Беспилотный агроном
В создании агродрона участвуют ученые и студенты Томского государственного университета (ТГУ) в рамках передовой инженерной школы «Агробиотек»Фото предоставил Станислав Шидловский
В создании агродрона участвуют ученые и студенты Томского государственного университета (ТГУ) в рамках передовой инженерной школы «Агробиотек». Над проектом работает междисциплинарная группа, в нее входят почвоведы, метеорологи, радиофизики, айтишники и другие специалисты.
Обычно сначала проводится аэрофотосъемка поля, затем полученные снимки анализирует специалист, который определяет вид удобрения, дозу и участок, куда его нужно вносить. Беспилотник томских специалистов будет решать эти задачи комплексно. Испытания запланированы на предстоящий полевой сезон.
ПОВЫСИТЬ РЕНТАБЕЛЬНОСТЬ ПРОИЗВОДСТВА
«Изначально мы работали в команде, которая была нацелена на прогноз урожайности кедрового ореха в Томской области, — рассказал “Стимулу” доцент кафедры почвоведения и экологии почв Биологического института ТГУ Олег Мерзляков, один из основных участников проекта. — Это был заказ департамента сельского хозяйства региона. Основной акцент у нас делается на дикоросы, и нужно было разработать интеллектуальную систему с дистанционной передачей данных с кедровых выделов из отдаленных районов. На урожайность кедра влияют несколько факторов: климат, влажность, почвенные условия, и мы попытались все объединить. Группа у нас сложилась хорошая, но финансирование мы получить не смогли и решили заняться распознаванием свойств и диагностикой плодородия сельскохозяйственных угодий».
Один из основных участников проекта, доцент кафедры почвоведения и экологии почв Биологического института ТГУ Олег Мерзляков
Фото предоставил Олег Мерзляков
В 2021 году Администрация Томской области организовала выставку, чтобы найти кандидатов для разработки национального проекта от региона. На выделенных площадках представители научного сообщества показывали свои достижения в разных областях, и там участники группы познакомились с потенциальными партнерами — физиками, которые работают над датчиками для измерения различных показателей, — и предложили им сотрудничать.
«Сначала мы работали только с космическими снимками, которые находятся в свободном доступе, есть много архивных баз данных, — рассказывает Олег Мерзляков. — Мы проводили полевые исследования, на примере участков разных климатических зон строили модель, учили нашу нейросеть по реальным эмпирическим данным на основе снимков прогнозировать продуктивность почв, используя их отражательную способность».
Что касается зарубежных аналогов, одна из таких систем была разработана в Беларуси, она называется OneSoil, но ее продали иностранцам. Сейчас эта команда позиционирует себя как продуктовая компания из Швейцарии, которая создает платформу для устойчивого и прибыльного развития фермеров и сельскохозяйственных компаний.
«Они следят за продуктивностью растений, — поясняет Олег Мерзляков, — оценивают неоднородность роста сельхозкультур и на основе этих данных вычисляют примерные рекомендуемые дозы внесения удобрений. Мы пошли по другому пути. Этот показатель мы тоже учитываем, но за основу взяли свойства почв: содержание гумуса, влажность, гранулометрический состав. Исследования проводятся или ранней весной, или после вспашки, когда территория не занята растительностью».
Выбранные показатели влияют на отражательную способность. К примеру, чем больше гумуса, тем темнее почва, и эта неоднородность территории видна со спутника. А истинные значения показателей ученые выясняли в ходе лабораторных исследований на экспериментальных полях разных типов почв и загружали в систему. Теперь система понимает, какое содержание гумуса соответствует каким длинам волн. Можно выяснить, где наблюдается недостаток органического вещества, а где показатель в норме. А по этим данным уже определяются все элементы питания — азот, фосфор, калий.
Доцент кафедры почвоведения и экологии почв Биологического института ТГУ Олег Мерзляков проводит отбор проб почвы в степной зоне Республики Хакасия
Фото предоставил Олег Мерзляков
«В результате мы получаем неоднородность участка, и производитель еще до посевной кампании оценивает, что нужно сделать, чтобы повысить качество почвы. А не после того, как увидели урожайность и поняли, где меньше зелени, а где больше. Если обработать снимки прошлых лет, уже учитывая показатель урожайности, можно сделать выводы, какую культуру на каком участке лучше сажать», — говорит Олег Мерзляков.
Еще один важный показатель — влажность, которая тоже влияет на отражательную способность: чем влажнее, тем темнее. А узнав количество влаги в почвах, производители принимают решение, когда лучше всего выводить технику на поля. Ведь слишком влажная почва — тяжелая, плохо разбивается, а в слишком сухой плохо прорастают семена.
«Основная задача наших исследований, — поясняет ученый, — повышение экономической рентабельности производства с минимальными затратами производителя. Если раньше вносили одинаковую дозу удобрений на все участки, то теперь это делают избирательно. Механизатор составляет карту неоднородности и, используя спутниковый навигатор, понимает, где какое количество удобрений необходимо».
К проекту также подключаются зоологи ТГУ. Они будут предоставлять данные по наличию вредителей, и на основе этих данных будут создаваться карты, где и какое количество вредных насекомых концентрируется.
«Мы проводили полевые исследования, на примере участков разных климатических зон строили модель, учили нашу нейросеть по реальным эмпирическим данным на основе снимков прогнозировать продуктивность почв, используя их отражательную способность»
«Нейросети все равно, какие данные обрабатывать, — отмечает Олег Мерзляков, — главное, чтобы она понимала, что чему соответствует. Если мы говорим, что такой-то диапазон длины волны соответствует долгоносику, тогда будет определяться его концентрация на квадратный сантиметр, какое количество и в какой стадии — личинки или уже взрослого насекомого. Мы понимаем, где количество перешло критическую отметку и пора вносить пестициды. То же самое с сорными растениями и внесением гербицидов».
Партнер томских исследователей компания «Синкретис» разрабатывает приложение. Это будет сервис: пользователь загружает координаты своих участков, а программа анализирует данные космических снимков и дает модель дальнейшего поведения и рекомендации по этим участкам.
«У нас уже есть программный код, - говорит исследователь, - запатентованный на гранулометрический состав, дальше будет код на вредителей, на сорные растения, на влажность, может быть, на температурные показатели. В результате должен получиться программный комплекс, где слоями на одной и той же площади можно выбирать исследование по нужному показателю».
Руководитель проекта, декан факультета инновационных технологий ТГУ Станислав Шидловский и заведующий лабораторией Интеллектуальных систем управления Михаил Окунский в FabLab ТГУ, где создают платформу агродрона
Фото предоставил Станислав Шидловский
БЕЗ УЧАСТИЯ ЧЕЛОВЕКА
А специалисты факультета инновационных технологий ТГУ создают дроны, которые в автоматическом режиме смогут вносить удобрения и средства защиты растений. Показатель отражательной способности будет фиксировать специальная камера, которая снимает в разных диапазонах — инфракрасном, ультрафиолетовом, видимом и других.
«Зная лабораторные данные по определяемым параметрам, мы сопоставляем их с длинами волн и получаем карту неоднородности, но гораздо более детальную, чем при использовании спутниковых снимков, — поясняет Олег Мерзляков. — У беспилотников по сравнению со спутниками есть значительные преимущества. Они видят территорию независимо от погодных условий: наличия облачности и так далее. Кроме того, сильно повышается оперативность, появляется возможность работать с небольшими участками. Ведь у нас, в отличие от южных бескрайних степей, сплошная чересполосица, сельхозугодья сильно раздробленные».
Сейчас технологический процесс выглядит так: сначала дрон сканирует определенное поле, потом оператор анализирует эти снимки и закладывает полетное задание для более тяжелого дрона, который уже по этому заданию полетит и внесет в определенные точки нужные удобрения либо средства защиты растений
Сейчас технологический процесс выглядит так: сначала дрон сканирует определенное поле, потом оператор анализирует эти снимки и закладывает полетное задание для более тяжелого дрона, который уже по этому заданию полетит и внесет в определенные точки нужные удобрения либо средства защиты растений. А беспилотник томских ученых и инженеров будет делать все это автоматически, без участия человека.
«В прошлом году мы провели предварительные исследования и выработали требования к беспилотникам в сфере агротехнологий, в частности, для задач опрыскивания, — рассказал “Стимулу” руководитель проекта, декан факультета инновационных технологий ТГУ Станислав Шидловский. — А в этом году планируем создать саму платформу в виде беспилотника коптерного типа, которая позволяет подсоединять универсальные полезные нагрузки для внесения как жидких веществ, так и сыпучих. Коптер — наша собственная разработка. Часть компонентов, такие как моторы, вычислители, полетные контроллеры, мы, конечно, закупаем. Но платформу делаем сами. Не так давно мы создали FabLab с ЧПУ-станками, на которых можем фрезеровать карбон, изготавливать нужные компоненты. Алгоритмическое программное обеспечение для них также пишем самостоятельно».
Проект был представлен агрохолдингу «Сибагро», руководство компании заинтересовалось и решило вложить деньги в наукоемкое производство. В распоряжение ученых агрохолдинг предоставил участок в Новосибирской области, где будут проходить испытания. На первом этапе дрон будет заниматься зондированием почвы, на втором разработчики опробуют его способности по точечному внесению удобрений.Источник: https://stimul.online/articles/innovatsii/bespilotnyy-agronom/