Всё о беспилотной отрасли на одном ресурсе

Ru En

Регистрация Вход

ГлавнаяПубликацииАнализ применения беспилотных летательных аппаратов в сельском хозяйстве

Анализ применения беспилотных летательных аппаратов в сельском хозяйстве

15.10.2018

6389

Анализ применения беспилотных летательных аппаратов в сельском хозяйстве

Иванов С. А., канд. техн. наук, проф., Майданников Н. А.,
Бондарева Ю. А., аспиранты, НИМИ Донской ГАУ

Ключевые слова: беспилотные летательные аппараты, БПЛА, сельское хозяйство, дрон, квадрокоптер, контроль орошения, мелиорация, природообустройство.

Беспилотные летательные аппараты (БПЛА) способны собирать информацию о посадках, достаточную для точного применения пестицидов в конкретных местах и гербицидов там, где необходимы химикалии. Это обещаетфермерам возможность сэкономить на использовании химии, а также сохраняет окружающую среду.

БПЛА позволяют создать картографическую основу с точными координатами всех объектов, что позволит в дальнейшем вести визуальный анализ объектов с разрешением вплоть до нескольких см на пиксель. На эту основу можно будет нанести векторные слои: пашни, объекты инфраструктуры, дороги. Такая основа помогает рассчитывать точные площади, расстояния, потребности в ресурсах и т.п. Удобно определять объективную площадь пашни, сенокосов, пастбищ, залежей, паров, зяби, сева, недосевов и присевов. Результаты аэрофотосъемки позволяют ставить участки на кадастровый учет. Аэрофотосъемка с БПЛА более детализована, нежели космический снимок. Разрешение снимков возможно в сантиметрах на точку, за счет высот полета от 100 до 600 метров над поверхностью земли. Кроме того, БПЛА позволяют вести съемку даже в условиях облачности, что недоступно спутникам и затрудняет использование авиации [1]. Получение снимков возможно даже в процессе полета, причем можно скорректировать полет в реальном времени, если заказчику это необходимо. Производительность БПЛА достигает до 30 кв. км за час при площадной съемке и до 35 км/ч для линейных объектов. Обеспечивается существенная экономия затрат на исследования и выигрыш во времени по сравнению со всеми другими их видами: наземным обследованием; спутниковыми фотографиями, использованием пилотируемой авиации. Внешние факторы, которые положительно или отрицательно влияют на сельское хозяйство, многочисленны, и часто трудно предусмотреть или контролировать. Различные методы были разработаны параллельно с расширением сельскохозяйственной техники в целях поддержки и укрепления этой древней деятельности. Среди этих методов можно найти биотехнологии, выбор сельскохозяйственных культур, продукции для защиты растений, контроля орошения, внесения удобрений и других. Такие технологии как дрон и квадрокоптер играют важную роль для получения разведки возделываемых и орошаемых полей. Изображения спутниковых оптических камер улавливает с точностью одного метра, что не даёт полного изображения заражённого участка поля. С помощью малых не дорогостоящих БПЛА можно выявить на отдельном участке пашни недостаточную обработку химикатами или плохо орошаемый участок поля. Необходимое оборудование для проведения испытаний: квадрокоптер или дрон, гиперспектральная камера для аэрофотосъёмки (широкополосное, мультиспектральное, гиперспектральное, ультрокпектральное изображение).

Способы применения в сельском хозяйстве:

- отслеживание качество полива орошения культур дождевальными машинами и капельным орошением;

- облет равнины для контроля работы наемного персонала;

- мониторинг полей на предмет выявления попавших на территорию животных (защита от потрав);

- мониторинг нахождения и использования сельскохозяйственной техники, в частности появляется возможность оперативного реагирования на качество работы механизаторов путем мониторинга путей прохождения техники на поле. Контроль качества пропашной земли;

- сопровождение мелиоративного строительства, мониторинг систем ирригации;

- выпас скота, поиск отбившихся от стада животных, направление их к стаду;

- выявление заболевших животных в стаде на выпасе с дрона, оборудованного термокамерой и необходимым ПО;

- создание электронных карт участков - конечным продуктом должен стать высокоточный орто фотоплан и созданные на его основе векторные карты с выделением на них необходимой заказчику информации;

- инвентаризация посевов и полей, установление объективной площади пашни, а также сенокосов, пастбищ, многолетних трав, залежей;

- создание топографических карт;

- разведка медленно растущих поливных культур;

- какой тип почвы на конкретном участке местности;

- использование при анализе пожара, отслеживании очагов возгорания;

- внесение химикатов на отдельные заражённые участки поля;

- оценить рост сорняков и других вредителей или роста водорослей в

системах водоснабжения или прудов;

- опрыскивание посадок с беспилотников (беспилотные телеуправляемые вертолеты опыляют рисовые поля в Японии с начала 1990-х годов) [5].

28 ноября 2015 г. DJI расширил линейку - теперь и сельскохозяйственный мультикоптер Argas MG-1;

- оценка объема работ и постоянный контроль их выполнения;

- документирование ущерба от стихийных бедствий.

Определение объёмов кагатов очень важно для логистики. Кагаты зачастую формируются не по краю дороги, а в сторону центра поля, что затрудняет оценку объемов корнеплодов в них. Беспилотники позволяют легко и точно справиться с проблемой оценки, а также расставить приоритеты в использовании корнеплодов:

- Охрана урожая на поле. Беспилотники являются новым инструментомохраны, поскольку благодаря тепловизорам обеспечивают возможность охраны в ночное время, а универсальная нагрузка позволяет использовать их практически круглосуточно [2].

- Прогнозирование урожайности сельскохозяйственных культур. 16 мая 2016 г. для DJI выпустили сенсор мониторинга посевов. Американская компания Sentera, разработчик ПО и аппаратуры для БЛА, на днях представила сенсор Sentera NDVI Single для каптера DJI Phantom 4. Легкий высокоточный сенсор подвешивается на Phantom 4 и позволяет использовать дрон для мониторинга сельхозугодий. Основная камера беспилотника при этом не подвергается каким-либо модификациям и сохраняет полную функциональность.

Данные с Sentera NDVI Single дополняют визуальный поток. Сенсор работает с ПО Sentera AgVault Software, позволяющее фермерам получать детализированную информацию о здоровье и состоянии посевов. - Фитосанитарный контроль Сорняки, вредители, болезни, грызуны.

- экологический мониторинг сельскохозяйственных земель - охрана урожая на поле. Беспилотники являются новым инструментом охраны, поскольку благодаря тепловизорам обеспечивают возможность охраны в ночное время, а универсальная нагрузка позволяет использовать их практически круглосуточно. [3]

Спектроскопия раздел физики, посвящённый изучению спектров электромагнитного излучения. Спектроскопическая техника позволяющая исследовать световое и электромагнитное излучение, испускаемого объектами на земле является одним из самых интересных событий между теми, которые поддерживают сельское хозяйство. Этот метод помогает исследовать светового излучения наземных объектов путем захвата их выбросов в длинах волн, которые не воспринимаются человеческим глазом. [4]

Г иперспектральная камера разделяет отражённый от объекта свет на узкие спектральные полосы, захватывает и обрабатывает их по отдельности, и таким образом, фиксирует спектральную характеристику каждого пикселя получаемой картинки. Такие характеристики значительно информативней обычного RGB-изображения, видимого нашим глазом, и также получаемого при помощи обычных цифровых камер. Таким образом можно легко определить материал того или иного предмета на изображении. Как это происходит?

Каждая молекула взаимодействует со светом уникальным образом и оставляет свой спектральный след. Например, хлорофилл, молекула, которая делает растения зелёными, поглощает свет в двух характерных спектральных пиках: 665нм и 465нм. Наши глаза видят зелёный цвет, но не могут отличить пластиковый муляж от живого растения. Гиперспектральная камера же, в противовес, легко находит след хлорофилла в зелёном листе.

Потенциал спектральной съёмки огромен - нашим глазам потребовались бы годы, чтобы научиться видеть то, что позволяет запечатлеть гипер-спектральная камера: это и возможность отличить больное дерево от здорового, отыскать скрытые материалы на большой площади земли и определить какие участки земли требуется оросить или удобрить.

Возможности мультиспектральных и гиперспектральных беспилотных изображений.

Человеческие глаза видят отражение энергии от объектов в трех каналов: красного, зеленого и синего цветов. Мы не можем позволить себе роскошь видеть ультрафиолетовое и инфракрасное излучение самостоятельно.

Это может быть сделано с мультиспектральных и гиперспектральных датчиков [6].

Видимый (красный, зеленый и синий), инфракрасное и ультрафиолетовое описательные области в электромагнитном спектре.

Мы сделали эти регионы для нашей собственной цели - чтобы удобно классифицировать их. Каждый регион классифицируется на основе его частоты (v) / длина волны (h):

а) видимый свет для человека: от 380 нм до 700 нм;

б) ИК: 780 нм до 1 мм;

в) ультрафиолетовое: 10 нм до 380 нм.

Рисунок 1 - Диапазон улавливания изображения гиперспектральной камерой

Благодаря нанотехнологиям современные гиперспектральные камеры производят небольших размеров подходящих для малых БПЛА. [7]

Теперь это возможно благодаря этой технологии для оценки состояния культур даже в очень ранней стадии развития, диагностировать разные болезни, чтобы их лечить быстрее, чтобы оценить рост сорняков и других вредителей или роста водорослей в системах водоснабжения или прудов.

Недостатки: это то, что клиент хочет знать: сколько сорняков в поле?

Какой процент растений выросла? Какой тип почвы у него есть? Анализ аэрофотоснимков без конкретной цели и просьбы просто невозможно: для описания всех параметров нужно много времени, что в свою очередь обесцениваетэти фотографии. Каждый день происходят изменения в поле и на аэрофотосъемке можно увидеть только фиксированные состояния поля в конкретном временном интервале. Для этого необходимо контролировать и отслеживатьпоказания данных систематически.

Литература

1. Алгоритм вычисления положения БПЛА с использованием системы

машинного зрения / Ардентов А. А., Бесчастный И. Ю., Маштаков А. П. и др.

// Программные системы: теория и приложения. 2012. № 3. С. 23-29.

2. Белинская Ю. С., Четвериков В. Н. Управление четырехвинтовым

вертолетом // Наука и образование. 2012. № 5. С. 157-171.

3. Управление параметрами полета квадрокоптера при движении по заданной

траектории / Белоконь С. А. и др. // Автометрия. 2012. № 5. С. 32-41.

4. Будаи Б. Т., Красовский Н. А. К вопросу о повышении точности измерения

координат // Научно-технические ведомости Санкт-Петербургского

гос. политехн. ун-та. Информатика. Телекоммуникации. Управление. 2008.

Т. 6. № 69. С. 85-91.