Журнал "Системы Безопасности" № 2‘2020

S E C U R I T Y A N D I T M A N A G E M E N T 53 приятия, используя автономные мобильные плат- формы, машинное зрение, нейронные сети и облачные вычисления, могут предложить на местах услуги по оценке состояния посевов, поко- сов, садов и активности движения скота неболь- шим крестьянским хозяйствам и фермерам. Вместе с тем развивается и тематика "локальных" решений. Сельскохозяйственный бизнес, и круп- ный, и не очень, заинтересован в создании пор- тативных устройств, которые позволяют получить объективную оценку состояния урожая с высо- кой достоверностью, не хуже опытных, ведущих специалистов. Если речь идет о посевах зерно- вых или масличных культур, то часто достаточно анализа мультиспектрального изображения, полученного с квадрокоптера. Но когда речь о плодовых – яблоках/помидорах/огурцах/бах- чевых – то необходимы мультиспектральные изображения плодов и устройства для их захва- та. Летательные аппараты тут редко могут помочь. Альтернатива – портативные носимые или мобильные, размещаемые на наземной тех- нике, устройства. Зачем нужны и как получить мультиспектральные изображения Мульти- или (в зависимости от количества спек- тров) гиперспектральные изображения – это технология, которая появилась и используется достаточно давно. Ее родоначальником можно считать цветное изображение, которое можно представить в формате RGB как композицию трех цветов – красного, синего и зеленого. Таким образом, цвет – это набор пока только трех чисел, характеризующих интенсивность отражения света в этих спектральных диапазо- нах. Назовем его спектральной сигнатурой. Машинное зрение, в отличие от человеческого глаза, может различать гораздо больше спек- тральных диапазонов, чем RGB, поэтому обла- дает лучшей избирательностью. Исследования последних 20–30 лет показали, что у объектов биологического происхождения в разных их состояниях есть явно выраженная спектральная сигнатура – значение интенсивно- сти определенных спектральных диапазонов. На основании спектральной сигнатуры появляется возможность отделить один объект от другого или разделить состояния объектов. На рис. 1 показано классическое применение мультиспектрального изображения для обра- ботки снимков аэрофотосъемки. На основе сиг- натур, то есть значений интенсивности отраже- ния определенных длин волн, можно отделять одни объекты от других, а при более детальном анализе и определять состояние объектов, в данном случае лесов и водных ресурсов. Существуют различные способы получения мультиспектральных изображений: при помощи дифракции на призме, набора узкополосных оптических фильтров, расположенных на мат- рице камеры или многокамерной системы, когда каждая камера снимает в определенном спектральном диапазоне. Во всех вышеперечис- ленных случаях источник освещенности – "белый" свет, представляющий собой широкий спектральный диапазон, охватывающий все интересующие нас полосы. Практическое применение мультиспектральных изображений Мы уже говорили о том, что с распространени- ем квадрокоптеров появилась возможность размещать на них устройства для получения мультиспектрального изображения и с их помо- щью решать практические задачи: определять количество, плотность зеленых насаждений, состояние растений (угнетенные, недостаток питания), наличие сорняков, объем урожая; измерять температуру почвы, воды, животных. На рис. 2. схематически изображен процесс, при котором с помощью снимков с квадроко- птера и анализа мультиспектральных изображе- ний фермер получает на смартфон информа- цию о состоянии посевов – сорняках, здоровых, угнетенных и погибших растениях. На основа- нии такого мониторинга фермер может прини- мать решения о поливе, внесении удобрений, сборе урожая. Подобные сервисы работают во многих странах, в том числе и у нас. Технология относительно доступна: комплект квадрокоптер + камера стоит порядка 20 тыс. долларов. Крестьянскому хозяйству нет необходимости приобретать это оборудование, его осваивать, обслуживать и т.д. Практический результат, скажем оценка посе- вов, предоставляется как сервис от локальной компании, с конечным результатом не только в виде изображений, но, например, с картой распределения вегетативного индекса по полям и с выдачей конкретных рекомендаций по уходу за посевами. Здесь главное – в анализе изобра- жений, умениях и знаниях специалистов и агро- номов, потому что мультиспектральные сигнату- ры очень сильно зависят и от особенностей их получения в конкретной местности, и от сортно- сти и особенности роста самих растений. Муль- тиспектральное изображение картофельного поля в Канаде будет совершенно другим, чем в Сибири. Поэтому ключевым звеном в этой системе должен быть хороший агроном. Для того чтобы помочь фермерам, ему уже нет необходимости бегать по их полям. На основа- нии своих знаний и опыта он оценивает полу- ченные изображения и дает рекомендации, а также помогает обучать нейронные сети, кото- рые впоследствии смогут принимать квалифи- цированные решения самостоятельно, не хуже профессионального эксперта. На качество мультиспектрального изображения, получаемого при естественном освещении, влияют атмосфера, спектр солнечного света, облачность, влажность, пыль и множество дру- гих факторов. Альтернативой является искусственное освеще- ние, когда вместо широкополосного солнечного света мы применяем отдельные мультиспек- тральные полосы. Понятно, что осветить таким образом гектар посевов невозможно, но, если речь идет о яблоке или винограде, решение будет работать. Развитие полупроводниковой техники позволяет делать мультиспектральные светодиодные светильники и на их базе решать огромное количество задач. Сервисы по получению мультиспектральных снимков при естественном освещении с высоты птичьего полета и их интерпретации с изобра- жениями с портативных приборов с мультиспек- тральными светодиодными осветителями могут совмещаться и обогащать друг друга. Получен- ные измерения на земле сопоставляются с тем, что получено с воздуха, и одно уточняет другое. С помощью ручных измерений можно суще- ственно повысить информативность и достовер- ность методов анализа мультиспектральных изображений, полученных с воздуха. Заключение Таким образом, с помощью машинного зрения, в частности мультиспектральных систем, можно добиться существенного повышения эффектив- ности сельского хозяйства – обеспечения заданных потребительских свойств и объемов выпуска продукции. Инициатива среднего и мелкого бизнеса, оснащенного современными технологиями, подкрепленного разумными инвестициями со стороны сельхозпроизводителей, дает хоро- ший шанс вывести ведение хозяйства на совершенно другой, цифровой уровень: улуч- шить показатели собственной прибыльности и рентабельности, а заодно и поспособство- вать развитию локального высокотехнологич- ного предпринимательства. n www.secuteck.ru апрель – май 2020 СПЕЦПРОЕКТ АГРОКОМПЛЕКС Ваше мнение и вопросы по статье направляйте на ss @groteck.ru Рис. 2. Мониторинг состояния растительного слоя, основанный на мультиспектральных снимках и спектральных индексах (по материалам www.gamaya.com)