В статье рассматривается актуальность внедрения интеллектуальных систем обнаружения сорных растений, в целях экономии гербицидов и пестицидов, также получения экологически чистых продуктов. Проведен краткий обзор научных работ исследователей, в которых описываются разработанные ими методы идентификации, классификации и дискриминизации сорняков на основе алгоритмов машинного обучения, сверточных нейронных сетей и алгоритмов глубокого обучения. В данной исследовательской работе представлена программа обнаружения вредителей сельско-хозяйственнных угодий с использованием алгоритмов K-Nearest Neighbors, Random Forest и Decision Tree. Набор данных собран из 4 видов сорных растений, такие как ширица, амброзия, вьюнок и костер. По итогам проведенной оценки, точность обнаружения сорняков классификаторами K-Nearest Neighbors, Random Forest и Decision Tree составила 83.3%, 87.5%, и 80%. Количественные результаты, полученные на реальных данных, демонстрируют, что предлагаемый подход может обеспечить хорошие результаты классификации изображений сорняков с низким разрешением.