Petefürkészek a molyok ellen – drónok támogatásával

Üzemi kísérletek biztató eredménnyel

A németországi Hessen tartományban üzemi körülmények között vizsgálták annak a lehetőségét, hogy hogyan lehet drónokkal és fürkészekkel eredményesen fellépni a kukoricamoly (Wikipédia Link) ellen. A HNA ismertetője szerint a teszt összesen 140 hektárnyi kukoricán zajlott.
Az petefürkészek bevetése a molyok ellen alapvetően nem új dolog, mint az a Biokontroll Hungária oldalán lévő leírásból is kiderül. Ami új, az a kijuttatás módja: Egy drón segítségével olyan golyókat (kapszulákat) szórnak a kukoricatáblára, mely Trichogramma fürkészdarazsak petéit tartalmazza. A megfelelő időben és helyen kijuttatott parazitákkal a kukoricamoly létszáma akár 85%-kal is csökkenthető.

Probléma a költség

A módszer elterjedésének nem az eredményesség a gátja, hanem a kijuttatás jelenleg még magas költsége. A kísérletben használt hexacopter drónok hektárköltsége 60-80 EUR között mozgott és ehhez még természetesen hozzájön a fürkészdarazsak petéinek költsége is. Vélhetően a drónok teljesítményének növekedése és az áruk csökkenése néhány éven belül versenyképessé teheti ezt a technológiát, hiszen a kijuttatás a GPS vezérelte eszközökkel sokkal pontosabban végezhető, mint a hagyományos módon.

A Sony is beszállt a mezőgazdasági drónok fejlesztésébe

Aerosense

A ZMP robotgyártóval közös céget hoz létre hamarosan a Sony, mely az Aerosense nevet viseli. Az új vállalat többek között olyan drónok kifejlesztésén fog dolgozni, melyek felhasználási területe a mezőgazdasághoz is kapcsolódik. Fontos ismérve ennek a szárnyakkal ellátott drónnak, hogy függőlegesen is fel tud szállni. Az augusztusban létrejövő Aerosense 2016-tól tervezi az eszközök forgalmazását.

Felmérés és ellenőrzés

A drónok feladata elsősorban területek feltérképezése, felmérése valamint nagyobb ipari létesítmények ellenőrzése lesz, mint arról a heise.de tudósít. A drónok akár egy környező hegyről is fel tudnak szállni és részletes fényképfelvételeket készíteni a közelben épülő nagyobb létesítményekről. A gyártó külön említi a vihar- és jégkárok felmérését a növénytermesztésben.

Cloud szerver az adatoknak

A rögzített képek tárolása és feldolgozása a felhő alapú számítástechnika (Wikipédia Link) használatával történik. További információk a repülési tulajdonságokról és az adatfeldolgozásról ősz elejére várhatók az Aerosense tájékoztatása szerint.

A Smart Farming átalakítja a gazdaság vezetését is

mage courtesy of KROMKRATHOG at FreeDigitalPhotos.net

Munkaszervezés régen és ma

A GPS jelekkel irányított munkagép, az SMS-t küldő tehén, a táblán lévő biomassza mennyiségét meghatározó műhold, vagy a növényállományt fényképező drón és még hosszasan folytathatnánk a technikai eszközök felsorolását, nemcsak új lehetőségeket nyit a munkavégzésben, hanem alapvetően módosítja a munkaszervezést is. A számítógép, a táblagép, és az okostelefon használata már évek óta szerves része a gazdálkodók mindennapjainak. Reggel az időjárásadatokat és -előrejelzéseket megnézni, az e-mail fiókot ellenőrizni, az aktuális gabonapiaci híreket áttekinteni, olyan tevékenységek, melyek a napi rutin részei. Már a mobiltelefonok elterjedése is nagymértékben átalakította a munkaszervezést, hiszen míg korábban a reggeli munkakezdéskor az egész napi feladatot úgy kellett kiosztani, hogy annak módosítása adott esetben jelentős erőfeszítést igényel, addig ma egy telefonhívással újra lehet osztani a munkát, ha a megváltozott helyzet ezt úgy kívánja. Így a technika támogatásával a gondos tervezés és az ad-hoc döntés jól kiegészítheti egymást.

Az adatdömping és a munkaszervezés

A precíziós gazdálkodás nemcsak adatokon alapul, hanem komoly mennyiségű új adatot is generál, melynek összegyűjtése, feldolgozása és kiértékelése a Smart Farming központi eleme. Ezek az adatok felhasználhatók a termelés optimalizálásához pl. applikációs térképek létrehozásával, de ennek a nagy mennyiségű adatnak a kezelése (Big Data) a gazdálkodót teljesen új lehetőségek elé is állítja. Az adatok folyamatos követésével az egész termelési folyamat és annak pillanatnyi állapota pontosan ellenőrizhető. Ezáltal a munkaműveletek és a kijuttatott anyagok térben és időben optimális pontban kerülhetnek alkalmazásra.

A digitalizáció következő lépései

A termelés során keletkező, illetve a termelési folyamatokkal összefüggő, és azokat befolyásoló adatok gyűjtése, feldolgozása eddig is döntően számítógépen történt. A piac és a különböző jogszabályok által megkívánt dokumentációs követelményeknek (Gazdálkodási Napló, Permetezési napló, Nitrátjelentés stb,) sokkal könnyebb megfelelni akkor, ha nem csupán egy tetszőleges számítógépes programmal dolgozunk, hanem eleve olyan szoftvert választunk, mely a bordcomputerek adatait közvetlenül használni tudja, így nincs szükség ezeknek az adatoknak az ismételt kézi rögzítésére. Egy permetezés, vagy műtrágya kijuttatás így az összes releváns információval együtt egyenesen a táblatörzskönyvbe kerül, ahonnan gombnyomásra elkészíthetők a megkövetelt dokumentációk. A fejlesztés következő állomása az, hogy a termelés és a tárolás során használt szenzorok önállóan, a dolgok internete (IoT) technológiát használva folyamatosan szállítják szoftverünkbe az adataikat, ezzel is segítve a termelés és tárolás szabályozását és ellenőrzését. A digitalizáció kiteljesedésével pedig mind több eszköz és szenzor kapcsolódik egymáshoz és a központi szoftverhez, ahonnan végső soron az egész termelést irányíthatjuk és dokumentálhatjuk.

Big Data a mezőgazdaságban

 

Nemesítés és informatika

A mezőgazdaság alapvető feladata az emberiség élelmiszerrel való ellátása. A Föld népességének várható további gyarapodása és a meglévő erőforrások ésszerű felhasználása, azaz a fenntartható gazdálkodás, két olyan sarkalatos pont, mely a közeljövő mezőgazdaságát alapvetően meghatározza. Nem elég mennyiségileg többet termelni, hanem ezt a növekedést a mainál sokkal hatékonyabb input-anyagfelhasználással kell elérni. Ebben a genetika mellet, mely mind a növénytermesztésben, mind az állattenyésztésben a termelésnövekedés egyik fő motorja, a termelés digitalizációja, azaz az információk összegyűjtése, feldolgozása és okszerű felhasználása, tehát a Smart Farming a másik főszereplő.

A precíziós gazdálkodás az első lépés

A precíziós gazdálkodás (Wikipédia Link) a Smart Farming alapvető eleme, enélkül a fokozat nélkül egyszerűen nem lehet továbblépni. A precíziós gazdálkodás egyik legnagyobb előnye, hogy a kijuttatott anyagok mennyiségét és térbeli elhelyezkedését sokkal pontosabban lehet szabályozni, mint a hagyományos módon. Kissé sarkítva akár úgy is fogalmazhatunk, hogy a zsák helyett evőkanállal, a kanna helyett pedig pipettával adagoljuk, akkor és oda a vetőmagot, műtrágyát, növényvédő szert, amikor a munkaművelet optimális időpontja elérkezett. A szigorú értelemben vett precíziós gazdálkodás a kijuttatási (applikációs) térképek használatát is magában foglalja. Az applikációs térképek készítéséhez azonban helyspecifikus információkra van szükség, enélkül a precíziós kijuttatásnak nincs értelme.

Információ minden mennyiségben

A Smart Farming és a Big Data (Wikipédia Link) kéz a kézben jár. Vegyünk egy egyszerű példát, mely már ma is bárki számára megvalósítható, ha rendelkezik a (kereskedelmi forgalomban kapható) technikai háttérrel. Példánkban az osztott nitrogénműtrágyázás egy olyan esetét nézzük meg, ahol a szenzortechnika, a távérzékelés és az applikációs térkép egy egységet képez és az eredőjük határozza meg a kijuttatandó anyag mennyiségét a tábla adott pontján. Erről már egy korábbi posztban részletesen írtunk (A távérzékelés és a szenzortechnika kombinációja). A kijuttatást megalapozó, a termőterületre jellemző helyspecifikus adatok sok forrásból származhatnak, az azonban közös bennük, hogy jelentős mennyiségű adatot tartalmaznak, ill. jelentős mennyiségű adat feldolgozásával jönnek létre. Ezek az adatok éppúgy lehetnek valós idejűek, mint történelmi adatok, azaz olyan információk, melyek egy korábbi időpontban keletkeztek. Költséghatékonyság szempontjából az egyik legjobb megoldás a távérzékelési adatok használata. Ezek egy része, mint például a Talking Fields térképek alapjául szolgáló műholdfelvételek eleve rendelkezésre állnak, elkészíttetésük a felhasználó számára nem jelent sem külön költséget, sem személyes közreműködést és természetesen a táblákon sem történik semmilyen fizikai behatás, hiszen az adatgyűjtéshez nem kell a táblára rámenni. Természetesen adatok származhatnak rengeteg más forrásból, lehet drónokkal dolgozni, hozamtérképeket, talajgenetikai térképeket, talajvizsgálati eredményeket stb. felhasználni.

Központi elem a szoftver

Az összegyűjtött adatokat tárolni, feldolgozni, kiértékelni és felhasználni csak megfelelő szoftver segítségével lehet. Természetesen a Smart Farming és a Big Data a programokkal szemben további követelményeket támaszt. A nagy mennyiségű adat kezeléséhez mindenképpen egy olyan robusztus adatbank (adatbázis kezelő) szükséges, mely képes megbirkózni ezzel az adattömeggel. A következő lényeges szempont az adatok importálása és exportálása, hiszen a nyersadatoknak be kell kerülniük a rendszerbe és a feldolgozás után pl. applikációs térképek, bordcomputer feladatok formájában el kell hagyniuk azt. További nagyon fontos elem a kiértékelési lehetőség széles köre, hiszen az adatokat nem öncélúan gyűjtjük, hanem azért, hogy belőlük megfelelő következtetéseket levonva, döntéseket (pl. az applikációs térkép tartalma) hozhassunk.Ezért érdemes már ma olyan szoftver keresni, mely a precíziós gazdálkodást is támogatja és a Smart Farming irányába mutat.

Újabb Copernicus műhold vár a kilövésre

Kép: ESA

A Copernicus program

A Sentinel-2A műhold pályára állításával újabb lökést kap az Európai Űrügynökség az ESA (Wikipédia link) Copernicus programja. A műhold nagy mennyiségű távérzékelési adatot fog mezőgazdasági területekről gyűjteni. A nagy-felbontású multispektrális képek használatával a jelenleginél is több információt kapunk a szántóföldekről, így akár a Talking Fields térképekhez hasonló új termékek és szolgáltatások is születhetnek.

Sentinel-2A start élőben

Az ESA a műhold fellövését élőben közvetíti. A start tervezett időpontja közép-európai idő szerint 2015.06.23 03:52, és ezen a honlapon lehet követni. Az Airbus Defence and Space (Wikipédia link) által épített 1140 kg tömegű műhold 786 km magasságban fog a Föld körül keringeni. Ez a második az összesen 10 Sentinel műhold közül, melyeket 2021-ig szeretne az ESA földkörüli pályára juttatni.

SMS a tehéntől

Image courtesy of Master isolated images at FreeDigitalPhotos.net

M2M az állattenyésztésben

A Smart Farming és úgy általában a digitalizáció nem szűkíthető le a mezőgazdaság egyes ágazataira, hanem mindenhol megjelenik, így az állattenyésztés is kiveszi a részét az új megoldásokból. A már viszonylag sok helyen működő M2M technológia (Wikipédia link), azaz a gépek önálló, egymás közötti kommunikációja, kiváló lehetőséget biztosít a szenzoradatok továbbítására és adott esetben a kijelölt emberek riasztásában.

Ivarzás jelzése

A szarvasmarha tenyésztés gazdaságosságának egyik kritikus pontja a szaporodásbiológia. Az ivarzások pontos felismerése és a mesterséges termékenyítés megfelelő időzítése alapvető fontosságú. Ehhez az állományt éjjel-nappal figyelni kell, lehetőleg teljesen automatikusan. A francia Medria cég által kifejlesztett HeatPhone ezt a feladatot veszi át a gazdálkodótól. Az alkalmazott megoldás lényege az, hogy az állatok nyakán olyan szenzorok vannak, melyek többek között az állatok aktivitásáról, mozgásáról gyűjtenek adatokat. Ezek az adatok a mobilhálózaton keresztül jutnak el egy szerverre. Amennyiben a beérkező adatok a termékenyítés lehetőségének közelgő időpontját jelzik, úgy a rendszer egy SMS küldésével riasztja az illetékeseket.

Ellés és takarmányfogyasztás

Az ivarzást figyelő rendszer további komponensekkel is kiegészíthető. A VelPhone a borjú közelgő születésére figyelmeztet SMS küldéssel, míg a SanPhone a tehenek táplálkozását figyeli és ezzel a betegségek korai felismerését segíti.

A fajta helye, szerepe, és a táblán belüli váltogatott fajtahasználattal kapcsolatos kérdések a precíziós gazdálkodásban

A gazdálkodásban általában egységesen művelt földdarabot értünk „termőhely” megnevezés alatt, s e szerint tulajdonítunk neki a tőle természetes vagy mesterséges határokkal elválasztott területektől megkülönböztető sajátságokat. E – legtöbbször pontosan alig ismert – sajátságok összességének eredője alapján minősítjük a termőhelyet, s rendelünk hozzá, termeszthető terményeket, technológiát, minőséget.
A fajta és a termőhely kapcsolatát csak akkor tudjuk igazán kihasználni, ha a fajta tulajdonságairól, különösen ami a tápanyag hasznosító képességet, gyomirtó szer toleranciát és szárazság stresszt illeti, a jelenleginél szélesebb ismeretekkel rendelkezünk. (Figyelemfelkeltő cikk)
Szieberth Dénes

NASA: Drónok vezérlése a mobilhálózat használatával

Mobilhálózat és a drónok

A NASA (Wikipédia link) és a szintén amerikai Verizon (Wikipédia Link) mobilszolgáltató közösen azt kutatja, hogy miként lehet a mobilhálózat segítségével a drónokat irányítani és felügyelni. A kisebb méretű és alacsonyan repülő drónok irányításhoz a szinte teljes lefedettséggel kiépített mobilhálózatok kiváló alapot biztosíthatnak. A Guardian információi szerint az 500.000 US-Dollar költségvetéssel rendelkező projekt célja az, hogy kidolgozza a drónok irányításának rendszerét a mobilhálózat használatával.

Légügyi szabályozás

Az amerikai légügyi hatóság az FAA (Wikipédia Link) javaslata szerint a 25 kilogrammnál könnyebb drónok maximun 160 km/óra sebességgel és 150 méter magasan repülhetnének, valamint a repülés teljes ideje alatt a pilóta látótávolságában kell maradniuk. A projekt egyik célja a mobilhálózat cellái segítségével eljuttatni az irányítási parancsokat a drónnak. A végső cél a teljes távvezérlés a mobil hálózaton keresztül, beleértve a repülés követését és dokumentálását is.

Amazone és Google is fejleszt

A drónok gyors elterjedésére számítva a NASA további fejlesztési segítséget vár olyan nagy cégektől, mint az Amazone és a Google. A Verizon projekt az elvárások szerint már 2017-ben eredményeket hozhat. A kész rendszer tervezett időpontja pedig 2019.

A távérzékelés és a szenzortechnika kombinációja

A precíziós gazdálkodás és a Smart Farming

A Smart Farming egy evolúciós folyamat része, azaz bevezetése egy üzemben nem ugrásszerűen történik, hanem lépésről-lépésre. Ebben a folyamatban egy megkerülhetetlen fokozat a precíziós gazdálkodás megléte, hiszen ez adja a gépi oldalról azt az alapfeltételt, ami az intelligens mezőgazdasághoz szükséges, valamint a másik oldalról ez biztosítja azt a szoftver hátteret, mely a keletkező adatokat feldolgozza és kiértékeli, valamint a gazdaság számára jogszabályokban meghatározott dokumentációkat (pl. Gazdálkodási Napló, permetezési napló stb.) elkészíti. A precíziós gazdálkodás esetében a helyspecifikus anyagkijuttatás, azon belül is elsősorban a műtrágya és vetőmag mennyiségének a szabályozása az, mely a már korábban összegyűjtött adatok kiértékelésén és feldolgozásán alapul. Ezek az adatok lehetnek saját felvételezések, pl. hozamtérkép, lehetnek távérzékelési adatok, pl. Talking Fields térképek és lehetnek laboradatok is, pl. talajvizsgálati eredmények. Az így összeállított adatok lehetnek ugyan nagyon pontosak, de tagadhatatlanul egy vagy több korábbi aratási év eredményeit adják vissza, az aktuális állapotra nem reflektálnak. A múltbeli tényadatokból kényelmesen tudunk a számítógépünkön változtatható anyagkijuttatást vezérlő applikációs térképeket készíteni. Amennyiben valós idejű, az aktuális növényállomány állapotát is figyelembe vevő anyagkijuttatást szeretnénk végezni, akkor már szenzorokra is szükségünk van a vezérléshez.

N-szenzorok

Az utóbbi időben rohamosan terjed a nitrogénszenzorok használata, melyekkel a tápanyag-utánpótlást lehet optimalizálni. A különböző gyártmányú szenzorok nagyon hasonló elven működnek és a növényállomány fejlettségéről és nitrogénellátottságáról az úgynevezett NVDI érték (Wikipédia Link) formájában adnak tájékoztatást. Az NDVI érték közvetlenül felhasználható a műtrágyaszóró vezérlésére. A nitrogénszenzor kizárólagos használatának ugyanaz az előnye, ami egyben a legnagyobb hátránya is: A szenzor csak a valós idejű értékeket veszi figyelembe, így a múltbeli tapasztalatok nélkül, automatikusan az aktuális állapot alapján vezérel, ami nem feltétlenül jelenti az optimális kijuttatást. Az igazi előrelépést az jelenti, ha a múltbeli adatokat (hozamtérkép, Talking Fields, talajvizsgálat) és a valós idejű adatokat (N-szenzor) egymással kombináljuk és így alapozzuk meg a gazdaságilag optimális tápanyag kijuttatást.

A kulcs a Map Overlay

A Map Overlay használatával egyszerűen lehet kombinálni a múltbeli, térkép alapú és a valós idejű adatokat és így a nitrogénkijuttatást még pontosabban lehet szabályozni. A Map Overlay lényege, hogy egy applikációs térkép segítségével korrigáljuk az NDVI adatok alapján kijuttatandó tápanyagmennyiséget. Így roppant egyszerűen lehet az általunk kiválasztott helyekre minimális vagy maximális értéket megadni, függetlenül attól, hogy az NDVI érték szerint az adott pontra kevesebb vagy több lenne a tápanyag-kijuttatás. Természetesen ez csak akkor működik, ha a rendszerünk összes eleme, hardver és szoftver egyaránt, támogatja ezt megoldást.

Egy gyakorlati példa

A valóságban a Map Overlay felhasználása a következő példában részletezett módon zajlik. Első lépésként feldolgozzuk az érintett táblák Talking Fields alaptérképeit az AO Agrár-Office programcsomag segítségével, majd adott esetben a talajvizsgálati eredményeket is figyelembe véve, elkészítjük a programmal a Map Overlay applikációs térképet. Az applikációs térkép alapján elkészített feladatot (előírást) a szokásos módon feltöltjük egy John Deere Greenstar 2630 (GS3) monitorra. Ezután a traktorunkra felszerelt AO Greenseeker ISOBUS nitrogénszenzorunkkal úgy vezérelhetjük a GS 2630 monitoron keresztül az ISOBUS (Wikipédia Link) műtrágyaszórónkat, hogy az aktuális NDVI érték alapján meghatározott szórási mennyiség a Map Overlay applikációs térképpel korrigálásra kerül. Miután az AO Greenseeker ISOBUS eszköz esetében tetszőlegesen határozhatjuk meg az adott NDVI tartományhoz tartozó kijuttatási értékeket a Greenstar monitoron, így a teljes kijuttatási stratégia a kezünkben marad. Ez egyben ennek, az itt felvázolt rendszernek a legfontosabb jellemzője is. Az összegyűjtött és feldolgozott adatok, továbbá a valós idejű szenzoradatok összehangolásával és együttes alkalmazásával pontosan az a stratégia kerül megvalósításra (adott helyen, adott mennyiségű műtrágya kijuttatása), amit szakmailag a legjobbnak tartunk.

Az AGATA projekt – Nagy mennyiségű komplex adat feldolgozása

Image courtesy of Stuart Miles at FreeDigitalPhotos.net

A mezőgazdasági termelés során keletkező adatok és információk mennyisége a modern gépek és új technológiák használatával ugrásszerűen nő. Az adatok gyűjtésével, feldolgozásával, kértékelésével és összekapcsolásával új, eddig feltáratlan lehetőségek nyílnak meg a felhasználók előtt. Az egyre gyorsabb számítógépek, az új programok és intelligens algoritmusok használata lehetővé teszi, a Big Data összefüggéseinek felismerését és az információk új szemszögből történő interpretálását.
Az AGATA projekt célkitűzése, egy olyan önállóan is tanulni képes segítő rendszer kifejlesztése, mely a termelés során keletkező adatok figyelésével és kiértékelésével összefüggéseket talál a termelési folyamat, a gépbeállítások és az egyéb külső tényezők között. A rendszer hibáiról és eltéréseiről nyert információk komoly segítséget nyújtanak a gépek használatának optimalizálásában és az egész termelés hatékonyabbá tételében.
Természetesen egy ilyen rendszer rendkívül komplex, hiszen ha csak az aratást vesszük példának, már akkor jól látható, hogy egy mai korszerű kombájn akár 500 szenzor- és paraméteradatot is produkálhat, részben másodpercenkénti gyakorisággal. A beállítások és a külső tényezők (pl. tábla hossza, lejtése, napsugárzás, szél, csapadék stb.) függvényében nagy mértékben változhat az aratás hatékonysága. Első körben itt a legfontosabb feladat az adott helyzetnek optimálisan megfelelő gépbeállítás, mely a keletkezett adatok elemzésével érhető el.
Az AGATA projekt DFKI sajtóközleménye itt érhető el, német nyelven (AGATA projekt).