Сбор данных питанию Аграрную 4.0

Фермеры превращают сенсорные данные в стратегический актив, переходя от превентивного к предиктивному земледелию.

С Индустриальной революции автоматизация вела производство. Сегодня Индустрия 4.0 сделала большинство процессов data-центричными, следуя пятишаговому циклу: сбор, передача, хранение, анализ и представление. Финальный шаг держит людей в контроле, но данные также могут быть возвращены к актуаторам, позволяя роботизированную автоматизацию.

Сельское хозяйство зеркалило индустриализацию за последние два столетия, и Аграрная 4.0 теперь ускоряется. Как производство приняло управление данными, фермеры принимают похожие data-центричные решения. Индустриальные фирмы расширяются в ag-tech, а производители оборудования ветвятся в промышленное производство. Несмотря на свою неструктурированную среду, адаптивность новых data технологий выравнивает сельское хозяйство с авто и аэро, превращая фермеров в современных инженеров.

Это началось в 1990-х с первой автоматизацией для высокоценного молочного сектора — доильные машины от шведского производителя DeLaval и нидерландской Lely. В то же время оптические сортировщики для зерна, особенно риса, возникли от японской Satake и швейцарской Bühler. Некоторые из этих сортировочных технологий нашли новую жизнь в высококлассном сельском хозяйстве, таком как виноградные лозы, где французская фирма Pellenc разработала роботизированное оборудование, превратившее фермеров в data scientists.

Как только автоматизация была на месте, фермеры могли выйти за пределы пассивного наблюдения урожая к проактивному улучшению как качества, так и количества. Малые фермы когда-то полагались на глаз фермера и интуицию; сегодня массивные операции не могут зависеть от человеческих чувств в одиночку. Data технологии стали центральными для направления фермы в правильном направлении — будь то стого, выращивание культур или премиальные продукты вроде вина.

Использование камер в сельском хозяйстве

Дрон-ориентированный мониторинг полей — главная иллюстрация аграрного управления данными. Парижская Parrot, через свою американскую дочернюю компанию MicaSense, пионерствовала камеру, захватывающую множественные длины волны для вычисления normalized difference vegetation index (NDVI) карт — теперь индустриального стандарта для мониторинга здоровья посевов и идентификации проблемных зон. В январе Parrot объявила о продаже MicaSense американской aerial-imaging компании AgEagle Aerial за 23 млн долларов. NDVI карты теперь загружаются на тракторы, позволяя real-time корректировки удобрений.

Американское Федеральное авиационное администрации (FAA) сообщает, что 7% из 1,6 миллиона зарегистрированных дронов в США служат сельскохозяйственным целям — более 100 000 активных аграрных дронов. Пока малая доля коммерческого дрон-рынка, аграрный сегмент является значительным генератором выручки. Сбор данных все больше становится царством роботов, будь то автономные фермы, дроны или тракторы — данные больше не новое нефть; это новый урожай.

Использование IMU в сельском хозяйстве

Умные аграрные роботы делятся на две главные категории: воздушные (дроны) и наземные (тракторы, комбайны). В обоих случаях функциональность опирается на различные сенсоры, с инерциальной системой для навигации и стабилизации как первостепенной. Она должна доставлять высокую производительность, надежность, низкий bias drift, низкую bias instability и стабильное температурное поведение — все по доступной цене для обоснования инвестиций.

click for full size image

(Источник: Yole Développement)

click for full size image

(Источник: Yole Développement)

Дроны мониторят здоровье посевов через камеры и часто используются для удобрения малых и средних полей (<20 га) как дешевая альтернатива авиа-ориентированным решениям. Точная навигация и стабилизация критичны при наведении камеры на землю; на высоте 10 м ошибка 5° переводится в 80-см позиционную ошибку. Пока GPS может обеспечить достаточную точность для многих приложений, надежные инерциальные измерительные единицы (IMU) необходимы для стабилизации камеры.

Наземные роботизированные транспортные средства навигируют по рядам посевов с сантиметровой точностью, чтобы избежать повреждения растений. Большинство полагаются на точный GPS, предотвращая двойное удобрение или пробелы. Однако GPS сигналы могут быть потеряны — под деревьями, например — необходимо IMU или attitude-heading-reference system (AHRS) решения. MEMS-базированные IMU встречают высокопроизводительные, низкие размер, вес, мощность и стоимость (SWAP-C) требования наземных приложений.