Рассмотрено повышение точности измерения влажности сыпучих материалов, имеющей критическое значение для обеспечения качества, сохранности продукции и эффективности технологических процессов в сельском хозяйстве, пищевой промышленности и строительстве. Дан краткий обзор методов измерения влажности и показано, что традиционные методы, включая гравиметрический анализ, хотя и отличаются высокой точностью, не обеспечивают оперативный и непрерывный контроль. Разработанметод измерения влажности с использованиемизмерительной системы, состоящей из сенсорной и интеллектуальной частей. Сенсорная часть – влагомер, содержащий ёмкостные датчики, регистрирует диэлектрическую проницаемость материала, сигналы датчиков поступают в блок сбора и предварительной обработки, где выполняется фильтрация и нормализация данных. Сенсорная часть обеспечивает стабильные измерения влажности пшеницы, кукурузы и песка в диапазоне 6–25 %. Интеллектуальная часть системы включает регрессионную модель, которая учитывает влияние диэлектрической проницаемости, объёмной плотности материала и температуры окружающей среды на точность измерений влажности и представляет собой многопараметрическую линейную модель, реализованную с помощью библиотеки scikit-learn (Python). Для оценки устойчивости модели применена десятикратная перекрёстная проверка. При экспериментальных исследованиях получены средняя абсолютная погрешность измерения влажности менее 1,8 % и коэффициент детерминации более 0,89, что подтверждает стабильность и воспроизводимость системы. Представленный подход демонстрирует, что интеграция ёмкостных сенсорных систем с интеллектуальными системами на основе регрессионных моделей позволяет повысить надёжность контроля и автоматизировать мониторинг влажности в производственных условиях. Разработанный метод измерения влажности и реализующую его систему можно адаптировать для различных сыпучих материалов и технологических сред.