IoT Daten treiben Precision Agriculture: Erträge steigern, Kosten senken

Während IoT und Analytics Schlagzeilen in Industrie und Infrastruktur dominieren, wird Landwirtschaft still zur nächsten Frontier. Durch Integration von Sensornetzen und Echtzeit-Datenanalytics können Farmer Erträge steigern, Verluste reduzieren und Betriebskosten durch präziseres Ressourcenmanagement senken.

Daten als Fundament

Die Basis von Precision Agriculture ist Daten. Sensoren, Wireless Networking und sophistizierte Analytics liefern die actionable Insights, die gezielte Applikation von Dünger, Wasser und Pestiziden ermöglichen.

Drei primäre Plattformkategorien treiben dieses Datenökosystem: aerial, ground-based mobile und stationäre Systeme. Jede Plattform nutzt unterschiedliche Sensor Suites und Networking Technologien, doch alle teilen ein gemeinsames Ziel – High-Resolution, actionable Data über diverse Farmlandschaften zu erfassen.

Abbildung 1 – Multi-Rotor Drohnen sind eine zunehmend beliebte Aerial Platform für Precision Farming kleiner bis mittelgroßer Felder. (Quelle: ublox)

Aerial Platforms sammeln Daten von oben via Remote Sensing. Während bemannte Flugzeuge und Satelliten noch Large-Scale Surveys bedienen, ersetzen Unmanned Aerial Vehicles (UAVs) – sowohl Fixed-Wing als auch Multi-Copter – diese rasch für Mid-Scale Operationen. Ausgestattet mit High-Precision GNSS Modulen wie dem Ublox F9 können Drohnen detaillierte Plant Health Assessments über Felder durchführen, die sonst schwer zu monitoren wären.

Der Schlüsselsensor für Plant Health ist eine Multispektral-Kamera, fähig High-Resolution Images in sichtbaren und Near-Infrared (NIR) Bändern aufzunehmen. Die meisten CMOS Image Sensoren zeigen inhärente NIR Sensitivität, aber Consumer Kameras blockieren diesen Bereich typischerweise für natürlich aussehende Farben. Durch Entfernen des NIR Filters kann ein CMOS Sensor als NDVI Kamera fungieren, exemplarisch gezeigt durch die Sentera AGX710.

Abbildung 2 – Typische Color Image Sensoren beinhalten auch NIR Sensitivität, die General-Purpose Kameras herausfiltern. (Quelle: ON Semiconductor)

In Plant Health Monitoring ist NIR Reflectanz ein mächtiger Indikator für Vegetations Vitalität. Gesunde Blätter reflektieren mehr NIR und absorbieren mehr rotes Licht, was zum weit verbreiteten Normalized Difference Vegetation Index (NDVI) = (NIR-Red)/(NIR+Red) führt. Mit proper Filtering und Image Processing kann ein Standard CMOS Sensor NDVI Werte berechnen, was Farmern ermöglicht, Bereiche zu pinpointen, die zusätzliches Wasser oder Dünger benötigen.

Abbildung 3 – NDVI Surveys liefern detaillierten Einblick in Plant Health über ganze Felder, highlighten wo Ressourcen wie Wasser und Dünger mehr oder weniger Applikation brauchen.