NDVI

Опыт использования экшн камер на платформе БПЛА для мониторинга состояния азотного питания зерновых культур на примере ячменя. | Вегетационные индексы

« | Главная

Опыт использования экшн камер на платформе БПЛА для мониторинга состояния азотного питания зерновых культур на примере ячменя.

Автор: К.т.н. Комарчук Д.С., к.с-г.н Пасичник Н.А., к.т.н. Опрышко А.А | 17.11.2017

Национальный университет биоресурсов и природопользования Украины

Рассмотрены вопросы применения для мониторинга состояния азотного питания камеры GoPro Hero 4 со 

штатным (оптическим) и инфракрасным объективом. Проведена инструментальная оценка спектральных каналов камеры. Показана возможность создания стрессовых индексов для пшеницы и ячменя при использовании инфракрасного объектива.

Применение беспилотных летательных аппаратов (БПЛА) для мониторинга состояния растительности предоставляет принципиально новые возможности в технологиях точного земледелия. Стандартные решения на базе спутниковых платформ разрабатывались для решения вопросов, связанных с оценкой возможного будущего урожая, и плохо приспособлены для оперативного применения для оптимизации дозировок удобрений при подкормке растений. Благодаря низкой стоимости снимков высокого разрешения, независимости от наличия облаков и оперативности получения результатов, БПЛА в составе комплекса технологий точного земледелия предоставляют аграриям принципиально новые возможности по программированию урожая.

В настоящее время серийно выпускаются специализированные сенсоры для спектрального мониторинга для БПЛА, такие как Slantrange, AgroCam PRO NIR и т.д. С учетом того что подкормка растений осуществляется несколько раз и лишь в определенные фазы вегетации, распространение таких узкоспециализированных систем ограничено их высокой стоимостью. Экономически для хозяйств было бы предпочтительнее иметь универсальное оборудование, но штатные камеры, работающие в оптическом диапазоне и применяемые для таких культур как пшеница и кукуруза. Работа оптической камеры в инфракрасном диапазоне возможна, если конструктивно вместо обычного использовать инфракрасный объектив. В этом случае пользователь получит так же три канала, которые стандартно соответствовали бы красному, зеленому и синему каналам.

Целью работы
является оценка спектральных характеристик камеры с инфракрасным фильтром и возможность ее использования для мониторинга состояния азотного питания кукурузы.

Методика исследования и полученные результаты.
Для исследований была выбрана экшн камера GoPro Hero 4, которая комплектовалась стандартным и инфракрасным объективами. Благодаря малому весу камера адаптирована для использования с БПЛА.

На первом этапе рассматривалась воспроизводимость полученных результатов при использовании тестовой и эталонной цифровых фотокамер. В качестве эталона была выбрана система Slantrange 3р. Эта система имеет аппаратное решение по радиочастотной коррекции с помощью зенитного датчика и способна сама обрабатывать данные мониторинга непосредственно во время полета, что принципиально ускоряет процесс зондирования посевов. Благодаря этим преимуществам данное оборудование востребовано среди крупных предприятий, поскольку позволяет обследовать до 400 гектаров в течение часа.

Сравнительный анализ проводили на различных биологических объектах из коллекции ботанического сада Национального университета биоресурсов и природопользования Украины (Киев). Измерения производились как в помещении теплицы, так и на открытых площадках 6.09.2017 года, в пасмурную погоду. Искусственное освещение в теплице не использовалось. Расстояние между объектом и датчиком составляло 1,2-1,5 метра. При использовании комплекса Slantrange 3р для анализа брали черновые данные в формате tiff, где каждый слой соответствовал определенному спектральному каналу, радиочастотная коррекция по данным от зенитного датчика не проводилась. Полученные результаты представлены в таблице 1.

Таблица 1
«Результаты сравнительного исследования интенсивности составляющих цвета по спектральным каналам для растительных объектов»

Фото культур/наименование камер  R G B NIR Разница показателей GoPro и Slantrange 3P Разница показателей GoPro nir и Slantrange 3P nir
R G B R G B
  GoPro 118 129 115   33 40 40      
GoPro nir 178 57 147         113 -8 82
Slantrange 3P 85 89 75 65            
  GoPro 141 134 104   61 55 36      
GoPro nir 194 78 168         134 18 108
Slantrange 3P 80 79 68 60            
  GoPro 104 145 43   4 42 -14      
GoPro nir 199 80 176         125 6 102
Slantrange 3P 100 103 57 74            
  GoPro 105 128 114   32 16 54      
GoPro nir 193 69 165         132 8 104
Slantrange 3P 73 112 60 61            

 

Исходя из приведенных данных измерений интенсивности составляющих цвета различными камерами, установлено, что точность совпадения недопустимо низкая, так разница по красному каналу составляла 57 единиц, что равняется почти 20% от общей шкалы. Анализируя ИК диапазон, нами отмечено, что наиболее близким значениями к результатам измерений ИК канала Slantrange оказался 2 канал (зеленый), однако результаты колебались в значительных диапазонах – до 26 единиц.

Как вывод, сравнительное исследование спектральных каналов различных камер для установления корректирующих зависимостей не дал приемлемых результатов.

Инструментальная оценка спектральных каналов экшн камеры.
Для оценки спектральных каналов цифровых фотоаппаратов используют European Machine Vision Association (EMVA) -1288 [3], для которого в качестве тестовых служат специальные источники излучения. В качестве таковых используется набор источников света с фиксированными и достаточно узкими спектрами излучения – лазеры, светодиоды, газоразрядные лампы –, или перестроений в широком диапазоне источник, например лампы накаливания/ газоразрядные, в комплекте с монохроматором и тому подобное. Непосредственно в наших исследованиях как источник непрерывного по спектру света использовалась лампа накаливания типа КГМ.

Для получения изображения предмета в свете определенной длины волны использовался модифицированный двойной монохроматор ДФС-12, который в условиях данного  эксперимента  позволил  выделить  свет  длины  волны  λ с  точностью Δλ<0.8 нм. Изображение предмета проектировалось на выходную щель монохроматора, где располагалась камера. Размер выходной и входной щели были выбрано таким образом, чтобы получить яркое изображение без «засветки» камеры. Подробно лабораторная установка описана в работе Yu.A.Hizhnyi в [4]. Полученные результаты показаны на рис.1.

Рис. 1 Интенсивность спектральных каналов фотокамеры GoPro Hero 4, в зависимости от длины волны для оптического (R, G, B) и инфракрасного объективов (iR1, iR2, iR3)

Исходя из полученных результатов определения спектральных каналов фотокамеры с обычным и инфракрасным объективами инструментальным путем, можно сделать следующие выводы:

  1. При использовании ИК объектива МР происходила фиксация излучения по двум каналам – 640-690 нм (фактически часть «красного» участка оптического спектра) и 820-880 нм (инфракрасного диапазона). При этом три имеющихся канала имеют свою специфику, а именно:
  • iR1, который соответствует красному каналу в формате jpeg, имеет максимальное пороговое значение в оптическом диапазоне и максимум (130-160 единиц) в ИК спектре;
  • iR2, который соответствует зеленому каналу в формате jpeg, имеет примерно одинаковые значения интенсивности как в оптическом, так и ИК диапазонах;
  • iR3, который соответствует синему каналу в формате jpeg, имеет максимальные значения в ИК спектре и самые низкие – в «красном» диапазоне.
  1. Исходя из вышеизложенного вывода, есть возможность рассмотрения в качестве отдельных информативных каналов соответствующих составляющих аддитивной модели цветообразования при использовании цифровых камер с ИК объективом для мониторинга состояния растений.

Исследование возможности мониторинга ячменя с использованием цифрового фотоаппарата с инфракрасного объектива.
Исследования проводились в условиях полевого стационара кафедры агрохимии и качества продукции растениеводства  НУБиП Украины, где проводился мониторинг ячменя на обеспеченность растений азотом. Под ячмень в стационаре внесение удобрений не предусмотрено, используется последействие удобрений, внесённых под предшественник – кукурузу на зерно. Под кукурузу  удобрения вносились согласно схемы: 1) без удобрений (контроль); 2) Р80; 3) Р80К80; 4) N60Р80К80; 5) N90Р120К120 (рис. 2).

Рис. 2 Полевой стационар, посевы ячменя, съемка при штатном (оптическом) и инфракрасных объективах для камеры GoPro Hero 4 (07.06.2017).

Растения находились в фазе вегетации выход в трубку. Определение содержания азота в сухом веществе осуществляли в лабораторных условиях фотометрическим методом с реактивом Несслера. Полученные данные по спектрам представлены на рис. 3.

Рис. 3 Зависимость интенсивности составляющих цвета от количества азота в листьях ячменя

Исходя из полученных данных, нами установлено, что зависимость наиболее выражена в инфракрасной области для первого и второго каналов (iR1 и iR2). По аналогии с наиболее распространенным вегетационным индексом NDVI, авторами предлагается индекс, построенный по тем же принципам, но с использованием только инфракрасных «каналов» iRb (1)

iRb  = (iR1 — iR2)/(iR1 + iR2)                       (1)

При аппроксимации в виде линейной зависимости индекса iRb от количества азота, коэффициент детерминации составлял 0,86.

Выводы:

  1. Опыт сравнительной калибровки цифровой камеры с эталонной камерой оказался неудачным.
  2. При инструментальной оценке спектральных каналов камеры GoPro Hero 4 с инфракрасным объективом установлена фиксация для любого из каналов «красной» составляющей спектра, при этом отношение ИК и оптических составляющих отдельно и характерно для каждого канала.
  3. Инфракрасный диапазон является сравнительно более информативен при мониторинге состояния азотного питания ячменя.
  4. Предложен спектральный индекс при использовании ИК фильтра для штатной фотокамеры БПЛА.

Литература

  1. Vitalii Lysenko, Oleksiy Opryshko, Dmytro Komarchuk, Nadiia Pasichnyk, Nataliia Zaets, Alla Dudnyk. Usage of flying robots for monitoring nitrogen in wheat crops // The 9th IEEE International Conference on Intelligent Data Acquisition and Advanced Computing Systems: Technology and Applications September 21-23, 2017 Bucharest, Romania, Vol 1, P.30-34.
  2. Lysenko Vitaliy, Opryshko Oleksiy, Komarchyk Dmiyriy, Pasichnyk Natalya, Opryshko Nadiya. Remote sensing on-line crop monitoring for yield programming. MOTROL. Commission of Motorization and Energetics in Agriculture – 2016. Vol. 18. No 3. P.53–59
  3. EMVA Standard 1288 Release 3.0 November 29, 2010 European Machine Vision Association // http://www.emva.org
  4. Yu A. Hizhnyi, S.G. Nedilko, V.P. Chornii, M.S. Slobodyanik, I.V. Zatovsky, K.V. Terebilenko (2014) Electronic structures and origin of intrinsic luminescence in Bi-containing oxide crystals BiPO4, K3Bi5(PO4)6, K2Bi(PO4)(MoO4), K2Bi(PO4)(WO4) and K5Bi(MoO4)4 // Journal of Alloys and Compounds, Vol. 614, P. 420-435

Рубрики: БПЛА, Вегетационные индексы, Дроны | Оставить отзыв »

Отзывы