Дроны в сельском хозяйстве
Кейс Кубанского государственного аграрного университета
Использование DJI Phantom 3 и senseFly
Одному человеку с ручными оптическими сенсорами было сложно проанализировать более 25 га делянок за день. Сейчас, используя дрон, мы собираем информацию с площади около 2500 га за тот же промежуток времени.
Сельское хозяйство является одной из крупнейших сфер промышленного применения дронов: примерно каждое 10-е агропредприятие в мире использует в своей деятельности эту технологию, а в 2021 году будет работать не менее 29 млн дронов, согласно прогнозу ведущего производителя агротехники концерна CLAAS. Дроны предоставляют данные анализа почв, фиксируют показатели плотности всходов, определяют площадь погибших культур и пр. По оценкам PwC, объем целевого рынка для внедрения решений с использованием беспилотных устройств в сельском хозяйстве составляет 32,4 млрд долл. США.
Дроны в сельском хозяйстве
Важная задача на всех этапах жизненного цикла сельскохозяйственных культур — мониторинг полей. До недавнего времени для этого использовали спутниковые технологии. У этого метода есть некоторые ограничения, но в целом он решает задачи, которые ставит перед собой сельхозпроизводители.

Они в основном используют NDVI-карты полей для того, чтобы оценить неоднородность поля по уровню плодородия, и на основании этих данных дифференцированно внести удобрения или провести какой-то агротехнический прием.
Photograph: lee Scott / Unsplash
Экономически целесообразно учитывать только крупные неоднородности, поэтому для этих целей подходят даже космоснимки с разрешением около 10 метров на пиксель (например, со спутников Sentinel). Этого разрешения достаточно, чтобы составить карту-задание для бортового компьютера трактора, оснащенного разбрасывателем удобрений с 30-метровым захватом или опрыскивателем с радиусом более 12 м. Большинство аграрных предприятий использует такую техники, и для работы с ней большее разрешение снимков просто не нужно.

Используют дифференцированное внесение удобрений в основном крупные хозяйства (более 4 тыс. га). Оперативность данных в таком случае не так важна, наоборот, сельхозпроизводители предпочитают композитные снимки, в которых собраны данные о неоднородности поля за несколько лет. Есть много компаний, которые специализируются на обработке огромных площадей по космоснимкам и предоставляют клиентам готовые NDVI-карты по запросу.

Беспилотники все чаще используют для наблюдения за полевыми опытами в селекции, испытании препаратов, агроприемов, а также для демонстрационных опытов фирм в хозяйствах.
Применение беспилотников в сельском хозяйстве решает следующие отраслевые задачи:
Анализ почвы и рельефа полей
С помощью дронов можно получить точные трехмерные модели местности и увидеть состояние грунта и посевов. А результаты такого первичного анализа можно использовать при планировании схемы посадки семян в будущем.
Получение данных для управления системами полива и контроля содержания азота
Беспилотные аппараты, оснащенные мультиспектральными или тепловыми сенсорами, способны определять, достаточно ли воды или удобрений на участке.
Оценка состояния растений
Сканирование полей с использованием видимого и ближнего инфракрасного диапазонов позволяет строить индексные карты, которые позволяют оценить состояние произрастающих культур, выявить неоднородности в развитии и скорректировать планы по подкормкам и внесению средствам защиты растений.
Обнаружение заболеваний, вызванных бактериями или грибком
Использование карт NDVI и снимков в видимом диапазоне позволяет замечать заболевания растений на ранних этапах заражения. Оперативное реагирование и своевременное вмешательство может спасти от гибели целый сад.
Определение оптимальных сроков сбора урожая
В конце сезона по индексу NDVI можно определять, какие участки готовы к уборке урожая — чем ниже индекс, тем ближе к созреванию участок поля.
Кубанский государственный аграрный университет
имени И.Т. Трубилина

Кубанский ГАУ использует дрон в научных целях для проведения фундаментальных исследований. Один из крупнейших российских аграрных университетов и центров науки, образования и инноваций занимает по рейтингу Роспатента лидирующее место среди вузов и НИИ аграрного профиля и входит в первую тройку крупнейших патентообладателей России.

КубГАУ поддерживает связи с ведущими зарубежными университетами и международными организациями Германии, Дании, Франции, Нидерландов, Польши, Италии, Венгрии, Португалии, Чехии и др.
Более 2 миллионов
единиц информации насчитывает отраслевой патентный фонд
Более 2 тысяч
изобретений включает портфель инноваций
Более 11 тысяч
га общая площадь двух высокорентабельных учебно-опытных хозяйства и агротехнопарка «Кубань» и «Краснодарское», входящих в состав вуза
Для тех, кто проводит фундаментальные исследования, важно набрать достаточную статистику и данные о том, насколько результаты опыта варьируются в зависимости от погоды, потому что закономерность может не проявиться каждый год. С моей точки зрения, в сельскохозяйственных институтах целесообразно использовать дистанционный мониторинг беспилотниками при испытании средств защиты растений, агрохимикатов и новых технологий возделывания культур в мелкоделяночных опытах.
Юрий Подушин
Кандидат сельскохозяйственных наук, Кубанский ГАУ
Какие задачи решаются с помощью дронов
Я занимаюсь научно-исследовательской работой на кафедре физиологии и биохимии растений Кубанского ГАУ и использую дрон в научных целях, а именно для анализа растений в рамках мелкоделяночных опытов. Мы изучаем, как связаны особенности разных сортов полевых культур с оптическими свойствами их посевов. Это фундаментальное исследование, а это значит, что оно не предполагает быстрого внедрения результатов в практику. Наш фокус — это выявление закономерностей, взаимосвязи между спектром отражения посевов полевых культур и их хозяйственно-полезных свойств.
Например, одна из проверяемых нами гипотез:

Из сортов озимой пшеницы лучше откликаются на внесение азота те, у посевов которых после первой весенней подкормки быстрее растут значения вегетационного индекса NDVI

Аналогично изменения в значениях вегетационных индексов посевов в процессе вегетации растений можно использовать и для оценки реакции растений на другие элементы питания или определять их устойчивость к неблагоприятным факторам среды (морозы, осадки, болезни, удобрения, др.). Основанием для использования фотоснимков посевов с дронов для оценки свойств растений является тот факт, что цвет посева зависит от количества и размеров растений на единицу площади почвы и состояния ассимиляционного аппарата (листьев). А скорость роста растений и концентрация фотосинтетических пигментов в листьях высокочувствительны к условиям окружающей среды.
Опираясь на данные изменения вегетационных индексов посевов и учитывая сопутствующие этому процессу условия, можно без особых трудностей отбирать из большого массива высеянных на поле растений только те, которые обладают наиболее перспективными с точки зрения селекционера свойствами. Помимо селекционного отбора, можно использовать дроны и при оценке эффективности пестицидов, агрохимикатов в полевых опытах, при разработке новых агротехнических приемов возделывания культур.
Фрагмент ортофотоплана участка сортоиспытания в «НЦЗ им. П.П. Лукьяненко»
Фрагмент ортофотоплана сортоиспытательного участка ФГБНУ «НЦЗ им. П.П. Лукьяненко». На изображении два ряда делянок с 24 сортами озимой пшеницы (2 повторности)
Изменение NDVI посева озимой пшеницы при росте элементов минерального питания и применения гербицида в кущение. Фаза трубкования, сорт Степь, 28.04.2019
Распределение значений урожайности озимой пшеницы сорта Степь в 2019 году в зависимости от NDVI, измеренного в фазу трубкования, 03.04.2019
Аналогичные исследования по селекции, сравнению делянок с применением дронов ведутся также в США, Европе и Китае, но это другие почвенно-климатические условия, и соответственно возделывание культур и требования к характеристикам сортов отличаются. Поэтому мы проводим собственные исследования на месте, чтобы разработать такие подходы к дистанционному мониторингу опытов, которые в большей степени подходят к условиям нашего региона.

Мы проводим селекционные опыты и испытания на территории учебного хозяйства «Кубань», принадлежащего Кубанскому ГАУ, а также на полях Научного центра зерна имени П. П. Лукьяненко (ФГБНУ «НЦЗ им. П.П. Лукьяненко»). В начале мы изучали только зерновые — озимую пшеницу и ячмень, а с 2020 года интерес к применению дронов в своих опытах стали проявлять сотрудники смежных кафедр университета, и мы стали параллельно проводить облеты почвы и посевов других культур (сои, риса, подсолнечника). Применение дронов в мелкоделяночных опытах существенно увеличивает доказательную базу, подтверждающую эффективность агроприема, и тем самым повышает качество исследований и доверие к ним.
Роль дронов в селекционных исследованиях
В сельскохозяйственных полевых опытах для оценки нарастания биомассы стандартно используют взвешивание надземной части растений, измеряют площадь листьев, чтобы определить содержание пигментов в листьях, проводят лабораторные исследования. Все это ручной труд, который требует большого количества времени.
Даже после того, как нами стали использоваться косвенные методы оценки посевов с помощью ручного оптического сенсора GreenSeeker, измеряющего вегетационный индекс посевов NDVI, а концентрацию хлорофилла начали определять с помощью хлорофиллометра (N-тестер), процесс оставался трудоемким: одному человеку было сложно проанализировать более 200 штук делянок за день. Для того чтобы укладываться в период нужной фазы вегетации культуры и и своевременно собирать большие объемы информации, требуются другие способы получения информации о растениях, способные сэкономить время на сборе данных. Наилучший способ сейчас – это аэрофотосъемка с помощью небольших дронов. Для нас дополнительным преимуществом использования дронов является возможность провести мониторинг в благоприятные окна при пасмурной дождливой погоде, когда выезд на поля ограничивается только раскисшей грунтовой дорогой.
Идея применения дронов появилась после знакомства с современными технологиями точного земледелия на агровыставках, это навело на мысль о перспективности применения методов дистанционного зондирования в селекционных исследованиях. Анализ литературы по данной тематике также показал, что интересующие меня исследования с применением беспилотников уже ведутся во многих странах, и в большинстве случаев их применение было оправданным. Использование беспилотников, которые могут улететь достаточно далеко – на расстояние до двух километров – позволяют проводить наблюдения дистанционно и на больших площадях, чем стандартными способами, причем даже в неблагоприятных погодных условиях. Это существенно расширяет возможности мониторинга посевов. Наличие беспилотника избавляет от необходимости ходить по полю, мы можем делать облеты делянок намного чаще и собирать информацию быстрее. Так, сейчас один человек, используя дрон, за день собирает информацию примерно с 27 тыс. селекционных и опытных делянок озимой пшеницы, что равно примерно 2,5 тыс. га. Большие объемы данных, полученных во время аэрофотосъемки, позволяют анализировать развитие растений на принципиально новом, ранее недоступном уровне.

Изначально мы отрабатывали технологию дистанционного зондирования на коммерческом квадрокоптере DJI Phantom 3: в течение года делали облеты, снимали и сопоставляли с тем, что мы получали на земле.
DJI Phantom 3
Например, в ходе одного из опытов мы замеряли то, как после разных обработок меняется динамика нарастания массы по определенному вегетационному индексу, близкому к NDVI. В результате у нас появились необходимые для анализа материалы и наработки, которые подтвердили перспективность применения дистанционного мониторинга в полевых опытах.

Однако применение квадрокоптера имеет несколько существенных для нас недостатков.
Во-первых, низкая производительность
Мы работаем с большими территориями, площадь некоторых из них доходит до 50 гектар, в то же время делянки могут располагаться в разных местах и на достаточном расстоянии друг от друга. Иногда подъехать близко к полю просто невозможно. Например, в прошлом году у меня несколько раз срывался опыт, потому что грунтовую дорогу после дождя размывало, и на машине проехать было нельзя. У квадрокоптера более слабый сигнал, он не может улетать на дальние расстояния, а крылатый дрон можно без проблем запустить за километр до поля: он выполнит поставленную задачу и вернется. Кроме того, у квадрокоптера площадь охвата меньше. Чтобы облететь эту территорию, нам приходилось бы запускать квадрокоптер несколько раз, это неудобно.
Во-вторых, на DJI Phantom 3 стоит обычная RGB-камера
Она имеет высокое разрешение, но автоматически не регулирует яркость освещения, цвет, и это отражается на спектральных характеристиках фотографий. В облачную погоду, когда солнце неравномерно освещает территорию, фотографии, снятые с помощью DJI Phantom 3, получаются разного оттенка, местами засвечены. Это приводит к тому, что, когда их сшивают в ортофотоплан, появляются желтые пятна. Для нас это критично, потому что мы следим не только за изменениями, фиксируемыми в моменте, но и наблюдаем за динамикой спектральных характеристик, где кроется много интересующей нас информации о состоянии посева. DJI Phantom 3 дает слишком грубые различия по оттенкам, которые не решают наших задач. Для целей сельскохозяйственных исследований, изучения характеристик и спектральных свойств растений больше подходят мультиспектральные камеры.
Мы пришли к выводу, что для задач нашего исследования требуется специализированный дрон с более высокой производительностью и имеющий мультиспектральную камеру. Поэтому на нашу кафедру был приобретен и сейчас используется один беспилотник SenseFly eBee SQ c мультиспектральной камерой Parrot Sequoia. Это наш первый самолет: мы смогли приобрести беспилотник, когда получили грант РФФИ (изначально главным препятствием для приобретения крылатого дрона была именно высокая стоимость оборудования, и это удалось решить благодаря гранту). На данный момент необходимости совместного использования квадрокоптеров вместе с монокрылом senseFly нет.
Решающими факторами при выборе SenseFly eBee SQ для целей исследования стали следующие характеристики
SenseFly eBee SQ
Мультиспектральная камера
В модель eBee SQ встроена мультиспектральная камера. Мультиспектральные камеры оснащены датчиком, который контролирует и автоматически калибрует изображение, поэтому не возникает ошибок, связанных с изменением спектральных характеристик изображений. Изображения дробятся на большее количество спектров, которые позволяют получить важный для нас вегетационный индекс NDVI, а также появляется возможность анализировать отраженный от посева свет в инфракрасной области.
Высокая производительность
Производительность senseFly намного больше: самолет летает дальше и дольше, чем квадрокоптер. С переходом на senseFly стабильность полетов выросла. Двух полностью заряженных аккумулятор хватает, чтобы облететь за один раз большую территорию, с квадрокоптером я просто не успевал бы проводить все необходимые мне опыты, пришлось бы докупать оборудование. Мы делаем снимки с высоты 70 м, разрешение 7 см. Реальное расстояние, которое в состоянии сделать дрон зависит от силы ветра. Наибольшую площадь, которые мы делали на одной батарее, — 370 га с высоты 150 м.

Компактность
Я запускаю дрон в одиночку или с напарником, поэтому мне удобнее использовать дрон, который можно запускать с рук, а не с рогатки, как беспилотники GeoScan, например. Другие беспилотники с вертикальным самостоятельным взлетом, которые я рассматривал, оказались существенно дороже и избыточны по своим возможностям для моих исследований. Беспилотник senseFly оказался оптимальным решением: надежный, удобный в использовании, небольшого размера, помещается в машину.
Надежность
Однажды при запуске самолет улетел в лесополосу и врезался в толстую ветку. Самолет уцелел, потому что он сделан из из усиленного пенополипропилена — пружинистого материала с хорошими амортизирующими свойствами, а все важное оборудование — мотор, камера — удалены от носа. Даже если самолет падает, крылья отлетают, но ничего не пострадало. Запуск — наиболее опасный момент при эксплуатации данного типа дрона.

При эксплуатации дрона при запуске было пару неприятных падений, которые закончились без последствий только благодаря хорошим амортизационным свойствам корпуса беспилотника.
Планы на будущее
Мне было бы интересно расширить сферу исследований и изучать дальнюю инфракрасную область излучения, использовать тепловизор. Для таких задач подходит более мощный беспилотник senseFly eBee X, универсальная модель следующего поколения. Когда появится финансовая возможность, хотелось бы приобрести ее.
Сейчас съемку полей провожу я один или вдвоем с напарником. К сожалению, суммы гранта РФФИ не хватило для приобретения интересующего нас лицензионного ПО, поэтому пока проводим еженедельную аэрофотосъемку без обработки данных, получаемые фотографии сохраняем на жесткий диск. Когда поступит финансирование второго года исследований, мы планируем купить необходимое для получения ортофотопланов ПО — программу Pix4Dmapper. Дальнейшая работа с ортофотопланами будет проводиться в Qgis, для обработки данных будут привлечены дополнительные люди.