Обґрунтування вибору оптимальної висоти польоту БПЛА для моніторингу стресів технологічного характеру для посівів ріпаку озимого
DOI:
https://doi.org/10.33730/2310-4678.4.2020.226656Ключові слова:
безпілотні літальні апарати, режими польоту, ріпак, технологічні стресиАнотація
Необхідність оперативного обстеження посівів у промислових масштабах потребує дотримання певного балансу між допустимою якістю знімків і прийнятним часом моніторингу, зумовленого передусім кількістю БПЛА та їх польотними характеристиками. Актуальною та новою проблемою для агросфери України є стреси технологічного характеру. Питання оптимальної висоти польоту для моніторингу стресів саме технологічного характеру є метою дослідження. Польові дослідження проводились з вересня по листопад 2019 р. у Бориспільському р-ні на виробничих посівах ріпаку озимого. Моніторинг здійснювали з використанням комплексу Slantrange 3p. Стреси фіксувались за двома параметрами — площа куполу й наявність аномального забарвлення двох нижніх листків (червоного і жовтого кольорів та їх суміш). Максимальна якість ідентифікації досягається за максимального просторового розрізнення знімків, що можлива на мінімальній висоті. Однак польотні характеристики БПЛА обумовлює максимальну висоту і відповідно швидкість польоту для БПЛА. Таким чином, оптимальним є компроміс між точністю виявлення стресу та виробничо-доцільними параметрами польоту, тобто потрібна багатокритеріальна оптимізація. В якості узагальненого критерію був обраний критерій узгоджених добутків, де кількість локальних критеріїв оптимізації s = 3, а вагові коефіцієнти критеріїв обираються суб’єктивно експертами. Запропонований алгоритм вибору оптимальної висоти польоту БПЛА для ідентифікації технологічного характеру стресу для посівів ріпаку озимого дасть змогу планувати заходи щодо моніторингу та обґрунтувати вибір параметрів БПЛА стосовно передусім тривалості його польоту. Використаний вид цільової функції дасть можливість фахівцям без спеціалізованої освіти з програмування вирішити задачу багатокритеріальної оптимізації за власним ваговим коефіцієнтом. Запропонований підхід не має обмежень щодо кількості параметрів оптимізації і кількості локальних критеріїв оптимальності та може використовуватись при виборі користувачем власних показників індикації.
Посилання
Robert L. Zimdahl, (2018). The Role and Future of Genetic Modification in Weed Science. Fundamentals of Weed Science (Fifth Edition), 511–533 [in English]. https://doi.org/10.1016/B978-0-12-811143-7.00018-4
Lysenko, V. et al. (2019). Methodological Solutions for the IoT Concept for Biogas Production Using the Local Resource. IEEE I.S.P. Conference: Problems of Infocommunications Science and Technology, PIC S and T 2019 — Proceedings, рр. 561–566 [in English]. http://dx.doi.org/10.1109/PICST47496.2019.9061238
Krishna Ribeiro-Gomes et al. (2016). Approximate georeferencing and automatic blurred image detection to reduce the costs of UAV use in environmental and agricultural applications. Biosystems Engineering, 151, 308–327 [in English]. https://doi.org/10.1016/j.biosystemseng.2016.09.014.
Gabriel Mascarenhas Maciel et al. (2019). Image phenotyping of inbred red lettuce lines with genetic diversity regarding carotenoid levels. Int J Appl Earth Obs Geoinformation, 81, 154–160 [in English]. https://doi.org/10.1016/j.jag.2019.05.016.
Francisco Garcia-Ruiz et al. (2013). Comparison of two aerial imaging platforms for identification of Huanglongbing-infected citrus trees. Computers and Electronics in Agriculture, 91, 106–115 [in English]. http://dx.doi.org/10.1016/j.compag.2012.12.002.
Jinya Su et al. (2018). Wheat yellow rust monitoring by learning from multispectral UAV aerial imagery. Computers and Electronics in Agriculture, 155, 157–166 [in English]. https://doi.org/10.1016/j.compag.2018.10.017.
Dolia M. et al. (2019). Information Technology for Remote Evaluation of after Effects of Residues of Herbicides on Winter Crop Rape. 3rd International Conference on Advanced Information and Communications Technologies, AICT Proceedings, 469–473 [in English]. https://doi.org/10.1109/AIACT.2019.8847850.
Yinuo Liu et al. (2019). Estimating biomass of winter oilseed rape using vegetation indices and texture metrics derived from UAV multispectral images. Computers and Electronics in Agriculture, 166, 105026 [in English]. https://doi.org/10.1016/j.compag.2019.105026.
Hengbiao Zheng et al. (2020). Early season detection of rice plants using RGB, NIR-G-B and multispectral images from unmanned aerial vehicle (UAV). Computers and Electronics in Agriculture, 169, 105223 [in English]. https://doi.org/10.1016/j.compag.2020.105223.
Pasichnyk N. et al. (2020). Multispectral sheet diagnostics of technological stresses on winter rapes crops. Balance use of nature, 3, 109–114 [in English]. https://doi.org/10.33730/2310-4678.3.2020.212610.
##submission.downloads##
Опубліковано
Номер
Розділ
Ліцензія
- Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons Attribution License, котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у цьому журналі.
- Автори мають право укладати самостійні додаткові угоди щодо неексклюзивного розповсюдження роботи у тому вигляді, в якому вона була опублікована цим журналом (наприклад, розміщувати роботу в електронному сховищі установи або публікувати у складі монографії), за умови збереження посилання на першу публікацію роботи у цьому журналі.
- Політика журналу дозволяє і заохочує розміщення авторами в мережі Інтернет (наприклад, у сховищах установ або на особистих веб-сайтах) рукопису роботи, як до подання цього рукопису до редакції, так і під час його редакційного опрацювання, оскільки це сприяє виникненню продуктивної наукової дискусії та позитивно позначається на оперативності та динаміці цитування опублікованої роботи (див. The Effect of Open Access).
