Erfassung von IoT-Daten für Präzisionslandwirtschaft

Anmerkung der Redaktion:Dieser Artikel unseres globalen Chefredakteurs Rich Quinnell ist Teil des Sonderprojekts von AspenCore Media zu "Agriculture Tech", das sich mit IoT, Analytics und Sensortechnologien verändern die Landwirtschaft und Lebensmittelproduktion grundlegend.

Zwei starke Trends – das Internet der Dinge (IoT) und Datenanalyse – sorgen für viel Presse für ihre Industrie- und Infrastrukturanwendungen. Aber es gibt noch einen anderen Anwendungsbereich, der bei der Anwendung dieser Technologien langsam an Fahrt gewinnt:die Lebensmittelproduktion. Durch den gezielteren Einsatz von Ressourcen wie Düngemitteln und Wasser verbessern Landwirte ihre Erträge, reduzieren Verluste und senken die Kosten. Ausgangspunkt für diese „Präzisionslandwirtschaft“ sind Daten, bei deren Erfassung Sensoren und drahtlose Vernetzung eine Schlüsselrolle spielen.

In der Präzisionslandwirtschaft gibt es im Wesentlichen drei Plattformtypen:luftgestützte, bodengestützte mobile und stationäre Systeme. Die Sensoren und die Netzwerktechnologie, die die Plattformtypen in der Regel verwenden, variieren, obwohl es auch einige Überschneidungen gibt. Eine Gemeinsamkeit der Plattformen besteht jedoch in der enormen Vielfalt an Funktionssätzen der vielen konkurrierenden Produkte, die diesen Anwendungsbereich adressieren.

Abbildung 1 – Mehrrotor-Drohnen sind eine immer beliebter werdende Flugplattform für die Präzisionslandwirtschaft auf kleinen bis mittelgroßen Feldern. (Quelle:ublox)

Die Flugplattformen versuchen, mittels Fernerkundung Daten über Feldfrüchte und Felder von oben zu sammeln. Die Sensoren können sich an pilotierten Flugzeugen oder Satelliten befinden, werden jedoch zunehmend von unbemannten Luftfahrzeugen (UAVs) – Drohnen – in Starrflügel- oder Multikopter-Bauweise getragen. Ausgestattet mit einem Präzisionspositionssensor, wie dem Ublox F9-Präzisions-GNSS-Modul, eignen sich Drohnen besonders für die Vermessung kleiner bis mittelgroßer Felder zur Überwachung der Pflanzengesundheit, während Flugzeuge und Satelliten größere Flächenüberprüfungen ermöglichen.

Der Hauptsensor bei der Pflanzengesundheitsüberwachung ist eine Multispektralkamera, die hochauflösende Bilder sowohl im sichtbaren als auch im nahen Infrarot (NIR) aufnehmen kann. Die meisten CMOS-Bildsensoren können solche Bilder liefern, die meisten kommerziellen Kameras jedoch nicht. Der Schlüssel zu diesem scheinbaren Widerspruch liegt in der Filterung.

Die folgende Abbildung zeigt die Quanteneffizienz (d. h. Empfindlichkeit) eines typischen CMOS-Bildsensors, in diesem Fall von ON Semiconductor, als Funktion der Wellenlänge. Der Sensor enthält eingebaute Rot-, Grün- und Blaufilter in der typischen Bayer-Anordnung, aber selbst bei Blaufilterung bleibt eine beträchtliche Empfindlichkeit in den IR-Wellenlängen bestehen. Die meisten Allzweckkameras fügen daher einen IR-Sperrfilter vor dem Sensor hinzu, um die Farbgebung des sichtbaren Lichts genauer wiederzugeben.

Abbildung 2 – Typische Farbbildsensoren verfügen auch über eine NIR-Empfindlichkeit, die von Universalkameras herausgefiltert werden soll. (Quelle:ON Semiconductor)

IR-Erkennung
Für die Überwachung der Pflanzengesundheit ist diese IR-Empfindlichkeit jedoch ein Segen. Die Blätter gesunder Pflanzen reflektieren mehr IR und absorbieren mehr rotes Licht als die Blätter gestresster Pflanzen. Dies hat Pflanzenwissenschaftler dazu veranlasst, den „normalisierten Differenz-Vegetationsindex“ (NDVI) – (NIR-Red)/(NIR+Red) – als Maß für die Pflanzengesundheit zu definieren. Mit der richtigen Filterung und etwas grundlegender Bildbearbeitung kann dann aus einem CMOS-Bildsensor ein NDVI-Sensor wie der Sentera AGX710 werden. Hubarbeitsbühnen bieten die nötige Perspektive, um den Pflanzenzustand ganzer Felder mit einem einzigen System zu untersuchen.

Abbildung 3 – NDVI-Umfragen bieten detaillierte Einblicke in die Pflanzengesundheit ganzer Felder und zeigen auf, wo Ressourcen wie Wasser und Dünger mehr oder weniger eingesetzt werden müssen.