IoT-данные двигают прецизионное земледелие: повышение урожайности и снижение затрат

Примечание редактора: Эта статья глобального управляющего редактора Рича Квайнелл является частью Специального проекта AspenCore Media «Agriculture Tech», изучающего, как IoT, аналитика и сенсорные технологии перестраивают фермерство и производство пищи.

Пока IoT и аналитика доминируют в заголовках индустрии и инфраструктуры, сельское хозяйство тихо становится следующей фронтирой. Интегрируя сенсорные сети и аналитику данных в реальном времени, фермеры могут увеличивать урожайность, снижать потери и резать операционные расходы через более точное управление ресурсами.

Фундамент прецизионного земледелия — данные. Сенсоры, беспроводная сеть и сложная аналитика предоставляют действенные инсайты для точечного применения удобрений, воды и пестицидов.

Три основные категории платформ питают эту дата-экосистему: воздушные, наземные мобильные и стационарные системы. Каждая платформа использует разные сенсорные наборы и сетевые технологии, но все делят общую цель — захват высокоразрешающих, действенных данных по разным сельскохозяйственным ландшафтам.

Рисунок 1 – Мультироторные дроны становятся всё более популярной воздушной платформой для прецизионного земледелия малых и средних полей. (Источник: ublox)

Воздушные платформы собирают данные сверху с использованием дистанционного зондирования. Пока пилотируемые самолёты и спутники всё ещё служат крупномасштабным обзорам, беспилотники (UAV) — как фиксированного крыла, так и мультикоптеры — быстро вытесняют их для среднемасштабных операций. Оборудованные высокоточными GNSS-модулями вроде Ublox F9, дроны могут проводить детальные оценки здоровья растений по полям, которые иначе трудно мониторить.

Ключевой сенсор для здоровья растений — многспектральная камера, способная захватывать высокоразрешающие изображения в видимом и ближнем инфракрасном (NIR) диапазонах. Большинство CMOS-сенсоров имеют врождённую NIR-чувствительность, но потребительские камеры обычно блокируют этот диапазон для естественных цветов. Удаляя NIR-фильтр, CMOS-сенсор может функционировать как NDVI-камера, как пример Sentera AGX710.

Рисунок 2 – Типичные цветовые сенсоры также включают NIR-чувствительность, которую общего назначения камеры стремятся отфильтровать. (Источник: ON Semiconductor)

В мониторинге здоровья растений NIR-рефлектанс — мощный индикатор вегетативной вигориозности. Здоровые листья рефлектируют больше NIR и поглощают больше красного света, ведуя к широко используемому Нормализованному Разностному Вегетационному Индексу (NDVI) = (NIR‑Red)/(NIR+Red). С правильной фильтрацией и обработкой изображения стандартный CMOS-сенсор может вычислять NDVI-значения, позволяя фермерам указывать зоны, требующие дополнительной воды или удобрений.

Рисунок 3 – NDVI-обзоры дают детальную инсайт в здоровье растений по всем полям, подсвечивая, где ресурсы вроде воды и удобрений нуждаются в большем или меньшем применении.