Команда EastFruit продовжує серію публікацій про можливості підвищення ефективності садівництва та овочівництва, використовуючи дрони та робототехніку. Загальний оглядовий матеріал можна прочитати за цим посиланням. Сьогодні ж ми більш детально розповімо про можливості, які є у дронів, для підвищення швидкості та ефективності отримання максимально точної інформації про стан саду або поля з овочами, що дає змогу швидше приймати рішення. У результаті різко знижуються витрати, підвищується якість продукції та врожайність. Крім того, фермеру вдається уникнути втрат, що важливо для підвищення стійкості бізнесу.
Для проведення моніторингу за станом рослин дрони можуть бути обладнані різними типами сенсорів: фотокамерою (візуальна інспекція, метричні показники росли), мультиспектральною камерою (карти вегетаційних індексів, оцінка біомаси та стану розвитку рослин), тепловізором (фізіологічна активність рослин, транспірація, оцінка рівня доступності вологи, безпекова функція), лідаром (кількість та висота рослин). В сільськогосподарському секторі широко застосовуються дрони з мультиспектральною камерою.
В рослинництві мультиспектральними камерами називають камери, які крім видимого людському зору спектра світла здатні реєструвати світло в ближньому інфрачервоному діапазоні (NIR – near infrared, 750-1000 нм). В цьому діапазоні рослини відбивають більше світла, ніж у видимому, причому рівень відбиття позитивно залежить від кількості біомаси. Одночасно, відбиття світла у видимому діапазоні (в основному, в червоному) обернено залежить (знижується) від кількості основного фотосинтетичного пігменту рослин – хлорофілу. Тому співвідношення між відбиттям у видимому та ближньому інфрачервоному діапазонах є дуже інформативним показником стану рослинності. Це відношення відоме як індекс NDVI (normalized difference vegetation index) і розраховується як:
NDVI = (NIR – RED) / (NIR + RED)
де NIR I RED – ближній інфрачервоний та червоний канали зображень.
Мал. 1. Відображення стану насаджень за індексом NDVI.
Використання дронів з мультиспектральними камерами дає змогу створювати карти NDVI за допомогою яких можна оцінювати рівень розвитку, однорідність садів або полів, виявляти стресовані рослини, та інше.
Мал. 2. Процес збору даних для проведення мультиспектрального аналізу в яблуневому саду.
Окрім видимих каналів (Red, Green, Blue) та каналу NIR мультиспектральні камери можуть бути обладнані іншими каналами, наприклад – RedEdge (червоний край, між Red I NIR). Це дає змогу розраховувати інші вегетаційні індекси, які в певних ситуаціях бувають більш інформативні ніж NDVI.
NDRE – схожий на NDVI індекс, але замість червоного діапазону використовує так званий “red edge” (червоний край) діапазон – перехідний між червоним і NIR. Це допомагає помітити незначні відмінності в стані густої та багатої хлорофілом рослинності, коли червоний діапазон вже не є інформативним.
Мал. 3. Відображення стану насаджень за індексом NDRE.
Важливо розуміти, що вегетаційні індекси – це лише спектральні показники рослин, які чутливі до вмісту хлорофілу та кількості біомаси. Вони можуть показати неоднорідність поля/саду, виявити наявність проблеми, але не можуть напряму показати розв’язання проблеми (наприклад, тип стресу або кількість необхідних добрив). Використання вегетаційних індексів здійснюється в комплексі з агрохімічним аналізом та консультуванням зі спеціалістами.
Карту індексів рослинності можна створити за допомогою зображень, зроблених камерою дрона. На основі цих індексів можна оцінити інформацію про культуру, таку як хвороби культури, потреби в поживних речовинах і водний стрес. Індекси рослинності допомагають відрізнити здорові від нездорових рослин і бур’яни. Ці індекси базуються на спектрі зображення культур, а спектр зображення пов’язаний зі станом здоров’я культури. Існують надійні зв’язки між урожайністю та індексами вегетації, оціненими на певних етапах збору врожаю. Ці співвідношення відіграють велику роль для моніторингу врожаю.
Ефективність обробки зображень у системі залежить від типу літальних платформ, алгоритмів машинного навчання та систем захоплення зображень.
Розглянемо приклад застосування дронів з мультиспектральними камерами.
Оцінка загального стану сливового саду після позакореневого внесення азоту.
Завдання: оцінка стану дерев після крайнього позакореневого внесення азоту.
Опис об’єкта: сливовий сад, загальна площа насаджень – 12,4 га.
Внесення азоту. Позакореневе підживлення передбачає внесення поживних речовин по листові пластині рослини, а не до кореневої системи, що дозволяє виробникам реагувати точніше та негайно. Це конкретне застосування було надзвичайно важливим, оскільки воно було останнім перед збиранням урожаю, даючи плодам остаточний імпульс.
Мал. 4. Фото сливового саду.
Збір даних дроном. Для запису даних використовував DJI Matrice 600 Pro з MicaSense RedEdge-M. Дрон літав на 110 метрів зі швидкістю 8 м/с із 80% перекриттям. І камера, і дрон – ефективно працювали за температури понад 40°C (100°F) Після 20-хвилинного польоту було зібрано 2771 зображення, що в результаті склало приблизно 6,35 ГБ даних.
Обробка даних програмним забезпеченням. Після того, як дані були зібрані, їх було перенесено з SD-карти дрона на комп’ютер в автівці. Тобто, обробка даних відбувалася відразу в полі. Усі 2771 зображення було оброблено на місці за допомогою Pix4Dfields менш ніж за десять хвилин. Після того як обробка зображень Pix4Dfields була виконана, фахівець зміг провести аналіз зображення на місці, обговорити результати та негайно розвідати зони фокусування з ферми.
Ще одна опція, яку було використано в даному кейсі-підключення до John Deere OC. Це дозволило користувачам далі використовувати дані та візуалізувати їх поряд з іншими рівнями інформації (карти врожайності, карти ґрунту), щоб приймати ще більш обґрунтовані рішення.
Виявлення проблем захисту рослин. За допомогою спеціальної індексної карти та інструменту анотацій виділили потенційні проблемні області. Серед помічених проблем:
- Витік води, який негайно підтвердив керівник ферми.
- Нова зрошувальна труба була визначена як потенційна проблема. Це знову підтвердив керівник ферми.
- Виявлено ділянку зі значно меншою щільністю росту. Керівник ферми не знав про цю проблему. Було прийнято рішення провести оперативний виїзд на локацію та перевірити стан дерев.
Мал. 5. Спеціальна індексна карта Pix4Dfields (для створення ґрунту), що використовується з інструментом анотацій для виділення проблемних областей.
По прибуттю на локацію було підтверджено наступне: близько 28 дерев росли мали помітно меншу (вражену) крону, ніж сусідні дерева. Фермер провів збір зразків ґрунту та листя, щоб з’ясувати, що саме викликає проблему. За допомогою інструментів миттєвої обробки та аналізу Pix4Dfields дозволило менеджеру ферми приймати своєчасні та цілеспрямовані рішення на місці як частину їхнього щоденного робочого процесу.
Мал. 6. Одне з 28 обрізаних дерев у «менш зростаючій» зоні виявлено з видимими пошкодженнями плодів і листя.
Етапність виконання процесу:
- Збір даних дроном.
- Вивантаження знімків та створення ортомозаїки.
- Створення попередньо визначених індексів карти (NDVI та NDRE). Додатково варто створити спеціальну індексну карту, що маскує ґрунт.
- Порівняння поля з використанням інструменту ортофотомозаїки та спеціального індексу.
- Формування зонування для створення «легкої для читання» карти проблемних областей, на яких варто зосередитися.
- Додавання анотації, щоб виділити «області фокусування» та додати до них більше інформації.
- Експортування PDF-звіту і поширення його між клієнтами.
- Підключення до операційного центру John Deere.
Проведення мультиспектрального аналізу – це в першу чергу можливість отримання максимально оперативно інформації для аналізу та прийняття виважених рішень. Дрони – це інструмент збору цієї інформації.
Якщо говорити про моделі залучення кваліфікованого персоналу, варто в першу чергу оцінювати власні потреби. Найбільш поширеною моделлю є придбання дрона та навчання одного із працівників пілотуванню БПЛА. Це дозволить швидко виїздити на локацію для збору даних, а не очікувати в черзі до спеціалізованого провайдера.
Що стосується етапу програмної обробки та аналізу, то найбільш поширеною моделлю є залучення спеціалізованих компаній, які закріплюють менеджера за замовником і можуть системно надавати послуги з обробки даних та їх розшифровкою. Доцільність в першу чергу зумовлена відсутністю потреби купувати коштовні комп’ютери для обробки даних та проводити довготривале навчання працівника, якого протягом сезону буде складно завантажити повноцінною зайнятість в цій сфері.
Відео про мультиспектральний аналіз у садівництві за допомогою дронів можна подивитися нижче.
