Роль беспроводных сенсорных сетей в повышении эффективности агропромышленного комплекса: систематический обзор

Введение. Современный агропромышленный комплекс (АПК) сталкивается с вызовами, требующими перехода к прецизионным, ресурсосберегающим и адаптивным методам управления. Беспроводные сенсорные сети (БСС) рассматриваются как ключевая технологическая основа для цифровизации АПК. Однако, в литературе сохраняется пробел, связанный с отсутствием системного анализа интеграционного потенциала БСС и их комплексного влияния на операционную, экономическую и экологическую эффективность АПК на всех этапах цепочки создания стоимости.

Цель. Комплексный анализ роли БСС в повышении операционной, экономической и экологической эффективности АПК, а также выявление ключевых технологических трендов, барьеров внедрения и перспективных направлений будущих исследований.

Материалы и методы. Проведен систематический обзор литературы в соответствии с руководством PRISMA. Поиск релевантных публикаций за период 2021–2026 гг. осуществлен в базе данных Scopus с использованием заданной стратегии. Отбор исследований проводился по критериям PICOS, с фокусировкой на эмпирические работы, посвященные применению БСС в различных отраслях АПК. Для анализа использовались методы качественного тематического синтеза, библиометрической визуализации (VOSviewer) и критической оценки качества исследований.

Результаты и обсуждение. Определено пять ключевых тематических кластеров исследований, подтверждающих их междисциплинарный характер. Установлено, что БСС оказывают значимое положительное влияние на ключевые показатели эффективности АПК, такие как повышение урожайности до 43%, экономию воды до 50% и удобрений до 32%, снижение энергопотребления до 50%. Технологическая составляющая БСС эволюционирует в сторону гибридных облачно-периферийных архитектур с интеграцией искусственного интеллекта. Произведенный анализ барьеров, препятствующих активному применению данной технологии в АПК.

Заключение. БСС являются технологическим ядром для построения эффективного и устойчивого агропромышленного комплекса. Проведенный обзор систематизирует доказательства их положительного воздействия на KPI и выделяет архитектурные и интеграционные тренды. Для полной реализации потенциала БСС необходимы дальнейшие междисциплинарные исследования, направленные на преодоление технических и экономических барьеров, разработку стандартов и создание адаптивных решений, учитывающих локальные условия.

1. Bayrakdar M. E. Energy-Efficient Technique for Monitoring of Agricultural Areas with Terrestrial Wireless Sensor Networks // Journal of Circuits, Systems and Computers. 2020. Vol. 29, No. 9, Art. 2050141. https://doi.org/10.1142/S0218126620501418

2. Jawad H. M., Nordin R., Gharghan S. K., Jawad A. M., Ismail M. Energy-Efficient Wireless Sensor Networks for Precision Agriculture: A Review // Sensors. 2017. Vol. 17. No. 8. Art. 1781. https://doi.org/10.3390/s17081781

3. Капустин С. В., Халабия Р. Ф. Система оценки энергоэфективности синхронизированного доступа в имитационной модели беспроводной сенсорной сети // Современная наука и инновации. 2020. № 1. С. 35–39. https://doi.org/10.33236/2307-910X-2020-1-29-35-39

4. Самойленко В. В. Концепция многоуровневой сетевой инфраструктуры мониторинга агропромышленных объектов на основе беспроводных сенсорных сетей // Advanced Engineering Research. 2025. Т. 25. № 4. С. 371–382. https://doi.org/10.23947/2687-1653-2025-25-4-2238

5. Anikó N., Tarek A., Arshad S., Nóra G., Miklós N., Mirzaei M., Szilárd S., Harsanyi E., Al-Dalahmeh M., Mohammed S. Real-time monitoring of ammonia emissions from cereal crops using LoRaWANbased sensing technology // Scientific Reports. 2025. Vol. 16. Art. 1446. https://doi.org/10.1038/s41598-025-31661-3

6. Popli S., Jha R. K., Jain S. Adaptive Small Cell position algorithm (ASPA) for green farming using NBIoT // Journal of Network and Computer Applications. 2021. Vol. 173. Art. 102841. https://doi.org/10.1016/j.jnca.2020.102841

7. Page M. J., McKenzie J. E., Bossuyt P. M., Boutron I., Hoffmann T. C., Mulrow C. D., Shamseer L., Tetzlaff J. M., Akl E. A., Brennan S. E., Chou R., Glanville J., Grimshaw J. M., Hróbjartsson A., Lalu M. M., Li T., Loder E. W., Mayo-Wilson E., McDonald S., McGuinness L. A., Stewart L. A., Thomas J., Tricco A. C., Welch V. A., Whiting P., Moher D. The PRISMA 2020 statement: an updated guideline for reporting systematic reviews // The BMJ. 2021. Vol. 372. Art. n71. https://doi.org/10.1136/bmj.n71

8. Hosseini M.-S., Jahanshahlou F., Akbarzadeh M. A., Zarei M., Vaez-Gharamaleki Y. Formulating research questions for evidence-based studies // Journal of Medicine, Surgery, and Public Health. 2024. Vol. 2. Art. 100046. https://doi.org/10.1016/j.glmedi.2023.100046

9. Joanna Briggs Institute. JBI critical appraisal tools. Https://Jbi.Global/Critical-Appraisal-Tools (n.d.).

10. Arvidsson S., Dumay J. Corporate ESG reporting quantity, quality and performance: Where to now for environmental policy and practice? // Business Strategy and the Environment. 2022. Vol. 31(3). P. 1091–1110. https://doi.org/10.1002/bse.2937

11. Alhazmy E. A. Education reform and vision 2030 in Saudi Arabia: challenges and pathways // Discover Education. 2026. Vol. 5. Art. 40. https://doi.org/10.1007/s44217-025-01005-4

12. Rahaman M. M., Azharuddin M. Wireless sensor networks in agriculture through machine learning: A survey // Computers and Electronics in Agriculture. 2022. Vol. 197. Art. 106928. https://doi.org/10.1016/j.compag.2022.106928

13. Arefin M. S., Mahin M. I. S., Mily F. A., Sani M. S. H., Rehan M. I., Sumon T. I. AGRO AI: A compact solution for modernizing the agriculture using NASA’s satellite data and artificial intelligence // Applied Food Research. 2026. Vol. 6(1). Art. 101678. https://doi.org/10.1016/j.afres.2026.101678

14. Chen H., Hou G., Hua C., Wang S., Chen Z., Zhang Y. Agricultural autonomous decision-making system ”Fuxi Brain” Based on generative large model fusion internet of things // Computers and Electronics in Agriculture. 2026. Vol. 244. Art. 111454. https://doi.org/10.1016/j.compag.2026.111454

15. Chettri K., Sen B., Ghosal P. Deep learning for precision agriculture: a systematic review of methods, challenges, and future directions // Knowledge and Information Systems. 2026. Vol. 68. Art. 35. https://doi.org/10.1007/s10115-025-02625-w

16. Mohamed Z. E., Afify M. K., Badr M. M., Omar O. A. IoT-driven smart irrigation system to improve water use efficiency // Scientific Reports. 2026. Vol. 16. Art. 2609. https://doi.org/10.1038/s41598-025-33826-6

17. Bushnag A., Chaabane S. B., Harrabi R., Alharbi L. A., Alshmrani M., Abuzneid S. Smart agriculture: IoT-Based smart irrigation with advanced fuzzy logic control // Expert Systems with Applications. 2026. Vol. 299. Art. 130168. https://doi.org/10.1016/j.eswa.2025.130168

18. Boukri Y., Hamici H. S., Mansour R. F., Maamar A. E. T., Ghoneim S. S. M., Paramasivam P., Hashim M. A., Hussein E. E. Analysis and experimental implementation of affordable smart irrigation system using IoT to reduce agricultural costs and minimize water usage // Applied Water Science. 2026. Vol. 16. Art. 36. https://doi.org/10.1007/s13201-025-02727-4

19. Haggag M. W., Rabie A. H., Ismael I., Shaaban W. A real-time smart energy management system for greenhouses using a hybrid optimization algorithm: Experimental implementation for efficient and sustainable operation // Computers and Electrical Engineering. 2026. Vol. 131. Art. 110948. https://doi.org/10.1016/j.compeleceng.2026.110948

20. Xiong T., Chen G., Cai W., Zha L., Xu G., Wang A., Wei Y., Lu X., Wei S., Lai D., Zhang J., Bao H. Design and development of a low-cost and energy-efficient container farm for leafy greens // Cleaner Engineering and Technology. 2026. Vol. 30. Art. 101135. https://doi.org/10.1016/j.clet.2025.101135

21. Sharma P., Thakur N. Advancing urban food sustainability: Biotechnology and IoT synergies in vertical greenhouses // Bioresource Technology Reports. 2026. Vol. 33. Art. 102548. https://doi.org/10.1016/j.biteb.2026.102548

22. Yang N., Du R., Yu N., He W., Wang Z., Du X., Chen S. Integrated sensing and communication for lettuce water-status monitoring // Computers and Electronics in Agriculture. 2026. Vol. 242. Art. 111370. https://doi.org/10.1016/j.compag.2025.111370

23. Sen K., Dey S., Ganguly A., Rajak P. Artificial intelligence in aquaculture: Advancing sustainable fish farming through AI-driven monitoring, optimization, and disease management // Aquaculture. 2026. Vol. 614. Art. 743602. https://doi.org/10.1016/j.aquaculture.2025.743602

24. Ellahi R. M., Wood L. C., Bekhit A. E.-D. A. A multi-layer Industry 4.0 framework for ensuring halal integrity in NZ meat supply chains // Food Control. 2026. Vol. 182. Art. 111880. https://doi.org/10.1016/j.foodcont.2025.111880

25. Asogan A., Sazali N., Veerendra A. S., Samylingam L., Aslfattahi N., Kok C. K., Kadirgama K. A review on the impact of AI-enabled thermal imaging and IoT sensor fusion on early detection of mastitis in dairy cattle // Biosensors and Bioelectronics: X. 2026. Vol. 28. Art. 100735. https://doi.org/10.1016/j.biosx.2025.100735

26. Kırbaş İ. AI-based automated weight prediction in cattle for herd health surveillance // Preventive Veterinary Medicine. 2026. Vol. 247. Art. 106752. https://doi.org/10.1016/j.prevetmed.2025.106752

27. Aroh I. M., McCutcheon G., Macartan B. P., Kuneš R., Curran T. P., Clarke L. Monitoring ammonia emissions in pig facilities: a comparative review of measurement technologies, monitoring protocols, and technology decision-support framework // Computers and Electronics in Agriculture. 2026. Vol. 241. Art. 111238. https://doi.org/10.1016/j.compag.2025.111238

28. Fu C., Zhuang Q., Tian A. An IoT-based measurement system for the quantitative analysis of soil heavy metals integrating fractional-order signal processing and multi-task learning // Measurement. 2026. Vol. 260. Art. 119822. https://doi.org/10.1016/j.measurement.2025.119822

29. Li Z. A magnetic induction network for high-resolution, real-time soil moisture monitoring in complex subsurface environments // Computers and Electronics in Agriculture. 2026. Vol. 242. Art. 111314. https://doi.org/10.1016/j.compag.2025.111314

30. Malche T., Joshi M., Upadhyay G. M., Soni P. K. Automated tomato leaf disease detection and alert system using Internet of Things and TinyML // Discover Internet of Things. 2026. Vol. 6. Art. 8. https://doi.org/10.1007/s43926-025-00257-8

31. Zarboubi M., Bellout A., Chabaa S., Dliou A. Enhancing integrated pest management with IoT and YOLO-Evo: A smart, low-cost monitoring system for sustainable apple farming // Results in Engineering. 2026. Vol. 29. Art. 108850. https://doi.org/10.1016/j.rineng.2025.108850

32. Fedorenko V., Samoylenko I., Samoylenko V. Energy-balanced distribution of radio modules with various technical states among positions of nodes in wireless sensor networks // AEU - International Journal of Electronics and Communications. 2021. Vol. 138. Art. 153849. https://doi.org/10.1016/j.aeue.2021.153849

33. Talaat F. M., Ibrahim M. A., Karim A. A., Elsonbaty H. K., Al-Zoghby A. M. IoT-Integrated robotic system for automated plant disease detection and environmental monitoring // Scientific Reports. 2026. Vol. 16. Art. 1638. https://doi.org/10.1038/s41598-025-32624-4

34. Dahmir F., Krisnowo A., Soehadi G., Widodo A., Appe J., Budiwati S. V., Haryanto G., Taufik M., Karim S., Putera I. P., Prabowo J., Dwiono A., Ilyas A. 5G utilization for smart farming to enhance productivity of sugarcane plantations in Indonesia // Discover Sustainability. 2025. Vol. 7. Art. 86. https://doi.org/10.1007/s43621-025-02073-0

35. Méndez B., Lamo P. IoT node for monitoring and traceability of live plants in maritime transport // Array. 2026. Vol. 29. Art. 100621. https://doi.org/10.1016/j.array.2025.100621

36. Fedorenko V., Samoylenko V., Vinogradenko A., Samoylenko I., Sharipov I., Anikuev S. Mathematical Aspects of Stable State Estimation of the Radio Equipment in Terms of Communication Channel Functioning // Distributed Computer and Communication Networks / Vishnevskiy V. M., Samouylov K. E., Kozyrev D. V. (Eds.). Cham: Springer International Publishing, 2019. P. 547–559. https://doi.org/10.1007/978-3-030-36625-4_44

37. Fedorenko V., Samoylenko I., Samoylenko V. Fragmentation of data packets in wireless sensor network with variable temperature and channel conditions // Computer Communications. 2024. Vol. 214. P. 201–214. https://doi.org/10.1016/j.comcom.2023.12.001

38. Awlla A. H., Rashid T. A., Abdullah R. M. A Dynamic‐Weight Multi‐Objective Sloth‐Inspired Clustering Algorithm for Wireless Sensor Networks // International Journal of Communication Systems. 2026. Vol. 39. Art. e70395. https://doi.org/10.1002/dac.70395

39. Sennan S., S S., Somula R., Pandey D., Cho Y. A multi-objective grey wolf optimization algorithm for energy-efficient cluster-based routing in IoT-enabled WSNs // Scientific Reports. 2025. Vol. 16. Art. 179. https://doi.org/10.1038/s41598-025-28950-2

40. Sun W., Wang H., Qin Z., Guo X. Air–Ground Collaborative Networking and Transmission Scheduling for Opportunistic UAV-Assisted Data Collection // IEEE Internet of Things Journal. 2026. Vol. 13. P. 4931–4948. https://doi.org/10.1109/JIOT.2025.3637836

41. Tao X., Butcher J., Cumini C., Talasila M., Montserrat S. C., Sacco A., Popp M., Marchetto G., Silvestri S. AgriSmart: An IoT-enabled framework for agricultural resource optimization // Computer Communications. 2026. Vol. 248. Art. 108416. https://doi.org/10.1016/j.comcom.2026.108416

42. Самойленко В. В. Экономико-математическая оптимизация структуры беспроводных сенсорных сетей для интенсивных садов // Известия Высших Учебных Заведений. Серия «Экономика, Финансы и Управление Производством» [Ивэкофин]. 2025. Т. 66. С. 136–145.

43. Paki Z. S., Yakubu B. M., Boukari S., Latif R., Jamail N. S. M., Gital A. Y., Fati S. M. Blockchain based precision rice farming framework using deep learning techniques // Discover Internet of Things. 2025. Vol. 6. Art. 5. https://doi.org/10.1007/s43926-025-00264-9

44. Jain P., Alam M. S., Saini M. K., Aslam R. Recent technological innovations and strategies for reducing post-harvest losses during bulk grain storage: Applications of IoT and non-destructive quality evaluation // Journal of Stored Products Research. 2026. Vol. 116. Art. 102893. https://doi.org/10.1016/j.jspr.2025.102893

45. Chen H.-C., Chen S.-F., Lin S.-R., Lin T.-T. IoT-based automated monitoring and assessment of tea shoot density using canopy imaging // Computers and Electronics in Agriculture. 2026. Vol. 241. Art. 111251. https://doi.org/10.1016/j.compag.2025.111251

46. Samoylenko V., Fedorenko V., Samoylenko I. Comparative Analysis of Digital Platforms for Agriculture 4.0 in Russia: Current Level and Ways for Improvement // Innovations in Sustainable Agricultural Systems, Agriculture 4.0 and Precision Agriculture, Volume 2 / Samoylenko I., Rajabov T. (Eds.). Cham: Springer Nature Switzerland, 2025. P. 43–51. https://doi.org/10.1007/978-3-031-98127-2_4

47. Mamun Q., Zaman A., Ip R. H. L., Haque K. M. S. A bibliographic study of integrating IoT and geospatial modelling for sustainable smart agriculture in developed countries: Focus on Australia // Computers and Electronics in Agriculture. 2026. Vol. 241. Art. 111289. https://doi.org/10.1016/j.compag.2025.111289

48. Mensah G., Opoku R., Davis F., Obeng G. Y., Kornyo O., Marfo D., Addai M., Damptey J., Wetajega S. D. Machine learning-assisted innovative charging strategy for e-mobility in rural communities operated by redundant energy on solar PV mini-grids // Energy Conversion and Management: X. 2026. Vol. 30. Art. 101591. https://doi.org/10.1016/j.ecmx.2026.101591