Корм для сбора данных Сельское хозяйство 4.0
Фермеры собирают данные датчиков, чтобы перейти от профилактического к прогнозируемому сельскому хозяйству.
С самого начала промышленная революция была сосредоточена на автоматизации производственных процессов. Теперь, когда мы вступили в эру Индустрии 4.0, большинство промышленных процессов стали ориентированными на данные, как правило, включающими пять этапов манипулирования данными:сбор, передача, хранение, анализ и, наконец, отображение. Этот последний шаг - держать людей в курсе, но данные также могут быть возвращены на какое-либо исполнительное устройство, что перенесет процесс в сферу робототехники.
Сельское хозяйство не было невосприимчивым к индустриализации на протяжении последних двух столетий, и в последние годы сельское хозяйство 4.0 набирает обороты. Подобно тому, как промышленное производство перешло к управлению данными, сейчас сельское хозяйство следует по этому пути. Компании, которые традиционно обслуживали промышленные сегменты, теперь предлагают аналогичные ориентированные на данные подходы к сельскохозяйственному сектору, и мы даже наблюдаем, как производители сельскохозяйственного оборудования расширяют свою деятельность в сфере производства промышленного оборудования. Хотя сельское хозяйство часто характеризуется неструктурированной средой по сравнению с традиционными отраслями промышленного производства, универсальность новых технологий, ориентированных на данные, помогает сельскому хозяйству стать отраслью, которая пилотируется так же, как автомобильная или аэрокосмическая. Фермер стал инженером, как и любой другой инженер.
Все началось в 1990-х годах с первого оборудования автоматизации для молочной промышленности, в первую очередь доильных аппаратов шведского производителя DeLaval и Lely из Нидерландов. В то же время оптические сортировщики зерна, особенно риса, были разработаны такими компаниями, как Satake, штаб-квартира которой находится в Японии, и Bühler, базирующаяся в Швейцарии. Некоторые из этих методов сортировки снова нашли применение в области высококачественной сельскохозяйственной продукции, такой как виноград с виноградников. Пеллен на юге Франции разработал такое роботизированное оборудование, которое превратило фермеров в специалистов по обработке данных.
Действительно, когда автоматизация была внедрена для этого нового поколения фермеров, у них появилась возможность сделать дополнительный шаг, не только пассивно глядя на свою урожайность, но и активно действуя для улучшения качества и количества своей сельскохозяйственной продукции. В то время как мелкие фермерские хозяйства в прошлом могли полагаться на глаза и интуицию фермера для наблюдения за повседневной деятельностью, сегодняшние гигантские сельскохозяйственные операции больше не могут полагаться на человеческие чувства. Технологии обработки данных стали центральным элементом управления фермой в правильном направлении. Будь то животноводство, растениеводство или производство высококачественных продуктов, таких как вино, в центре внимания Agriculture 4.0 находятся данные.
Использование камеры в сельском хозяйстве
Один из лучших примеров управления сельскохозяйственными данными - это мониторинг полей с помощью дронов. Расположенная в Париже компания Parrot является ключевым игроком в этой области, во многом благодаря своему американскому филиалу MicaSense. Однако в январе французская компания объявила, что согласилась продать MicaSense компании AgEagle Aerial, американской компании по сбору данных, аналитике, аэрофотосъемке и дронам, за 23 миллиона долларов. MicaSense разработала камеру, которая использует разные длины волн для расчета карт нормализованного разностного индекса вегетации (NDVI), которые стали общепринятым способом мониторинга роста сельскохозяйственных культур и выявления проблемных участков. Современная методология заключается в загрузке карт NDVI в тракторы и, таким образом, корректировке удобрений, доставляемых на поле.
Федеральное управление гражданской авиации США (FAA) недавно сообщило, что 7% из 1,6 миллиона зарегистрированных дронов в США предназначены для сельскохозяйственных целей. Это составляет более 100 000 активных дронов для сельского хозяйства США. Сегмент сельскохозяйственных дронов, составляющий лишь небольшую часть общего рынка коммерческих дронов, стал реальностью, приносящей значительный доход. Сбор данных все чаще становится ролью роботов. Будь то автоматизированный коровник, сельскохозяйственный дрон или автономный трактор, данные больше не являются новым маслом; это новый урожай.
Использование IMU в сельском хозяйстве
Роботы, используемые в интеллектуальном сельском хозяйстве, делятся на две основные категории:воздушные (дроны) и наземные (например, тракторы и комбайны). В обоих случаях функции роботов зависят от различных типов датчиков. Одной из таких функций является инерциальная система навигации и стабилизации, которая должна отвечать требованиям высокой производительности, надежности и точности; низкий дрейф смещения; низкая нестабильность смещения; и стабильная работа при высоких температурах - все по доступной цене - чтобы оправдать вложения.
щелкните, чтобы увидеть полноразмерное изображение
(Источник:Yole Développement)
щелкните, чтобы увидеть полноразмерное изображение
(Источник:Yole Développement)
Дроны позволяют контролировать здоровье и состояние посевных полей (с помощью камер) и обычно используются для удобрения небольших и средних полей (<20 гектаров) в качестве альтернативы более дорогостоящим решениям по внесению удобрений на самолетах. Навигация и стабилизация дрона очень важны при наведении камеры на землю, так как необходимо знать, что снимает камера. На высоте 10 метров ошибка в 5 ° приводит к ошибке 80 см.
Хотя GPS может быть достаточно точным для навигации дронов, для стабилизации камеры необходимы надежные инерциальные измерительные блоки (IMU).
Наземные роботизированные машины для сельского хозяйства перемещаются по рядам культур и требуют сантиметровой точности, чтобы не повредить растения. Большинство этих машин имеют точную систему GPS, которая позволяет водителю знать местоположение транспортного средства и предотвращает двойное внесение удобрений или отсутствие удобрений. Однако GPS может быть ограничивающим фактором в тех случаях, когда робот едет, например, под деревьями, где сигнал может быть потерян. Вот где нужны решения IMU или системы ориентации и ориентации (AHRS). IMU на основе микроэлектромеханических систем (MEMS) хорошо оборудованы для удовлетворения требований наземных приложений по высокой производительности и малому размеру, весу, мощности и стоимости (SWAP-C).
Интернет вещей
- Сетевые протоколы
- Микропроцессоры
- Данные операционного усилителя
- Типы данных Python
- Демократизация Интернета вещей
- 5 Тенденции в области связи
- 10 лучших платформ IIoT
- Обеспечение значимости данных Интернета вещей в сельском хозяйстве в John Deere
- Связанные данные об урожае в сельском хозяйстве и дают толчок сельскому хозяйству
- C — Типы данных