Актуальность исследования обусловлена необходимостью создания интеллектуальной системы мониторинга состояния посевов сельскохозяйственных культур в период вегетации на значительных площадях. Научная проблема оперативного мониторинга состояния посевов сельскохозяйственных культур с последующим распознаванием их состояния по цветным изображениям, получаемым с беспилотных летательных аппаратов (БПЛА), может быть решена посредством нейросетевых алгоритмов глубокого обучения, обеспечивающих анализ и обработку графической информации. В рамках компьютерной реализации рекуррентой нейронной сети со сверточными слоями авторами сформирован датасет цветных изображений посевов сельскохозяйственных культур, полученных с использованием БПЛА. С целью решения проблемы классового дисбаланса полученного датасета, осуществлена его аугментация путем искусственного добавления новых изображений, полученных на основе уже существующих. Для обучения, реализованной на языке Python, рекуррентной нейронной сети, включающей сверточные слои, сформирована обучающая и тестовая выборки, с разметкой изображений по четырем классам: здоровая растительность («healthy»), пораженная растительность («affected»), почва, незасеянное поле («soil») и прочие объекты («other»). Полученные в ходе исследования результаты распознавания могут быть использованы для создания гибридных архитектур с последующей программной реализацией комплекса нейросетевых моделей, позволяющих выявлять закономерности роста и развития различных групп сельскохозяйственных культур.