Использование БПЛА в сельском хозяйстве

Использование БПЛА в сельском хозяйстве

Выпуск 8(6682) от 18 апреля 2019 г.
РУБРИКА: БИОТЕХНОЛОГИИ И БИОИНЖЕНЕРИЯ

Депутаты Европарламента одобрили Закон о кибербезопасности ЕС, включающий схему сертификации продуктов, процессов и услуг. На сегодняшний день наибольший повод для беспокойства со стороны европейских экспертов – ​применение на территории ЕС IT-технологий из Китая.

В настоящее время в мировом сельском хозяйстве происходит «Вторая зеленая революция», движущими факторами которой стали Интернет вещей и аналитика данных. В точном сельском хозяйстве все шире применяются БПЛА – ​в отличие от спутников они могут летать под облаками, при этом существенно дешевле в эксплуатации, чем легкомоторная авиация. Одна из последних тенденций – ​использование БПЛА не только для обработки от вредителей, внесения удобрений и биостимуляторов, измерения уровня влажности почвы и т. д., но и составление «реальных карт» состояния посевов, т. е. картографирования в «хлорофилловом спектре». Один из лидеров разработок в этой области – ​фирма MicaSense (г. Сиэтл, шт. Вашингтон, США).

Интернет вещей и аналитика данных оказывают большое воздействие на промышленные и инфраструктурные области. Еще одно пространство, где эти тенденции набирают обороты, – ​сельское хозяйство и, соответственно, пищевая промышленность. Благодаря более целенаправленному использованию таких ресурсов, как вода и удобрения, аграрии повышают урожайность, сокращают потери и снижают собственные издержки. Важная составляющая точного сельского хозяйства – ​датчики и беспроводные сети, играющие ключевую роль в сборе данных относительно состояния почв и готовности урожая [1].

Развитие точного сельского хозяйства неразрывно связано со «Второй зеленой революцией». Если первая заключалась в быстром распространении новых высокоурожайных сортов зерновых культур и связанной с ними агротехники, то вторая характеризуется использованием в сельском хозяйстве самых современных цифровых технологий. Среди крупнейших нововведений последних пяти лет можно назвать внедрение облачных платформ, использующих постоянно совершенствующиеся методики широкополосного подключения для сбора информации с используемых аграриями датчиков. Полученные данные применяются для максимизации урожайности в течение вегетационного периода и при планировании урожая следующего года.

Объем получаемых от сельскохозяйственных датчиков данных, обрабатываемых в США операционными центрами (организуются поставщиками услуг связи или поставщиками ПО и аппаратного обеспечения, центрами обработки и хранения данных – ​ЦОД – ​и т. д.), постоянно растет. Средний центр получает сейчас примерно 15 млн входящих сообщений в секунду. Внедрение беспроводной технологии 5G в сочетании с возможностями Интернета вещей поможет обеспечить сбор данных в реальном масштабе времени, что позволит оптимизировать принимаемые решения [2].


ОБЩИЕ ТЕНДЕНЦИИ «ВТОРОЙ ЗЕЛЕНОЙ РЕВОЛЮЦИИ»

По мере расширения широкополосной связи в обиход входят все новые инструментальные средства измерения различных параметров сельскохозяйственных угодий и культур, а также подходы к борьбе с вредителями (сейчас на пестициды в США тратится около 80 млрд долл. в год). Собранная при помощи датчиков информация поможет фермерам выбирать оптимальное время для посадки, внесения удобрений, орошения и сбора урожая.


«Программное обеспечение питает мир»

Новые программные средства, ориентированные на оптимизацию применения пестицидов, являются частью более широкого движения (существующего несколько десятков лет), известного как «Комплексная борьба с вредителями». В рамках этого подхода предпринимаются попытки заменить традиционное широкое использование пестицидов их целевым применением к конкретным сорнякам и вредителям. Считается, что этот подход дает двойную выгоду – ​экономию средств и уменьшение вредного воздействия на окружающую среду.

Это действительно важная задача – ​ведь до сих пор, несмотря на широкое использование гербицидов и пестицидов, потери урожая могут доходить (и это в США) до 40%. Кроме того, избыточное использование сельскохозяйственных пестицидов, как и в случае чрезмерного назначения антибиотиков у людей, в конце концов приводит к появлению новых поколений сельскохозяйственных вредителей, устойчивых к широко применяемым препаратам.

Руководствуясь старым земледельческим принципом «кормить землю, а не растения», многие стартапы разрабатывают ПО для анализа почвы и растений. Другие ориентируются на измерение влажности урожая и других сельскохозяйственных продуктов (рис. 1). Например, в молочном животноводстве чем меньше воды в силосе, тем выше качество молока. При этом на корма приходится до 60% затрат молочных ферм. Фермерам приходится обеспечивать высокое качество молока на высококонкурентном рынке. Один из способов – ​сокращение использования дорогостоящих кормовых добавок при обеспечении высокого качества кормов. Для решения этой задачи корпорация Analog Devices и стартап Consumer Physics разработали SCiO – ​первый карманный микроспектрометр, работающий в ближнем ИК-диапазоне спектра (NIR). Сейчас, после усовершенствования ПО (Consumer Physics), ведется подготовка к серийному выпуску этих приборов.



Источник: Association of Unmanned Vehicles Systems

Рисунок 1. Изображение влажности сельскохозяйственных угодий, полученное при помощи специализированного ПО (предназначенного для перехода к устойчивому ведению сельскохозяйственных операций)


Точное внесение удобрений

Одной из долгосрочных издержек «Первой зеленой революции» стало чрезмерное использование химических удобрений. Например, цветение морских водорослей в прибрежных зонах, вытесняющее все другие виды жизни, связано со стоками азотных удобрений. По некоторым оценкам, китайские фермеры используют в несколько раз больше азотных удобрений на гектар, чем их американские коллеги, но урожайность у них примерно на 30% ниже, чем за океаном.

Это побудило китайских поставщиков ПО выйти на рынок точного сельского хозяйства с новыми программными средствами, разработанными для снижения чрезмерной зависимости фермеров от пестицидов. Так, например, китайский лидер в области искусственного интеллекта, корпорация Baidu, продвигает свое ПО Intelligence Edge, предназначенное для анализа спектральных данных посевов камерами, расположенными на БПЛА. Специалисты корпорации утверждают, что их подход позволяет определять места заражения и целенаправленно применять пестициды, за счет чего использование последних сокращается вдвое, а урожайность растет.

Сбор и анализ данных датчиков, расположенных или используемых в полевых условиях, превратил традиционных поставщиков оборудования в центры обработки данных для растущего числа как аграриев, так и поставщиков ПО для сельскохозяйственных инструментальных средств. При этом поставщики оборудования рекламируют свой онлайн-сервис как способ для фермеров контролировать операции в реальном масштабе времени и получать представление о том, как улучшить свою работу – ​в первую очередь, тратить меньше денег на повышение урожайности. Цель таких услуг – ​справиться с анализом всех переменных, связанных с сельским хозяйством, с учетом данных об урожайности в разрезе пространства и времени.

В конечном счете ПО и другие инструментальные средства трансформируют способ ведения сельского хозяйства, особенно в сфере крупных или специализированных организаций. Таким образом, программное обеспечение можно рассматривать как «новое удобрение».

Сторонники точного земледелия настаивают на том, что программные средства продолжают совершенствоваться по мере того, как их поставщики улучшают свое понимание реальных сельскохозяйственных операций и неизбежных изменений, связанных с интеграцией новых технологий в традиционную сельскохозяйственную практику.


Неизбежная связь между сельским хозяйством и использованием энергии

Еще одним элементом «Второй зеленой революции» является решение вопроса неизбежной связи между сельским хозяйством, использованием энергии и даже изменением климата. «Первая зеленая революция» позволила накормить голодающий мир, следующая крупная трансформация сельского хозяйства должна решить связанные с сельским хозяйством энергетические и экологические проблемы, а также задачу, которую исследователи устойчивого развития называют «безопасностью питания».

Действительно, развитые страны, осваивающие точное сельское хозяйство, производят более чем достаточно калорий и белка, что позволяет прокормить до 20 млрд человек (отсюда и эпидемии ожирения и диабета в этих странах). «Зеленая революция» научила человечество выращивать больше пищи при использовании меньших земельных площадей. К числу препятствий на пути искоренения голода и улучшения питания относится недостаток или даже отсутствие эффективных каналов распределения, необходимых людям, страдающим от нищеты и войн. Помощь этим людям – ​вопрос доступа, а не доступности. Следовательно, акцент должен перемещаться с «продовольственной безопасности» на безопасность питания, в связи с чем необходимо повысить урожайность высокопитательных основных продуктов, таких как фрукты, овощи, орехи и бобы.

По данным Forbes, капиталовложения в сектор точного сельского хозяйства в 2017 г. составили около 2,6 млрд долл., что на 32% выше показателей предыдущего года. При этом финансирование различных стартапов, предоставляемых как крупными корпорациями, так и бесприбыльными организациями, колеблется от 100 тыс. до 1 млн долл. [2].


ОСНОВНЫЕ ПЛАТФОРМЫ СЕЛЬСКОХОЗЯЙСТВЕННЫХ ДАТЧИКОВ

В точном сельском хозяйстве используются три вида платформ: воздушные, наземные мобильные и стационарные системы. Применение датчиков и сетевых технологий может различаться, но существует и достаточное число областей их совместного применения. При этом обе технологии отличаются большим разнообразием наборов функций и наличием конкурирующих приборов и систем.


Воздушные платформы

Воздушные платформы в основном представлены датчиками, расположенными на спутниках и самолетах, а также на БПЛА различного типа – ​последнее направление приобретает все бЧльшую популярность. БПЛА часто оборудованы прецизионными датчиками глобальной системы спутниковой навигации (GNSS), что позволяет не только точно определять их положение, но и осуществлять геопривязку формируемых ими сельскохозяйственных карт (влажность и состав почвы, степень готовности урожая и т. п.). Основным датчиком, определяющим состояние растений, как правило, является мультиспектральная камера, способная формировать изображения с высоким разрешением как в видимой, так и в ближней ИК-области (NIR) спектра. На рис. 2 показана квантовая эффективность (чувствительность) стандартного КМОП-формирователя сигналов изображения (в данном случае корпорации ON Semiconductor) как функция длины волны. Формирователь оснащен встроенными красным, зеленым и синим фильтрами в обычном байеровом размещении, при этом синий фильтр располагается так, что у него остается значительная чувствительность на ИК-длинах волн. Таким образом, большинство камер общего назначения оснащены ИК-фильтрами перед датчиками с целью более точного отображения расцветок видимого света.



Источник: ON Semiconductor

Рисунок 2. Квантовая эффективность стандартного КМОП-формирователя сигналов изображения как функция длины волны


Чувствительность растений к ИК-излучению – ​хороший показатель их состояния. Листья здоровых растений будут отражать больше ИК-излучения и поглощать больше излучения красной области спектра, чем листья растений в стрессовом состоянии. Это явление позволило ученым вывести такой показатель здоровья растения, как нормализованный относительный индекс растительности (normalized difference vegetation index, NDVI – ​NIR-Red/NIR+Red) – ​он же вегетационный индекс, простой количественный показатель фотосинтетически активной биомассы. При правильной настройке фильтров КМОП-формирователь изображений можно преобразовать в NDVI-датчик. Благодаря подобным датчикам БПЛА становятся хорошим средством контроля сельхозугодий [1].

Ранние последователи технологии БПЛА отмечают, что низколетящие платформы, оснащенные мультиспектральными датчиками, могут формировать изображения сельскохозяйственных угодий с высоким разрешением. Такие изображения характеризуют состояние посадок по различным параметрам – ​от производительности оросительных систем до почвенных карт, демонстрирующих, где и когда применять удобрения (гербициды, репелленты и т. п.).

Консенсус ранних последователей, по всей видимости, заключается в том, что сельскохозяйственные БПЛА представляют собой хорошее инструментальное средство для крупных хозяйств, когда необходимо следить за тысячами орошаемых гектаров посадок, или для хозяйств с особо ценными посадками, такими как виноградники.

Крупные землепользователи могут получать разнообразные данные о состоянии своих посадок с помощью коммерческой легкомоторной авиации или пользоваться легко доступными коммерческими спутниковыми снимками. Последние характеризуются большим охватом, но недостаточной детализацией, а полеты легкомоторной авиации осуществляются по заранее согласованному графику. В отличие от них, БПЛА, оснащенные тепловыми и мультиспектральными датчиками, способны летать под облаками или на бреющем полете и могут быть развернуты там и тогда, где и когда фермеры нуждаются в данных о состоянии своих посадок в реальном масштабе времени.

Одна из фирм, осуществляющих разработку и поставку мультиспектральных формирователей изображения для БПЛА, – ​MicaSense. Ее датчики работают в пяти спектральных диапазонах, причем их работа совмещена с работой термодатчика. Специалисты фирмы и пользователи утверждают, что разрешения датчиков вполне достаточно для получения данных о листве и растениях в целом. Эти данные могут использоваться для фенотипирования. Сформированные датчиками MicaSense изображения предоставляют пользователям намного больше полезной информации, чем RGB-датчики, в частности по содержанию в растениях хлорофилла (рис. 3).



Источник: MicaSense

Рисунок 3. Сопоставление изображений сельскохозяйственных угодий, сформированных основными цветами и с учетом содержания хлорофилла в посадках


В то время как скептики не видят быстрой отдачи от инвестиций в технологии БПЛА, ранние последователи заявляют, что с той или иной скоростью неуклонно продвигаются по кривой обучения (освоения), что позволяет делать сельскохозяйственные БПЛА все более пригодными и полезными для повседневного использования. Беспилотники используются на самых различных культурах – ​от томатов и других овощей до хлопка. Составляемые БПЛА почвенные и влажностные карты дают земледельцам большой объем полезных данных. Их ценность возрастает по мере того, как фермеры улучшают понимание и организацию этих данных. Общая тенденция в данной области – ​облегчение сбора и беспроводной передачи данных о состоянии посадок, полученных как БПЛА, так и наземными датчиками. Весь этот объем данных затем анализируется прикладными программами. Правда, в этом плане у крупных сельскохозяйственных корпораций возможностей больше, чем у фермеров.


Управление данными

Использование БПЛА для анализа почв позволяет определить необходимые уровни питательных веществ для различных культур и принять оптимальные решения об использовании удобрений или пестицидов. Такой анализ также помогает идентифицировать состав почв (песчаные, супесь, суглинки, глина и т. д.) и оптимизировать ирригационные сети с целью обеспечить посадкам достаточную влажность, не допуская застоя воды на глинистых участках.

Для определения влажности посевов и участков земли, которые высыхают быстрее всего, также используются термодатчики. Эти данные помогают составить графики сбора урожая. Планирование сбора урожая дает возможность закрепить конкретные машины и оборудование за каждым конкретным полем или участком, а также определить необходимую квалификацию операторов машин и оборудования.

Несмотря на всю привлекательность использования БПЛА, перед их ранними последователями уже встает вопрос управления получаемой информацией. Зачастую полученных данных бывает слишком много для обработки на самом сельхозпредприятии, поэтому значительные их объемы передаются в операционные центры (здесь возникает еще одна возможность для развития краевых вычислений). Соответственно, ранние последователи предупреждают всех, кто хочет воспользоваться их опытом, о том, что начинать нужно с малого, обрабатывать на месте только самую необходимую информацию, расширяя мощность обработки по мере надобности с учетом соображений рентабельности. Например, с целью ускорения получения прибыли на инвестированный в БПЛА и связанные с ним технологии капитал рекомендуется начинать с применения на БПЛА тепловых датчиков для минимизации потерь воды – ​одного этого может хватить на покрытие затрат на беспилотник, датчик и управление данными [3].


Строительные блоки сельско-хозяйственных мобильных платформ

По большей части потребности воздушных платформ в сетевых средствах связи минимальны. Некоторые системы предусматривают Wi-Fi-связь со смартфоном с целью предоставления результатов осмотра в реальном масштабе времени. Большинство же БПЛА хранят полученные данные на съемных флэш-картах для последующей обработки.

Подобное использование флэш-памяти, а не сетевых подключений, характерно также для мобильных наземных прецизионных сельскохозяйственных платформ типа навесного (на тракторы и другие транспортные средства) оборудования и роботизированных транспортных средств. Данные, собираемые их датчиками, могут отображаться в реальном масштабе времени для водителя, но, подобно воздушным платформам, редко передаются непосредственно (в прямом эфире) в сеть. Однако типы используемых датчиков существенно различаются.

Чаще всего мобильные платформы оснащаются электрохимическими датчиками, контролирующими условия выращивания, включая такие факторы, как кислотность (щелочность) почв, электропроводность почвы (что коррелирует с урожайностью сельскохозяйственных культур), содержание влаги и азота на нескольких уровнях глубины. Также могут использоваться датчики гамма-излучения (типа SoilOptix и т. д.) для выявления изменений в естественном фоне радиации, что может стать предпосылкой для изменения состава и структуры почвы. Оптические датчики помогают измерить содержание в почве органики, включая растительные остатки. Подобные мобильные системы, предлагаемые различными поставщиками, обеспечивают картирование почв с намного большей точностью по сравнению с традиционными методиками ручного отбора проб. Формирование карт, в свою очередь, помогает фермерам более точно подобрать тип и объем удобрений, которые нужно применить в конкретном месте.

Мобильные платформы предлагают точность картирования на сантиметровом уровне, что существенно точнее спутникового подхода (разрешение около 1 м). Для уточнения позиционирования мобильным системам могут понадобиться блоки инерциальных измерений (IMU). Класс точности, необходимый для составления сельскохозяйственных карт, затем может использоваться при посеве семян, внесении удобрении и пестицидов, а также для управления уборочной техникой – ​во избежание дублирования работ.


Стационарные сельскохозяйственные платформы

Стационарные прецизионные сельскохозяйственные платформы обычно не требуют встроенных датчиков определения местоположения, хотя остается задача определения их местоположения при первичном размещении. В отличие от других типов платформ стационарные системы в значительной степени зависят от возможностей сетевых средств связи. В сельском хозяйстве выбор варианта связи зачастую зависит от конкретной ситуации, когда можно выбирать между сотовыми сетями, ячеистыми сетями и энергоэффективными сетями дальнего радиуса действия (LPWAN, таких как LoRa, SigFox, 6LoWPan и т. д.), а также конфигураций непосредственного подключения приборов к шлюзам. Некоторые поставщики (типа NFC Group) предлагают патентованные (собственные) технологии связи, другие предлагают стационарные платформы датчиков с любым вариантом технологий связи – ​по выбору пользователя.

Стационарные системы характеризуются более широким выбором датчиков, чем другие типы сельскохозяйственных платформ. Например, фирма Davis Instruments предлагает средства локализованного мониторинга окружающей среды и погоды (температура, объем осадков, освещение солнечными лучами, сила и направление ветра и т. п.). Ряд фирм, например, Arable, предлагают «датчики здоровья» растений, которые совместно со средствами мониторинга окружающей среды отслеживают фактический рост насаждений (по сравнению с ожидаемым). Корпорация DTN производит системы подсчета плотности конкретных типов вредителей, действующие на основе феромонного привлечения и предназначенные для выявления нашествия вредителей (т. е. превышение их удельной популяцией определенного уровня). К другим датчикам, используемым в стационарных системах, можно отнести приборы измерения влажности почвы (на основе ее емкостных или электромагнитных свойств), датчики скорости эвапотранспирации, влажности листьев (вследствие дождя или конденсации), высоты растений и даже толщины стеблей и стволов или размера растущих плодов (дендрометрия).

Стационарные системы обеспечивают обработку основного объема данных сельскохозяйственных датчиков и составляют основу точного сельского хозяйства. Они же обеспечивают наибольший потенциал наращивания производства сельскохозяйственной продукции. Единая воздушная или мобильная система мониторинга может обслуживать все угодья фермера, но для сбора данных с достаточной степенью детализации, обеспечивающей максимальную пользу, потребуются многочисленные стационарные системы датчиков. В результате расширяющегося спроса многие малые и средние фирмы, такие как Vinduino, вышли со своими предложениями на рынок точного сельского хозяйства. Основные характеристики подобных систем – ​использование солнечной энергии, низкая стоимость и интеграция с широкомасштабными (глобальными) сетями и облачными сервисами для обработки данных.

Крупные фирмы также учитывают открывающиеся возможности. Так, корпорация Analog Devices начала работать с клиентами с целью интеграции своих датчиков и технологий Интернета вещей в сельскохозяйственные применения.

Поставщики средств и услуг связи, такие как Libelium и Semtech, предлагают сенсорные платформы, способные объединять широкий диапазон сельскохозяйственных датчиков и отправлять собранные данные в облачные центры оказания аналитических услуг.

Хотя точное сельское хозяйство изу-чается уже более десятка лет, поддержка сбора информации на основе датчиков по-прежнему находится в стадии становления. По данным Министерства сельского хозяйства США (USDA), принятие и поддержка подобного подхода до сих пор недостаточны. Поэтому такие организации, как Международное общество точного сельского хозяйства (International Society for Precision Agriculture, ISPA) и Норвежский центр точного сельского хозяйства (Norwegian Center for Precision Agriculture, NCPA), продолжают активные действия в этом направлении (НИОКР, пропаганда передового опыта и т. д.).

Важный момент – ​издержки на применение новых технологий продолжают снижаться, что способствует расширению круга пользователей. По мнению специалистов USDA, в конечном счете большинство производителей продуктов питания признают необходимость принятия описанных технологий.

Освоение точного земледелия подталкивается ростом населения Земли, которое в течение ближайших нескольких лет увеличится до 9 млрд человек. Для удовлетворения спроса необходимо будет увеличить производство продовольствия на 70% по сравнению с современным уровнем, соответственно, полное внедрение точного земледелия становится неизбежным. Для разработчиков систем датчиков это означает формирование нового рынка с огромным потенциалом роста [1].

 

1. Quinnell Rich. Sensors, Networks Enable Precision Agriculture. EE Times, March 21, 2019: https://www.eetimes.com/document.asp?doc_id=1334454 

2. Leopold George. Making Agriculture More Precise – ​and Bountiful. EE Times, March 14, 2019: https://www.eetimes.com/document.asp?doc_id=1334431 

3. Leopold George. Can Drones Provide Agricultural ‘Ground Truth’? EE Times, March 18, 2019: https://www.eetimes.com/document.asp?doc_id=1334436


В ЦЕНТРЕ ВНИМАНИЯ

MicaSense

Дата основания : 2014 г.
Количество сотрудников: 5 чел.
Штабквартира: г. Сиэтл, шт. Вашингтон, США.
Инвестиции: общая сумма венчурного финансирования 9,4 млн долл. (2 млн долл. в 2014 г. на создание и 7,4 млн долл. в 2016 г. на развитие бизнеса – round A и round B financing соответственно).

БПЛА Altum. Один из лучших в своем классе, оснащен радиометрической тепловизионной камерой высокого разрешения, работающей в пяти узких диапазонах частот. Это позволяет за один полет создавать по передовым технологиям тепловые, мультиспектральные изображения и изображения с высоким разрешением для расширенной аналитики.

Многоспектральные камеры RedEdge. Оптимизированы для использования в небольших беспилотных авиационных системах и на пилотируемых летательных аппаратах. Обеспечивают фиксацию собранных данных и их передачу специалистам для выявления проблемных зон в посевах и незамедлительного принятия решений. Собранные камерой данные предоставляют возможность точного применения удобрений и проведения профилактических мероприятий в реальных условиях.

Наборы DJI Skyport. Наборы надежных профессиональных многоспектральных датчиков для картографирования сельскохозяйственных угодий предназначены для интеграции на БПЛА DJI SkyPort, а также включают в себя все необходимое для интеграции с БПЛА M200 и M210.

Приложение Atlas flight. Позволяет быстро и легко планировать задания беспилотников и мультиспектральных камер, а также собирать и управлять данными непосредственно со смартфона – ​для этого нужно просто задать желаемую высоту, скорость и зону облета.

Прочее. Комплекты MicaSense Fixed Mount Kit для фиксированного крепления необходимого оборудования на БПЛА, аксессуары и составляющие.


ЧИТАЙТЕ ТАКЖЕ