close

Вход

Забыли?

вход по аккаунту

?

Разработка методов и аппаратно-программных средств автоматизированного мониторинга и контроля выполнения посевных работ

код для вставкиСкачать
На правах рукописи
Воронков Илья Владимирович
Разработка методов и аппаратно-программных средств
автоматизированного мониторинга и контроля выполнения посевных работ
Специальность: 05.20.01 – Технологии и средства механизации сельского
хозяйства
Автореферат диссертации на соискание ученой степени
кандидата технических наук
Москва 2017
Работа выполнена в Отделе анализа и обобщения информации по инженернотехнологическому обеспечения АПК Научно-исследовательского центра
«Агроинновация» Федерального государственного бюджетного научного
учреждения «Российский научно-исследовательский институт информации и
технико-экономических исследований по инженерно-техническому обеспечению
агропромышленного комплекса» (ФГБНУ «Росинформагротех»).
Научный руководитель:
Федоренко Вячеслав Филиппович,
доктор технических наук, профессор,
академик РАН, директор ФГБНУ
«Росинформагротех»)
Официальные оппоненты:
Труфляк Евгений Владимирович,
доктор технических наук, заведующий
кафедрой эксплуатации машиннотракторного парка ФГБОУ ВО «Кубанский
ГАУ», руководитель Центра
прогнозирования и мониторинга научнотехнического развития АПК.
Смирнов Игорь Геннадьевич,
кандидат сельскохозяйственных наук,
заведующий отделом интеллектуализации,
автоматизации и роботизации
сельскохозяйственного производства,
ведущий научный сотрудник ФГБНУ
«Федеральный научный агроинженерный
центр ВИМ»
Ведущая организация:
Федеральное государственное бюджетное
научное учреждение «Агрофизический
научно-исследовательский институт»
Защита состоится 21 июня 2018 г. в 13 часов 00 минут на заседании
диссертационного совета Д 220.043.14 на базе ФГБОУ ВО «Российский
государственный аграрный университет–МСХА имени К.А. Тимирязева», по
адресу: 127550, г. Москва, ул. Прянишникова, д. 19, тел/факс: 8 (499) 976-21-84
С диссертацией можно ознакомиться в Центральной научной библиотеке имени
Н.И. Железнова «Российский государственный аграрный университет–МСХА
имени К.А. Тимирязева» и на сайте Университета http://timacad.ru.
Автореферат разослан «___»___________2018 г.
Ученый секретарь
диссертационного совета
Т.П. Кобозева
2
ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ
Актуальность. В последние годы наблюдается всё более активное применение в теории и
практике растениеводства новейших достижений информационных, навигационных и
космических технологий. Вследствие этого, принципиально изменяется вся методология
управления как отдельными сельскохозяйственными машинами, так и предприятием в целом,
основой которого вместо плохо формализованного «опыта и интуиции» становятся
современные аппаратно-программные комплексы, собирающие и использующие в своей работе
точную количественную, как правило, цифровую информацию. «Анализ мировых тенденций
развития
аграрного
производства
инновационных
решений
в
смежных
областях
свидетельствует, что до 80% разработок в АПК в последние годы базируются на широком
применении
информационных,
телекоммуникационных
технологий,
электронных
автоматизированных систем, роботов и др.» (Федоренко В.Ф.). Фактически, на предприятиях
агропромышленного комплекса (АПК) России создаются автоматизированные системы
управления производством (АСУП), постепенно вытесняющие человека из процессов сбора
данных, принятия и реализации решений.
Различными
аспектами
проблемы
автоматизации
работы
сельскохозяйственных
предприятий, в том числе использующих технологии точного земледелия, занимаются многие
известные российские и зарубежные ученые: А.Н. Каштанов, Кирюшин В.И., Личман Г.И.,
Марченко Н.М., Рунов Б.А., Федоренко В.Ф., Якушев В.П., Якушев В.В., AuernhammerH.,
BackesM., BillR., EhlertD., SchwartzY. и другие.
Однако АСУП сельскохозяйственной направленности имеют одно принципиальное
отличие от аналогичных систем, используемых в промышленности, на транспорте и т.п.
Объектом управления сельскохозяйственной АСУП являются растения, находящиеся в тесном
взаимодействии с почвой и атмосферой. Для выработки в АСУП корректных, приводящих к
ожидаемым результатам управляющих воздействий, необходимо иметь точную динамическую
модель состояния растения и выбрать набор измерений, позволяющих определять её в заданные
моменты времени. Такие модели находятся в настоящее время на стадии разработки, поэтому в
диссертации ставится актуальная задача разработки методик оценки состояния посевов,
основанных на упрощенных, создаваемых непосредственно перед началом обследования
посевов, моделях.
По результатам мониторинга выявляются проблемные участки посевов. Их количество и
расположение зависит от многих факторов: качества семян, работы высевающего агрегата,
состава почвы и др. В общем случае, количество таких участков, особенно на больших полях,
может исчисляться десятками и более. После выявления причин их плохого состояния и
3
разработки соответствующих агрохимических мероприятий, направленных исключительно на
проблемные
участки,
возникает
задача:
как
проложить
маршрут
перемещения
сельскохозяйственных машин, обрабатывающих участки, а также полёта беспилотного
летательного аппарата (БЛА), выполняющего контрольную съёмку только этих участков, чтобы
затраты ресурсов (горючее, рабочее время и т.д.) были минимальны. Решение этой задачи,
приведенное в работе, позволяет автоматизировать процедуру выбора оптимального маршрута
движения средств контроля (БЛА) и
сельскохозяйственных агрегатов (опрыскиватели,
разбрасыватели и т.п.).
Цель
работы:
создание
методического
и
аппаратно-программного
обеспечения
мониторинга посевов и оптимизации маршрутов движения сельскохозяйственной техники
между выявленными проблемными участками, обеспечивающих повышение эффективности
выполнения производственных операций контроля состояния посевов и их обработки.
Для достижения цели в работе решаются следующие задачи:

Разработка методики и программного обеспечения для определения количества
всходов, выделения и точного позиционирования проблемных участков (отсутствие всходов,
сорняки, вредители и т.п.) по данным съемок с БЛА.

Экспериментальная отработка методик мониторинга посевов, включая выбор
параметров полета БЛА (скорость, высота) и съемочной фотоаппаратуры, а также сроков
съемок.

Разработка методики и программного обеспечения расчета оптимального маршрута
перемещений сельскохозяйственных агрегатов и БЛА по множеству проблемных участков,
заданному координатами на поверхности Земли.

Проведение
эксперимента
по
сравнительному
анализу
технических
и
эксплуатационных характеристик современных систем навигации сельскохозяйственных
машин с целью подтверждения соответствия их точностных и иных параметров требованиям по
позиционированию техники при обработке проблемных участков, а также выполнении иных
полевых работ.

Определение цели, задач, структуры АСУП производства растениеводческой
продукции, включая блоки для обработки данных мониторинга посевов и оптимального
планирования маршрутов техники.
Предметом исследования является автоматизация процессов контроля качества
выполнения посевных работ и состояния посевов, а также оптимального управления движением
сельскохозяйственных
машин
(опрыскиватели,
выявленными проблемными зонами на полях.
4
разбрасыватели,
БЛА
и
др.)
между
Объектом исследования являются математические и экспериментальные методы,
аппаратно-программные системы (АПС), обеспечивающие решение задач мониторинга
состояния посевов и планирования оптимальных маршрутов движения сельскохозяйственной
техники.
Научная новизна. Разработанные методы и АПС позволяют решить научно-техническую
задачу определения состояния посевов без привлечения сложных параметрических моделей
растений,
а
также
построения
оптимальных
маршрутов
движения
техники
(сельскохозяйственные машины, БЛА и др.) при обработке и мониторинге проблемных
участков посевов.
Наиболее существенными научными результатами являются:
- постановка и решение задачи автоматизированного анализа состояния посевов и оценки
качества работы посевных агрегатов, основанные на математических методах «машинного
зрения»,
- разработка методики построения оптимального в смысле расходования ресурсов (время,
топливо и т.п.), маршрута перемещения средств мониторинга (БЛА и пр.), либо
сельскохозяйственных машин между проблемными участками посевов, основанная на
математической теории целочисленного программирования.
Теоретическая и практическая значимость.
Разработанный в диссертации метод распознавания отдельных растений и групп
растений (кластеров) позволяет эффективно решать задачу определения количества,
расположения и состояния всходов, с выделением проблемных участков посевов, подлежащих
дополнительной обработке.
Предложенный в работе метод оптимизации маршрута, представляющий собой
модификацию задачи «коммивояжера», обеспечивает возможность получения оптимального, в
смысле минимизации заданного параметра (время, расход горючего и др.), решения широкого
круга задач планирования движения сельскохозяйственных машин.
Разработанные теоретические методики реализованы в виде применимых на практике
технологий контроля посевов с помощью БЛА, а также пакетов программного обеспечения
(ПО) для обработки результатов съемок и планирования маршрутов движения техники.
Результаты работы используются в ЗАО «Инженерный Центр «ГЕОМИР», «Совзонд» и
других предприятиях при создании и эксплуатации АПС для растениеводства, в частности в
геоинформационно-аналитической
системе
«История
поля»,
установленной
сельскохозяйственных предприятий Курской области и Ставропольского края.
5
в
ряде
Кроме того по материалам диссертации подготовлены методические пособия,
используемые ФГБОУ РИАМА в учебном процессе: в лекциях и практических занятиях по
дисциплине «Точное земледелие».
Методология и методы исследования. Диссертация основана на методологии,
сочетающей теоретические и практические методы исследования, реализованные по схеме:
«разработка теоретических методик – создание ПО – экспериментальная отработка
(верификация и валидация) АПС - оценка эффективности их применения».
Теоретические
методы
основаны
на
математическом
аппарате
распознавания
изображений в задачах «машинного зрения» (мониторинг посевов) и целочисленном
программировании (оптимизация маршрутов).
Экспериментальные методы основаны на проведении полномасштабных натурных
экспериментов – испытаниях АПС на полях сельскохозяйственных предприятий России.
Положения выносимые на защиту.
Разработана методика и программное обеспечение автоматизированного определения
количественных характеристик состояния посевов.
Разработана
методика
и
ПО
выбора
оптимального
маршрута
передвижения
сельскохозяйственных машин и воздушных средств мониторинга между проблемными
участками посевов.
Экспериментальным путем выбраны характеристики технических средств мониторинга
(БЛА и фотоаппаратура), обеспечивающие высокую достоверность результатов контроля
состояния посевов.
Определены
цели,
задачи,
структура
АСУП
для
управления
производством
растениеводческой продукции, включая разработанные в диссертации модули контроля
состояния посевов и оптимизации маршрутов техники.
Степень достоверности и апробация результатов.
Для подтверждения достоверности результатов полученных в диссертации, в 2015 –
2017 гг. был проведен цикл полевых экспериментов, подтвердивший работоспособность и
высокую точность разработанных технологий.
Материалы исследования неоднократно докладывались на международных и российских
конференциях, семинарах и научных чтениях:

VII Международная научно-практическая конференция «Научно-информационное
обеспечение инновационного развития АПК»; ФГБНУ «Росинформагротех»; 19.05-20.05.2014.

«Инновационные аспекты агроэкологии в повышении продуктивности растений и
качества продукции»; ГНУ ВСТИСП Россельхозакадемии; 16.09.2014.
6

Навигационные
технологии
в
сельском
хозяйстве;
РГАУ-МСХА
имени
К.А. Тимирязева; 03.12.2014.

Применение средств дистанционного зондирования Земли в сельском хозяйстве;
Агрофизический институт РАН; 16.09-17.09.2015.

50-е Научные чтения памяти К.Э. Циолковского; Калуга; 15.09- 17.09.2015.

Точное земледелие; Сколково; 31.03.2016.

Научно-практическая конференция по развитию рынка беспилотных авиационно-
космических систем в рамках Национальной технологической инициативы «Аэронет 2016»;
Агентство стратегических инициатив; 15.09- 17.09.2016.

51-е Научные чтения памяти К.Э. Циолковского; Калуга; 20.09- 22.09.2016.

Международная научная конференция, посвященная 200-летию Н.И. Железнова;
Москва; 07.12.2016.

52-е Научные чтения памяти К.Э. Циолковского; Калуга; 20.09- 22.09.2016.

Техническое и программное обеспечение внедрения в сельскохозяйственное
производство технологий точного земледелия; Уфа; 22.02.2017.

Современные геоинформационные сервисы для осуществления государственного
мониторинга земель сельскохозяйственного назначения; Москва; 05.04.2017-07.04.2017.

Точное земледелие; Москва, Сколково; 16.03.2017.
Публикации. Результаты диссертационного исследования опубликованы в тринадцати
работах, в том числе пять статей в ведущих периодических изданиях, рекомендованных ВАК
РФ, и в виде двух учебно-методических пособий. В работах, написанных в соавторстве, И.В.
Воронкову принадлежат
результаты
по
постановкам
задач,
выбору и
применению
математических методов, созданию методик, а также участию в разработках ПО и проведению
экспериментов по мониторингу посевов, исследованию технических и эксплуатационных
характеристик навигационных систем, установленных на тракторах.
Соответствие паспорту специальности. 05.20.01 - Технологии механизации сельского
хозяйства, пунктам 4, 7, 10, так как в работе исследуются технологии и процессы в
растениеводстве, методы оптимизации технических систем и средств в растениеводстве по
критериям эффективности и ресурсосбережения технологических процессов, а также методы
контроля и управления качеством работы средств механизации производственных процессов в
растениеводстве.
Структура и объем диссертации. Диссертация состоит из введения, четырех глав и
заключения, списка использованной литературы из 84 наименований. Общий объем работы
150 с.
7
ОСНОВНОЕ СОДЕРЖАНИЕ ДИССЕРТАЦИИ
Диссертация посвящена разработке и экспериментальной апробации новых методов и
АПС мониторинга состояния посевов, а также оптимизации маршрутов движения техники
(сельскохозяйственные машины, БЛА и др.) по полям. Во введении дано обоснование
актуальности исследования, сформулированы его цели и задачи.
В первой главе «Современные технологии контроля состояний сельскохозяйственных
угодий и выполняемых полевых работ» представлены классификация и обзор методов и
средств мониторинга состояния почвы и посевов. Обращается внимание на проблему
верификации
и
валидации
данных
дистанционного
контроля,
что
обосновывает
целесообразность проведения комплексного анализа информации о состоянии посевов,
полученной с БЛА, бортовых систем контроля высева сельскохозяйственных машин и
результатов прямых полевых измерений. Приводятся технические характеристики ряда таких
систем. В этой же главе обосновывается целесообразность рассмотрения задачи оптимизации
маршрута передвижения техники между проблемными участками с заданной точностью ее
позиционирования. Разрабатываемые в последующих главах методики и программное
обеспечение предлагается реализовать в виде отдельных модулей АСУ производством
растениеводческой продукции.
Во второй главе «Разработка методов автоматизированного контроля выполнения
посевных работ и оптимизации маршрутов перемещения между выявленными проблемными
участками на полях» разрабатывается методика распознавания отдельных всходов, их подсчета
и точного позиционирования, основанная на математическом аппарате «машинного зрения», а
также методика оптимизации пути объезда (облета) проблемных участков, с применением
методов целочисленного программирования. Вначале главы рассматривается проблема
верификации
и
валидации
данных,
которые
предполагается
получать
с
помощью
разрабатываемых в работе методик и АПС. В данной главе также получена оценка вероятности
распознавания отдельного растения, представленная в графическом виде на рисунке 1.
8
Рисунок 1 – График вероятности распознавания всхода.
Из графика на рисунке 1 следует, что при разрешении снимка более 1 см/пиксел
вероятность распознавания всходов с характерным размером более 3 см составляет выше 90%.
Исходя из постановки задачи предложена блок-схема методики представленной на рисунке 2.
Рисунок 2 – Блок-схема методики оценки состояния посевов
Выделение сигнала происходит путем проверки того что точка удовлетворяет
неравенству:
(1)
где i – номер спектрального канала наблюдения, si – спектральная характеристика сигнала
(значение цвета) в проверяемой точке в канале i (каналы 3х диапазонного изображения
видимого спектра нумеруются следующим образом: R – красный – 1, G – зеленый – 2, B –
синий – 3), ci – спектральная характеристика центра распределения искомого сигнала в канале
i(средний цвет), σi – отклонения сигнала от центра распределения в канале i, n – общее число
9
каналов наблюдения (для 3х диапазонного изображения видимого спектра равно 3). Параметры
ci и σi задаются вручную.
Выделение связанных объектов выполняется путем построения области, в которой:
- все точки области удовлетворяют критерию (1);
- между любыми двумя точками, принадлежащими данной области, существует
непрерывный путь, состоящий из точек, также принадлежащих данной области и являющихся
при этом «соседями» в смысле заданного отношения соседства (4-связности или 8-связности).
Для привязки выделенного объекта к географическим координатам вычисляется его центр как
«центр масс» выделенного сигнала:
(2)
где r – вектор положения центра объекта, rj – вектор положения выделенной точки кластера, j –
номер точки в кластере, m – число точек кластера.
Географическая привязка изображения выполняется в виде world-файла (формата *.tfw),
состоящего из 6 строк с параметрами (в порядке следования в файле) A, D, B, E, C, F. Набор
величин задает аффинное преобразование f(r) вида:
(3)
Где точка (C,F) - географические координаты центра левого верхнего ((0,0) в системе
координат изображения) пикселя растрового изображения, величины A, B, D, E задают
значения масштаба (размер пикселя изображения в метрах) и поворота изображения вокруг
точки (C,F), необходимые для географической привязки изображения.
Для построения рядов используется алгоритм аппроксимации кусочно-линейной
функцией, части которой вычисляются с использованием метода наименьших квадратов
(МНК). Начальное приближение направления рядов (n) задается вручную. В качестве опорной
точки линии ряда (k’) выбирается центр кластера. С помощью данных векторов строится
прямая начального приближения:
(4)
где r – вектор точки прямой начального приближения, t – свободный параметр.
Для корректировки опорной точки линии ряда на линию начального приближения
проецируются центры кластеров, расстояния которых от прямой r меньше d (Рисунок 3):
(5)
где p – центр проецируемого кластера, pr – проекция центра кластера на начальное
приближение r.
10
Рисунок 3 – Геометрия построения ряда
В качестве скорректированной опорной точки выбирается проекция центра кластера,
которой соответствует минимальное значение параметра (tmin):
(6)
где i – номер кластера, pi – центр проецируемого кластера, pri – проекция центра кластера на
начальное приближение r.
Центр кластера для которого значение параметра минимально обозначим p0.
(7)
Выбранная таким образом линия начального приближения гарантирует отсутствие
проекций кластеров в отрицательной области значения параметра t.
Далее выполняется уточнение линии ряда методом МНК. Общая схема данного
алгоритма приведена на рисунке 4.
11
Корректировка
опорной точки
линии ряда
Уточнение
начального
приближения
Вычисление
отрезков кусочнолинейной функции
Проецируется
больше 10 точек?
Нет
Да
Конец
Рисунок 4 – Блок-схема алгоритма построения рядов
Для вычисления среднеквадратического отклонения (СКО) сигналов от линии ряда
вычисляется отклонение сигнала кусочно-линейной функции ряда, как минимум функционала:
(8)
С ограничениями:
(9)
где e – номер отрезка кусочно-линейной функции ряда, i – номер кластера.
Знак ˄ означает псевдоскалярное произведение:
(10)
Для полученных значений отклонения от линии ряда вычисляется СКО:
12
(11)
После выявления проблемных участков принимаются и реализуются меры воздействия,
обеспечивающие, насколько это возможно восстановление нормального процесса роста
растений, с последующим контролем через несколько дней-недель результатов обработки этих
участков.
На рисунке 5 приведена последовательность описываемых работ.
Мониторинг состояния
посевов, выявление
проблемных участков
Обработка проблемных
участков посевов
Мониторинг проблемных
участков и оценка их
состояния после обработки
Рисунок 5 – Последовательность работ по мониторингу состояния посевов и их
обработке.
При планировании мероприятий по обработке и мониторингу состояния проблемных
зон целесообразна постановка и решение задачи минимизации расходов ресурсов (время
выполнения технологической операции, горюче-смазочные материалы и т.п.) путем выбора
оптимального маршрута перемещения сельскохозяйственных агрегатов и БЛА между
проблемными зонами. Для решения этой задачи применяются методы целочисленного
программирования.
Поставленная задача формулируется следующим образом: требуется найти в графе
(V , E ) кратчайший (сумма длин дуг которого минимальна) замкнутый маршрут (цикл),
проходящий через все вершины, не более одного раза. Ее решение осуществляется по
алгоритму, использующему идею метода «ветвей и границ».
При этом в работе рассмотрены задачи поиска как оптимального, так и близких к нему
маршрутов, определяемых по ограниченному числу итераций, что позволяет реализовать его
практически на любых, в том числе, мобильных вычислительных средствах.
С помощью разработанного алгоритма выполнено статистическое моделирование
процесса построения маршрута оптимальным и «экспертным» («ручным») методом. В таблице
1 представлен пример этого моделирования.
13
Таблица 1
Результаты моделирования маршрутов.
N вар
M

V
1
1
1
N
15
15
15
S1
6.517
0.858
0.132
S2
6.397
0.731
0.114
S3
6.164
0.668
0.108
S0
5.764
0.519
0.09
K1
0.129
0.09
0.697
K2
0.111
0.095
0.853
K3
0.069
0.059
0.858
N ИТЕР
1003
2099
2.09
Примечание: S0, S1, S2, S3 – длины оптимального и 3-х вариантов «экспертных» маршрутов
соответственно,
M,  , V – среднеарифметическое значение, среднеквадратическое отклонение (СКО) и коэффициент
вариации соответствующего параметра;
NИТЕР – количество выполненных итераций итерационного процесса нахождении оптимального
маршрута.
На рисунке 6 приведен пример сравнительного анализа оптимального и двух
«экспертных» маршрутов, имеющих длины 7,514 км, 7,888 км и 8,319 км соответственно.
Рисунок 6 – Оптимальный и «экспертные» маршруты.
В третьей главе «Экспериментальная отработка методов контроля за состоянием посевов и
управления сельскохозяйственными машинами с оценкой эффективности их применения»
представлены методика и результаты испытаний БЛА с бортовой фотоаппаратурой, а также ПО
мониторинга посевов, проведенных в 2016 г. на полях двух хозяйств Краснодарского края.
Установлено, что на сильно засоренных полях точность определения количества растений низка погрешность составляет 30-40%.
При повторных экспериментах удалось получить качественные результаты (Рисунок 7) и
выделить проблемные зоны на полях (Рисунок 8, Таблица 2).
14
Таблица 2
Анализ точности распознавания и подсчета всходов.
№
Автоматический подсчет, кол-
Ручной подсчет, кол-во
Разница, %
участка
во всходов
всходов
1
1069
1013
5,53
2
1431
1370
4,9
3
1012
1048
3,56
Сравнение результатов подсчета количества всходов с данными системы определения
количества и координат точек посадки семян посевного агрегата фирмы PrecisionPlanting также
показало высокую степень их совпадения.
Рисунок 7 – Результаты повторных съемок.
15
Рисунок 8 – Проблемные зоны на полях.
Представлены
результаты апробации
методики
и
АПС
мониторинга посевов,
показывающие, что проблемные участки на полях могут быть определены с точностью до
единиц сантиметров относительно системы координат, связанной с поверхностью Земли.
Соответствующие требования по точности позиционирования должны быть реализованы и в
навигационных системах сельскохозяйственных агрегатов (тракторов и др.), используемых в
полевых работах на проблемных участках. В связи с этим возникает задача исследования
технических и эксплуатационных характеристик подобных систем, в первую очередь, их
точностных характеристик.
Такое экспериментальное исследование было проведено 10-11 марта 2015 г. на полях
Новокубанского филиала ФГБНУ «Росинформагротех» (КубНИИТиМ). Следует отметить, что
в данном эксперименте была поставлена более общая задача по сравнительной оценке
характеристик ряда навигационных систем – устройств параллельного вождения (УПВ)
машино-тракторных агрегатов (МТА) при выполнении технологической операции внесения
твердых минеральных удобрений (аммиачной селитры) (Рисунок 9). Поэтому результаты
данного эксперимента одинаково применимы как при выполнении посевных операций по
сплошной обработке посевов, так и при выборочной обработке проблемных участков.
16
Рисунок 9 – Общий вид установленных приборов в кабине трактора.
Результаты анализа данных о работе УПВ при внесении удобрений (трактор МТЗ-82 с
прицепным агрегатом) приведены в таблице 3.
Применение систем параллельного вождения с подруливающим устройством на агрегате
МТЗ-82+BogballeM2 base дало возможность вносить удобрения в двухсменном режиме,
включая и ночное время работы, что позволило с учетом высокой производительности агрегата
повысить его суточную наработку в сравнении с агрегатом, не оборудованным системами
параллельного вождения в 2 раза и исключить на данной операции работу двух сигнальщиков,
что подтвердило целесообразность их применения в полевых операциях, включая обработку
проблемных зон посевов.
В этой
же главе
проведены оценки
эффективности
разработанных
методик,
подтверждающие целесообразность их практического применения. Показано, что в частности,
что если общая площадь проблемных участков составляет ~5% при общей площади посевов
1000 га, экономия при обработке только проблемных участков для посевов подсолнечника
составит ~ 800 тыс. руб.
Таблица 3
Анализ результатов работы УПВ.
Значение показателя по результатам
исследований агрегата
Наименование показателя
Оборудованного
С привлечением
системами
сигнальщиков
параллельного
вождения
Дата исследований
10.03.2015 г.
Место исследований
КубНИИТиМ
Состав агрегата
МТЗ-82+Bogballe M2 base
Поверхностное внесение минеральных
удобрений (подкормка озимой пшеницы)
Технологическая операция
17
Продолжение таблицы 3
Рабочая (заданная) ширина внесения, м
18,0
18,0
Рабочая скорость движения агрегата, км/ч
20,4
19,5
- основного времени
36,5
34,9
- сменного времени
25,9
24,4
0,18
0,20
Количество обслуживающего персонала, чел.
1
1
Ширина внесения удобрений (фактическая), м
17,9
17,9
Заданная доза внесения удобрений, кг/га
100
100
96,8
98,1
3,2
1,9
24,4
23,7
Производительность за 1 ч, га:
Удельный расход топлива, кг/га
Фактическая доза внесения удобрений, на
рабочей ширине внесения, кг/га
Отклонение фактической дозы внесения от
заданной, %
Неравномерность распределения удобрений на
рабочей ширине внесения, %
В четвертой главе «Разработка программного обеспечения для решения задач
мониторинга посевов и оптимизации маршрутов движения сельскохозяйственной техники, как
элементов автоматизированной системы управления агропредприятия» представлены цели,
задачи и структура АСУП. Особое внимание уделяется входящим в ее состав модулям анализа
состояния посевов и оптимизации маршрутов движения техники, разработанным в
диссертации. Структура данной системы приведена на рисунке 10.
18
HARVER
Справочная подсистема
 Ведение справочников и
классификаторов
 Организация справочников;
 Средства идентификации растений
и вредителей;
 Руководство по эксплуатации
программы
Подсистема ведения
организационно-штатной
структуры.
 Структура организации;
 Штатная численность;
 Данные по людям;
 Данные по организации и ее
подчинённым организациям
Идентификация
Растений и
вредителей,
справочники
Подсистема агротехнических
расчетов.
 потребностей в семенах;
 потребность в удобрениях;
 потребность в СЗР;
 биологической урожайности
Результаты
расчетов
Параметры
для расчетов
Идентификация
Растений и
вредителей,
справочники
Расчет
нормы
высева
Подсистема обмена
сообщениями (чат)
 Приватные комнаты
 Вложение файлов
Физико-химические
свойства почвы
Агрохимичес
кая
лаборатория
Физико-химические
свойства почвы
Физико-химические
свойства почвы
Заявки
на изготовление
карт полей
Заказчик
Подсистема дистанционного сбора данных с
полей.
 Цифровые снимки с координатной привязкой к
полям
 Авторизация перед выгрузкой данных в БД
 Идентификация растений и вредителей
 Данные о культуре: (Текущая фаза роста
(вегетации);Заселенность сорняками; Болезни;
Зараженность вредителями; Тяжесть поражения
вредителями на площадь распространения;)
 Анализы почвы (фосфор, калий, органическое
вещество почвы в %, кислотность);
 Анализ растительной ткани;
 Почвообработка;
 Глубина обработки почвы и норма высева (колво семян / м )²;

Возможность удаленного общения через
систему обмена сообщениями
 Возможность автономного сбора при
отсутствии каналов Интернет
 Функционирование под iOS и Android
Подсистема инженерия
 Учет абонентской платы
 Учет терминалов, сим-карт и
тарифам установленным по
организациям и хранящимся на
складе.
 Прием и обработка состояния
заявок на изготовление карт.
 Организация общего ресурса с
возможностью разграничения
доступа пользователей к каталогам
с изготовленными картами полей.
Дифференцированное внесение
 Изготовление карт отбора проб
почвы;
 Изготовление карт
дифференцированного внесения на
основе результатов полученных из
агрохимической лаборатории;
 Изготовление карт заданий для
загрузки в бортовые компьютеры.
Данные по
организации
Модуль взаимодействия
с внешними
программами
Подсистема планирования
 Планирование использования полей
 Планирование технологических
операций
Подсистема ведения данных по полям.
 Сорняки;
 Болезни в почве;
 Вредители;
 ОКП;
 Культуры;
 Цифровые снимки с полей;
 Физико-химические свойства почвы (данные из
лаборатории - ручной ввод);
 ведение электронного полевого журнала с привязкой
всех записей к карте и году урожая и возможностью
сортировки «по году урожая»
 Срез данных за несколько лет.
 Выборку и просмотр снимков/данных по
конкретным полям за определенный период времени
Импорт/Экспорт данных
по людям,
машинам, складам
Первичка для
формирования
технологических карт
Данные о
материальных
средствах
Данные о
материальных
средствах
Запланированные
технологические
операции
Подсистема учета и движения
материальных средств по складам
 Учет материальных средств и
распределение их по складам
 Учет перемещения материальных
средств
 Учет усушки
 Сбор сведений с весовых (Данные с
терминалов от датчиков весовых)
Авторизация
и все данные
метеоданные
Подсистема сбора данных
о измерениях и
прогнозировании
метеоусловий
 Съем текущих
метеорологических
параметров
 Прогноз метеоусловий
Подсистема мониторинга техники и расходования
топлива
 Отображение треков движения машин,
проложенных маршрутов, прохождения
контрольных точек, расчет количества ходок,
определение пробега на маршруте;
 Контроль передвижения и параметров движения
транспортных средств;
 Контроль пробега, фиксации "левых" рейсов и
приписок пробега, простоев транспорта;
 Сообщения о нецелевом и несанкционированном
использовании транспорта;
 Контроль маршрута, графика движения, прибытия
на объекты и в контрольные точки;
 Формирование индивидуальных и групповых
отчетов;
сообщения
Обработанные
данные с терминалов
Треки движения
техники и
данные с датчиков
топлива
Подсистема «Экраны
коллективного пользования»
Подсистема
агрегирования данных
Подсистема «Карта»
 Экспорт/импорт и отображение карт различных
форматов (в первую очередь Shape, KML);
 Стандартные функции работы с различными
картами (навигация);
 Отображение: агрохимической, агрофизической и
почвенной карт. А так же карт,
дифференцированного внесения и отбора проб;

отображение и ведение данных о инфраструктуре
(дороги, ЛЭП, Электроснабжение, Газификация)
 Отображение космоснимков и аэронавигационных
снимков;
 Отображение и возможность работы с
ортофотопланами;
 Отображение сведений о наличии цифровых
снимком привязанных к полям;
 Возможность отображения карт полей с
возможностью наложения кадастровых границ,
полученных с РОСРЕЕСТРА
Подсистема администрирования
 Ведение пользователей;
 Распределение пользователей по ролям (агроном,
руководитель, диспетчер);
 Разграничение доступа к функциональным задачам;
 Настройка конфигурации программных и
технических средств;
 Возможность установки обновлений программы;
 Журналы регистрации;
 Архивирование и восстановление данных.
Подсистема мониторинга технологических операций
 Возможность задания параметров, по которым можно контролировать протекание
технологического процесса;
 Автоматическая визуальная и звуковая индикация об отклонениях технологического
процесса;
 Автоматическая отправка уведомлений о нарушении технологического процесса по
электронной почте и SMS;
 Учет площади обработки, перекрытий, огрехов;
 Учет вида технологических операций;
 Учет времени технологических операций;
 Учет скорости проведения технологической операции;
 Учет посевного материала и удобрений;
 Учет средств химизации;
 Учет раздачи топлива;
 Учет получения топлива;
 Учет расхода топлива
 Отображение прогресса выполнения технологических операций
 Возможность установки агрономом отметки о выполнении технологической операции;
 Обеспечение контроля соблюдения технологий (технологических скоростей видов
работ, нормы внесения удобрений, нормы высева посевного материала, нормы средств
химизации, обзор огрехов и перекрытий)
Подсистема обработки цифровых снимков
 Привязка космоснимков и
аэронавигационных снимков к карте
местности
 Создание и загрузка ортофотопланов
 Расчет вегетационного индекса
сообщения
сообщения
1С
Полевой журнал
Технологические карты и
производственные задания
Агрорасчеты
Набор отчетных форм
Мониторинг ТО (план-факт
анализ)
Мониторинг техники
Мониторинг движения и
расходования топлива
Справочники (по культурам,
сорнякам, вредителям и пр.)
Словари\Классификаторы
Данные по штатной
численности (люди)
Данные по технике
Средство идентификации
растений и вредителей
Матрица доступа к
функциональным задачам
Регистрационные журналы
Агрегированные отчетные
данные о состоянии дел
подчиненных организаций
Средство отображения данных на
экранах коллективного пользования
Информационные и критические
сообщения оператору
Данные по ведению заявок на
изготовление электронных карт полей
Данные о состоянии складов
Картография (визуализация данных о полях,
инфраструктуре регионов, областей, государств
муниципальных и пр. объектов. Отображение
фотоснимков с привязкой к карте местности с
указанием координат, высоты и времени съемки )
Агрохимическая и агрофизическая карта
Карта урожайности
Почвенная карта для
взятия отбора проб почвы
Космоснимки и
Аэронавигационные снимки
Метеоданные
Модуль оповещения
Модуль опроса терминалов
мониторинга
SMS-Сообщения
(информационные и
о критических событиях)
Сведение о
кадастровых
границах
Почтовые
сообщения
Модуль импорта и обработки
аэронавигационных и
космических данных
Аэронавигационная
информация
Дроны
Карта задания для
бортовых компьютеров
Кадастровые данные из
росреестра
Космоснимки
ДЗЗ
Экспорт словарей
и классификаторов
Сводные
отчеты
Телефон
ГОС-портал
Метеостанции
Техника
E-male
Мониторинг вырубки лесов
Ортофотопланы
Терминалы
мониторинга
ГЕО-ПЛАН/
ГЕО-Учетчик
Выходные данные
Средства защиты ПО
Модуль генерации отчетов
Метеоданные
Данные с датчиков
Функции
Средства повышения
живучести
Люди, машины,
орудия
Подчиненая
организация
Карта полей с наложением
кадастровых данных с госпортала
Весовые
Рисунок 10 – Структура АСУП.
Разработанное ПО мониторинга посевов входит в состав системы. Блок-схема ПО и
экранный интерфейс для работы с ним представлены на рисунках 11, 12.
Рисунок 11 – Блок-схема работы ПО мониторинга посевов.
19
Рисунок 12 – Экранный интерфейс ПО мониторинга посевов.
Блок-схема по оптимизации маршрута дана на рисунке 13.
Рисунок 13 – Блок-схема оптимизации маршрута.
В заключении диссертации приведены основные результаты и выводы:
1. Сформулирована постановка и дано решение задачи автоматизированного анализа
состояния
посевов
и
оценки
качества
работы
посевных
агрегатов,
основанная
на
математических методах «машинного зрения».
2 Разработана методика построения оптимального, в смысле расходования ресурсов
(время, топливо и т.п.), маршрута перемещения средств мониторинга (БЛА и пр.) либо
сельскохозяйственных машин между проблемными участками посевов, основанная на
математической теории целочисленного программирования.
3. Создано специальное ПО для обработки результатов мониторинга посевов и
построении оптимальных маршрутов облета (объезда) проблемных участков;
4. Проведена апробация разработанных методик и ПОв хозяйствах Краснодарского края
в мае – июне 2016 года на посевах кукурузы и подсолнечника, позволившая выработать
конкретные рекомендации по параметрам движения (высота, скорость) БЛА и оптимальным
срокам проведения мониторинга.
20
5. Экспериментально
подтверждена
высокая
эффективность
работы
методики
мониторинга и созданного на ее основе ПО, обеспечивающая в частности, точность подсчета
геопривязанных всходов на уровне ~ 95% (по данным контрольных наземных измерений).
6. Проведено моделирование работы ПО оптимизации маршрута перемещения между
проблемными участками, подтвердившее целесообразность его применения, как с точки зрения
экономии ресурсов на ~ 5-10%, так и замены эвристического подхода на математически
оптимальный.
7. Проведен полевой эксперимент по оценке технических и эксплуатационных
характеристик навигационных УПВ (июнь 2015 года на полях КубНИИТиМ (Краснодарский
край), подтвердивший их соответствие по точности и другим параметрам требованиям,
предъявляемым к управлению сельскохозяйственными агрегатами при обработке посевов и их
проблемных участков.
8 Подтверждена эффективность применения УПВ, позволяющая достигнуть ~6%
экономии ресурсов (время, топливо и т.п.) и высокое качество выполнения полевых операций.
Основные положения диссертации опубликованы в работах:
а) в изданиях, рекомендованных ВАК РФ:
1. Федоренко В.Ф. Экспериментальные исследования элементов систем точного
земледелия в Краснодарском крае / В.Ф. Федоренко, И.В. Воронков //Техника и оборудование
для села. – 2015. – № 12. – С.12-16.
2. Воронков И.В. Научно-методические и алгоритмические основы оценивания
показателей продуктивности и фитосанитарного состояния посевов по данным дистанционного
зондирования Земли / И.В. Воронков, И.М. Михайленко // Агрофизика. – 2016. – № 1.– С. 32-42.
3. Воронков И.В. Методы обнаружения сорняков, болезней и вредителей растений по
данным дистанционного зондирования / И.В. Воронков, И.М. Михайленко // Современные
проблемы дистанционного зондирования Земли из космоса. – 2016. –Т.13.– № 3.– С. 72–83.
4. Воронков И.В. Методика и аппаратно-программные средства для мониторинга
состояния посевов на ранних стадиях вегетации / И.В. Воронков // Сельскохозяйственные
машины и технологии. – 2017. – № 5. – С. 33-37.
5. Федоренко В.Ф. Оптимальное управление мониторингом и обработкой проблемных
участков посевов / В.Ф. Федоренко, И.В. Воронков, Д.Н. Рулев, Н.Д. Рулев // Техника и
оборудование для села. – 2017. - №10. – С.10-14.
21
б) в сборниках научных трудов:
6. Воронков И.В. Методика и практический опыт применения БПЛА для мониторинга
сельскохозяйственных угодий / И.В. Воронков, В.В. Самойлов, А.М. Старостенко, А.А.
Данилкин, А.В. Фролов // Труды LI Чтений К.Э. Циолковского. – 2017. – С. 16-22.
7. Самойлов В.В. Проектирование единой геоинформационной платформы на основе
данных ДЗЗ / В.В. Самойлов, В.Н. Воронков, Т.Н. Тян, И.В. Воронков А.А. Данилкин, Н.И.
Ефимов, В.Н. Пантелеймонов // Труды XLVI Чтений К.Э. Циолковского.– 2012. – С. 21-32.
8. Воронков И.В. Автоматизация процессов борьбы с сорняками и вредителями / И.В.
Воронков // Плодоводство и ягодоводство России.– 2014. – №1. – С. 93-97.
9. Воронков
В.Н.
Специальное
программное
обеспечение
для
управления
производством сельскохозяйственной продукции / В.Н. Воронков, И.В. Воронков, А.М. Жосану
// Научно-информационное обеспечение инновационного развития АПК. – 2014. – С. 343-351.
10. Федоренко В.Ф.
Методика и
результаты экспериментального исследования
технических характеристик систем космической навигации ГЛОНАСС/GPS в сельском
хозяйстве / В.Ф. Федоренко, И.В. Воронков // труды LI Чтений К.Э. Циолковского. – 2016. – С.
53-59.
11. Петухов Д.А. Современные способы измерения площадей полей / Д.А. Петухов, А.Н.
Назаров, И.В. Воронков // АгроСнабФорум. – 2016. – № 3. – С. 15-17.
12. Воронков
В.Н.
Сравнительный
анализ
технических,
эксплуатационных
и
экономических характеристик устройств параллельного вождения сельхозтехники / В.Н.
Воронков, И.В. Воронков // ФГБОУ «РИАМА». – 2015.
13. Воронков В.Н. Специальное программное обеспечение для контроля и управления
производством сельскохозяйственной продукции / В.Н. Воронков, И.В. Воронков // ФГБОУ
«РИАМА». – 2014.
22
1/--страниц
Пожаловаться на содержимое документа