забезпечують високий рівень точності у застосуванні агрохімікатів, що має позитивний вплив на екологічну ситуацію та економічні результати. Результати підтверджують ефективність новітніх технологій як важливого інструмента для підвищення конкурентоспроможності виноградних господарств в Україні та покращення якості продукції

пестициди; сталий розвиток; зрошення; рослинництво; сільське господарство; хвороби

[1] Ahmad, F., Qiu, B., Dong, X., Ma, J., Huang, X., Ahmed, S., & Chandio, F.A. (2020). Effect of operational parameters of UAV sprayer on spray deposition pattern in target and off-target zones during outer field weed control application. Computers and Electronics in Agriculture, 172, article number 105350. doi: 10.1016/j.compag.2020.105350.

[2] Asgarian, Z.S., Karimi, R., & Palou, L. (2024). Pre-harvest foliar spraying of calcium and zinc preserves berries quality and mitigates chilling injury of grape during cold storage. Scientia Horticulturae, 338, article number 113557. doi: 10.1016/j.scienta.2024.113557.

[3] Bajagić, B., Sedlar, A., Latinović, J., Višacki, V., & Latinović, N. (2022). Different water consumption and fungicide drift in control of grapevine downy mildew. BIO Web of Conferences, 50, article number 03015. doi: 10.1051/bioconf/20225003015.

[4] Bhalekar, D.G., Parray, R.A., Ingle, P.V., Mani, I., Khura, T.K., Sarkar, S.K., & Kumbhare, N.V. (2024a). Agrochemical spray technology adoption and safety awareness assessment in crop protection in vineyard cultivation. Current Natural Sciences & Engineering Journal, 1(3), 188-196. doi: 10.63015/9S-2407.1.3.

[5] Bhalekar, D.G., Sahni, R.K., Schrader, M.J., & Khot, L.R. (2024b). Pneumatic spray delivery‐based fixed spray system configuration optimization for efficient agrochemical application in modern vineyards. Pest Management Science, 80(8), 4044-4054. doi: 10.1002/ps.8111.

[6] Bjørnåvold, A., David, M., Bohan, D.A., Gibert, C., Rousselle, J.-M., & Van Passel, S. (2022). Why does France not meet its pesticide reduction targets? Farmers’ socio-economic trade-offs when adopting agro-ecological practices. Ecological Economics, 198, article number 107440. doi: 10.1016/j.ecolecon.2022.107440.

[7] Carvalho, F.K., Chechetto, R.G., Mota, A.A.B., & Antuniassi, U.R. (2020). Challenges of aircraft and drone spray applications. Outlooks on Pest Management, 31(2), 83-88. doi: 10.1564/v31_apr_07.

[8] Choi, S., Ban, S., & Choi, C. (2023). The impact of plant growth regulators and floral cluster thinning on the fruit quality of ‘shine muscat’ grape. Horticulturae, 9(3), article number 392. doi: 10.3390/horticulturae9030392.

[9] Convention “On Biological Diversity”. (1992, June). Retrieved from https://zakon.rada.gov.ua/laws/show/995_030#Text.

[10] De Oliveira, L.S., Grigolo, C.R., Pertille, R.H., Modolo, A.J., da Rocha Campos, J.R., Elias, A.R., & Citadin, I. (2024). Aerial spraying for downy mildew control in grapevines using a remotely piloted aircraft. Acta Scientiarum. Agronomy, 46(1), article number e66613. doi: 10.4025/actasciagron.v46i1.66613.

[11] Fouillet, E., Gosme, M., Metay, A., Rapidel, B., Rigal, C., Smits, N., & Merot, A. (2024). Lowering pesticide use in vineyards over a 10-year period did not reduce yield or work intensity. European Journal of Agronomy, 158, article number 127199. doi: 10.1016/j.eja.2024.127199.

[12] Hed, B., & Centinari, M. (2024). Mechanical leaf removal for improved Botrytis bunch rot control in Vitis vinifera ‘Pinot gris’ and ‘Pinot noir’ grapevines in the northeastern US. Plant Disease. doi: 10.1094/PDIS-02-24-0383-RE.

[13] Karim, M.J., Goni, M.O.F., Nahiduzzaman, M., Ahsan, M., Haider, J., & Kowalski, M. (2024). Enhancing agriculture through real-time grape leaf disease classification via an edge device with a lightweight CNN architecture and Grad-CAM. Scientific Reports, 14(1), article number 16022. doi: 10.1038/s41598-024-66989-9.

[14] Kong, Q., Zhang, H., Gao, Q., Xiong, X., Li, X., Wang, D., Wang, L., Zheng, H., & Ren, X. (2024). Ultraviolet C irradiation enhances the resistance of grape against postharvest black rot (Aspergillus carbonarius) by regulating the synthesis of phenolic compounds. Food Chemistry, 460(2), article number 140509. doi: 10.1016/j.foodchem.2024.140509.

[15] Le Roux, A. (2024). Improvement of vineyard spraying equipment by recirculation of overspray through air flow modification. (Master’s thesis, Stellenbosch University, Stellenbosch, South Africa).

[16] Li, M., Yan, C., Ma, S., Tan, H., Kang, Y., & Xu, L. (2024). Development status and countermeasures of grape plant protection mechanization technology. Journal of Chinese Agricultural Mechanization, 45(1), 76-82. doi: 10.13733/j.jcam.issn.2095-5553.2024.01.011.

[17] Mehretie, S., Inoue, S., Hayashi, T., Nakashima, H., Panintorn, P., Ninomiya, K., & Kondo, N. (2024). Ultra sensor based on color and UV-excited fluorescence images for predicting quality attributes of Shine-Muscat grape bunches at different maturity stages. Food Chemistry, 461, article number 140894. doi: 10.1016/j.foodchem.2024.140894.

[18] Michael, C., Gil, E., Gallart, M., Kanetis, L., & Stavrinides, M.C. (2022). Evaluating the effectiveness of low volume spray application using air-assisted knapsack sprayers in wine vineyards. International Journal of Pest Management, 68(2), 148-157. doi: 10.1080/09670874.2020.1807652.

[19] Nefti, O., Chartier, N., Merot, A., Peyrard, T., & Delière, L. (2024). To what extent can a phase-out of pesticides in viticulture be achieved? Learning from the efforts of a large farm network after 10 years. OENO One, 58(2). doi: 10.20870/oeno-one.2024.58.2.7885.

[20] Ons, L., Bylemans, D., Thevissen, K., & Cammue, B.P.A. (2020). Combining biocontrol agents with chemical fungicides for integrated plant fungal disease control. Microorganisms, 8(12), article number 1930. doi: 10.3390/microorganisms8121930.

[21] Pandey, K., & Chandak, A. (2024). An exploration of deep learning techniques for the detection of grape diseases. Recent Advances in Computer Science and Communications, 17(2), article number e220623218170. doi: 10.2174/2666255816666230622125353.

[22] Park, J.Y., Jung, M., & Park, H.-S. (2023). Occurrence of skin browning according to cluster weight and the gibberellic acid (GA3) concentration in ‘shine muscat’ grapes. Horticultural Science and Technology, 41(6), 645-655. doi: 10.7235/HORT.20230055.

[23] Patil, R., & More, A. (2023). Grape leaf disease prediction using various machine learning techniques – a technical review. In 11th international conference on Internet of everything, microwave engineering, communication and networks (pp. 1-6). Jaipur: IEEE. doi: 10.1109/IEMECON56962.2023.10092353.

[24] Regulation of the European Parliament and of the Council No. 1107/2009 “Concerning the Placing of Plant Protection Products on the Market and Repealing Council Directives 79/117/EEC and 91/414/EEC”. (2009, October). Retrieved from https://eur-lex.europa.eu/legal-content/UK/TXT/?uri=CELEX%3A32009R1107.

[25] Silva Neto, J.O., Sasaki, R.S., & de Alvarenga, C.B. (2021). Remotely Piloted Aircraft (RPA) for pesticides applicationo. Research, Society and Development, 10(12), article number e293101220573. doi: 10.33448/rsd-v10i12.20573.

[26] Sindhu, P., & Indirani, G. (2022). Equilibrium optimizer with deep convolutional neural network-based squeezenet model for grape leaf disease classification in IoT environment. International Journal of Engineering Trends and Technology, 70(5), 94-102. doi: 10.14445/22315381/IJETT-V70I5P212.

[27] Sui, S., Li, M., Li, Z., Zhao, Y., Wang, C., Du, W., Li, X., & Liu, P. (2024). A comb-type end-effector for inflorescence thinning of table grapes. Computers and Electronics in Agriculture, 217, article number 108607. doi: 10.1016/j.compag.2023.108607.

[28] Tscholl, S., Candiago, S., Marsoner, T., Fraga, H., Giupponi, C., & Vigl, L.E. (2024). Climate resilience of European wine regions. Nature Communications, 15(1), article number 6254. doi: 10.1038/s41467-024-50549-w.

[29] Wang, G., Li, X., Andaloro, J., Chen, P., Song, C., Shan, C., & Lan, Y. (2020). Deposition and biological efficacy of UAV-based low-volume application in rice fields. International Journal of Precision Agricultural Aviation, 3(2), 65-72. doi: 10.33440/j.ijpaa.20200302.86.

[30] Wang, P., Niu, T., Mao, Y., Liu, B., Yang, S., He, D., & Gao, Q. (2021). Fine-grained grape leaf diseases recognition method based on improved lightweight attention network. Frontiers in Plant Science, 12, article number 738042. doi: 10.3389/fpls.2021.738042.

[31] Zhou, X., Yang, J., Su, Y., He, K., Fang, Y., Sun, X., Ju, Y., & Liu, W. (2024). Aggregation and assessment of grape quality parameters with visible-near-infrared spectroscopy: Introducing a novel quantitative index. Postharvest Biology and Technology, 218, article number 113131. doi: 10.1016/j.postharvbio.2024.113131.