Умное земледелие

НИОКР 

Данное решение разработано в рамках выполнения обязательств по гранту Фонда содействия инновациям 

Проблема 

- Неточные карты сельскохозяйственных местностей России, 

- Слабо развитые пункты оперативного мониторинга, 

- Отсутствие авиационной поддержки, 

- Постоянное изменение границ посевных площадей, характеристик почв и условий вегетации на различных полях и от участка к участку. 

Задача 

Повышение эффективности процессов землепользования и растениеводства путем разработки онлайн-платформу для поиска, предварительной обработки, анализа и визуализации данных ДЗЗ для задач дистанционного мониторинга земель сельскохозяйственного назначения 

Результат 

Разработана система, предназначенная для: 

- Мониторинга состояния почвы и посевов 

- Прогнозирования урожайности 

- Снижения расходов и рисков 

Анализируемые изображения 

1. Спутниковые изображения (отечественные и зарубежные) для больших площадей 

 

2. Изображения с дронов для точной локализации 

Возможности системы 

1. Автоматическая сегментация границ полей. 

- Выполняется для спутниковых изображений, 

- Возможность распознать сельскохозяйственные поля среди других земельных покровов 

2. Вычисление индекса растительности NDVI 

- Более высокий индекс соответствует более зеленым участкам растительности в соответствующем месте снимка (значение в диапазоне от -1 до 1), 

- При анализе спутниковых изображений предварительно осуществляется автоматическая сегментация облаков и теней 

3. Прогнозирование влажности почвы 

- Государство направляет усилия на повышение доли застрахованных посевов, 

- Засуха является главной причиной ухудшения состояния почвы, 

- Страховые службы и фермерские хозяйства могут предотвратить возникновение ситуаций засухи 

4. Карта сорняков 

- Анализируются изображения с дрона или камер на тракторе, 

- Позволяет определить необходимую дозу гербицидов, согласно степени развитости сорняков, 

- Повышение экологичности, снижение расходов 

5. Прогнозирование объема урожая 

Позволит планировать работы и моделировать результат в зависимости от агротехнических мероприятий 

6. Классификация культур и вспаханных земель 

Позволит банкам, которые кредитуют отрасль сельского хозяйства, более точно оценивать риски за счет многолетнего мониторинга территории с точки зрения ее возделывания и выращивания культур 

Мультиспектральный квадрокоптер DJI P4 Multispectral для сбора данных 

- В ходе активного периода возделывания культур мультиспектральные камеры могут быть полезны специалистам в сфере сельского хозяйства, т. к. они предоставляют данные электромагнитного спектра, недоступные человеческому глазу.  

- При наличии доступа к этим данным, а также последовательно получаемым данным об индексе растительности (NDRE и NDVI), можно принимать своевременные решения по обработке культур, снижению стоимости, экономии ресурсов и максимальному увеличению урожая. 

Читать подробнее: https://www.dji.com/ru/p4-multispectral