CC BY
49
Вестник НГИЭИ. 2021. № 11 (126). C. 7-16. ISSN 2227-9407 (Print)
Bulletin NGIEI. 2021. № 11 (126). P. 7-16. ISSN2227-9407 (Print)
XXXXXX технологии и средства механизации сельского хозяйства ЖЖЖЖЖЖ
05.20.01 ТЕХНОЛОГИИ СРЕДСТВА МЕХАНИЗАЦИИ СЕЛЬСКОГО ХОЗЯЙСТВА
Научная статья УДК 004.031.2
DOI: 10.24412/2227-9407-2021-11-7-16
Разработка аппаратно-программного комплекса на основе БПЛА для выявления мест нахождения борщевика
Иван Александрович Сорокин1в, Павел Николаевич Романов2,
Александр Дмитриевич Чесноков 3, Татьяна Евгеньевна Кондраненкова4
1,2, 3 4 Нижегородский государственный инженерно-экономический университет, Княгинино, Россия 1 ivansorokin@bk.ruH, https://orcid.org/0000-0003-0977-3563 2pavel.romanov011@ gmail.com, https://orcid.org/0000-0002-7656-8706 3alexandertchesnockoff@yandex.ru, https://orcid.org/0000-0002-2461-0757 4 tat2192@mail.ru, https://orcid.org/0000-0003-3901-3389
Аннотация
Введение. Статья посвящена разработке аппаратно-программного комплекса на основе БПЛА для выявления мест нахождения борщевика. Борщевик является вредоносным сорняком и пагубно влияет на человека и животных. На сегодняшний день в Нижегородской области он заполонил множество полей, оврагов и заболоченных мест вблизи населенных пунктов. Для разработки методики борьбы с борщевиком необходимо знать точное местонахождение и площадь занимаемой территории. Для создания эффективного способа борьбы с сорняком необходима локализация вредоносных растений.
Материалы и методы. Для разработки аппаратно-программного комплекса был сделан упор на опыт существующих автоматизированных систем и уже использующихся наработок, которые во многом успели себя зарекомендовать. Было принято решение о необходимости разнесения оператора и самого полуавтоматизированного устройства с помощью системы удаленного управления. Решение о техническом оснащении данной системы принимались исходя из необходимого функционала с небольшими персональными доработками. На данный момент система имеет тестовый вид и в дальнейшем может быть сильно доработана или полностью автоматизирована.
Результаты. Разрабатываемая система обладает явными преимуществами перед традиционными системами выявления опасных для человека растений. Она позволит не только своевременно выявлять опасные культуры в исследуемой области, но и при помощи программных средств позволяет перенести полученные данные на карту в программе, которая очертит область и пометит опасные зоны.
Обсуждение. В статье указанно, какими техническими средствами обладает разработка и каким функционалом должен обладать программный продукт.
Заключение. Основным результатом работы является разработка программного комплекса, который по фотографиям и видеоданным сможет локализовать зоны произрастания сорняка. Предлагаемая система сможет нанести на карту местности участки произрастания сорняка с определением площади, занимаемой борщевиком. Это поможет Министерству сельского хозяйства разработать концепцию по уничтожению борщевика Сосновского.
Ключевые слова: автоматизированные процессы, безопасность, беспилотные летательные аппараты, канал связи, система оценки параметров
© Сорокин И. А., Романов П. Н., Чесноков А. Д., Кондраненкова Т. Е., 2021
Контент доступен под лицензией Creative Commons Attribution 4.0 License. The content is available under Creative Commons Attribution 4.0 License.
7
Вестник НГИЭИ. 2021. № 11 (126). C. 7-16. ISSN 2227-9407 (Print)
Bulletin NGIEI. 2021. № 11 (126). P. 7-16. ISSN2227-9407 (Print)
XXXXXXXXX TECHNOLOGY AND MECHANIZATION OF AGRICULTURE
Для цитирования: Сорокин И. А., Романов П. Н., Чесноков А. Д., Кондраненкова Т. Е. Разработка аппаратнопрограммного комплекса на основе БПЛА для выявления мест нахождения борщевика // Вестник НГИЭИ. 2021. № 11 (126). С. 7-16. DOI: 10.24412/2227-9407-2021-11-7-16
Development of a hardware and software complex based on UAVS to identify the locations of hogweed
Ivan A. Sorokin113, Pavel N. Romanov2, Alexander D. Chesnokov3, Tatyana E. Kondranenkova4
12 3 4 Nizhny Novgorod State Engineering and Economic University, Knyaginino, Russia
1 ivansorokin@bk3. ruhttps://orcid.org/0000-0003-0977-3563
2 pavel.romanov011@ gmail.com https://orcid.org/0000-0002-7656-8706
3alexandertchesnockoff@yandex.ru https://orcid.org/0000-0002-2461-0757 4 tat2192@mail.ru https://orcid.org/0000-0003-3901-3389
Abstract
Introduction. The article is devoted to the development of a hardware and software complex based on UAVs to identify the locations of hogweed. Hogweed is a harmful weed and has a detrimental effect on humans and animals. To date, in the Nizhny Novgorod region, it has flooded many fields of ravines and wetlands near settlements. To develop a method of combating hogweed, it is necessary to know the exact location and area of the occupied territory. To create an effective method of weed control, it is necessary to localize harmful plants.
Materials and Methods. For the development of the hardware and software complex, emphasis was placed on the experience of existing automated systems and developments already in use, which in many ways managed to prove themselves. It was decided that it was necessary to separate the operator and the semi-automated device itself using a remote control system. The decision on the technical equipment of this system was made based on the necessary functionality with small personal improvements. At the moment, the system has a test form and in the future it can be heavily modified or fully automated.
Results. The system under development has clear advantages over traditional systems for detecting plants that are dangerous to humans. It will not only allow timely identification of dangerous crops in the studied area, but also with the help of software tools allows you to transfer the data obtained to the map in a program that will outline the area and mark the dangerous zones.
Discussion. The article indicates what technical means the development has and what functionality the software product should have.
Conclusion. The main result of the work is the development of a software package that, based on photographs and video data, will be able to localize areas of weed growth. The proposed system will be able to map areas of weed growth with the determination of the area occupied by the hogweed. This will help the Ministry of Agriculture to develop a concept for the destruction of the Sosnovsky hogweed.
Keywords: security, unmanned aerial vehicles, communication channel, parameter estimation system, automated processes
For citation: Sorokin I. A., Romanov P. N., Chesnokov A. D., Kondranenkova T. E. Development of a hardware and software complex based on UAVS to identify the locations of hogweed // Bulletin NGIEI. 2021. № 11 (126). P. 7-16. (In Russ.). DOI: 10.24412/2227-9407-2021-11-7-16
Введение
Актуальность разработки такой системы обусловлена тем, что в настоящий момент наступает век цифровизации сельского хозяйства. Для качественного возделывания земель и угодий агропредприятиям необходимо точно локализовать объекты и границы произрастания различных сорняков. Одним из вредоносных сорняков является борщевик.
Борщевик на сегодняшний день в Нижегородской области заполонил множество полей, оврагов и заболоченных мест вблизи возделываемых полей и пастбищ сельхозпредприятий. Всем известно пагубное влияние данного растения на человека и животных. Чтобы разработать методику борьбы с борщевиком, нужно знать точное местонахождение и площадь занимаемой территории.
8
Вестник НГИЭИ. 2021. № 11 (126). C. 7-16. ISSN 2227-9407 (Print)
Bulletin NGIEI. 2021. № 11 (126). P. 7-16. ISSN2227-9407 (Print)
XXXXXX технологии и средства механизации сельского хозяйства XXXXXX
Борщевик Сосновского - это злостный, агрессивный сорняк семейства зонтичных. Данное растение двулетнее и цветет на второй год своей жизни, после чего образует семена и умирает. Борщевик колоссальными темпами осваивает необрабатываемые земли, обочины дорог и пробирается на приусадебные участки. Земли, на которых борщевик Сосновского произрастал длительное время, сильно истощаются и становятся непригодными для выращивания других культур.
Большую опасность это растение представляет для жизни людей и животных при попадании сока борщевика на кожу и открытые участки тела, особенно в солнечную погоду, вызывает сильные фотохимические ожоги, очень болезненные и требующие лечения. Во многих областях Российской Федерации есть зафиксированные случаи летального исхода после ожогов данным сорняком. Чтобы увидеть данный сорняк, не обязательно ехать куда-то далеко по полевым дорогам, его много и около населенных пунктов, где раньше находились сельхозпредприятия.
В ноябре 2020 года Министерство сельского хозяйства Российской Федерации, а именно филиал ФГБУ «Россельхоцентр» по Нижегородской области, приступил к проведению работ по обследованию и картированию мест распространения злостного сорняка. Обследованию подлежат все земли муниципальных районов вне зависимости от форм собственности с дальнейшей интеграцией результатов в программу «Цифровой мониторинг». Данный программный продукт позволит обобщить места произрастания сорняка по всей области с четкими координатами и границами, а также степени их зарастания.
В связи с этим отдельным специалистам дали задание составить такую карту. Сложность работы заключается в доступности и четкости с нанесением данных на карту местности и слабую оснащенность министерства техническими средствами. Тем более площадь произрастания сорняка меняется из года в год. Так же меняется и его локация. Для четкой детализации, оценки масштабов и возможных средств борьбы с опасным сорняком данные должны обновляться как минимум два раза в год.
Эффективно бороться с борщевиком Сосновского можно несколькими способами: обрабатывать густо заросшие участки гербицидом сплошного действия, периодическая вспашка земель. Но существуют локации сорняка, где не один из предложенных методов будет не допустим из-за непосредственной близости водоемов. Для создания эффективного спо-
соба борьбы с сорняком необходима локализация вредоносных растений [5; 6; 7; 10; 11; 12].
Основная цель данного проекта заключается в точном нахождении мест дислокации вредоносного сорняка с занимаемой им площадью.
Материалы и методы
Для того чтобы должным образом описать работу автоматизированной системы, мы должны определиться, каким именно функционалом она обладает.
Во-первых, исходя из ее основного назначения, система мониторинга опасных для человека растений должна обладать способностью фиксировать большие объемы данных в высоком разращении.
Во-вторых, такая система должна обладать достаточно высокими вычислительными мощностями для обработки большого потока поступающей информации.
В-третьих, проектируемая система должна отвечать требованиям точности позиционирования объекта на местности для более точной локализации очагов распространения опасных и вредных для человека растений.
В-четвертых, исполнение системы должно быть выбрано таким образом, чтобы она отвечала автономности и предполагала достаточное время использования для покрытия большого числа площадей. Отсюда вытекает еще одно требование к высокой площади охвата земельных участков с целью предупреждения распространения очагов опасных культур [15].
Исходя из этого, такая система должна обеспечивать высокую безопасность для ее наблюдения и контроля человеком.
Еще одним немаловажным фактором является то, что такая система должна обладать не только высокой точностью распознавания опасных и вредных культур, она также должна способствовать локализации объемов распространения, а также выдавать рекомендации по срочности проработки тех или иных участков.
Все эти факторы должны быть учтены, а проблемы решены для реализации успешной, полностью функциональной полуавтономной системы выявления вредных и опасных для человека растительных культур.
Решая данные проблемы, мы в первую очередь опирались на опыт существующих автоматизированных систем и использовали наработки, которые во многом успели себя зарекомендовать [1; 2; 4; 8; 13; 16; 17; 19; 20]. В частности, было принято решение о необходимости разнесения оператора и
9
Вестник НГИЭИ. 2021. № 11 (126). C. 7-16. ISSN 2227-9407 (Print)
Bulletin NGIEI. 2021. № 11 (126). P. 7-16. ISSN2227-9407 (Print)
XXXXXXXXX TECHNOLOGY AND MECHANIZATION OF AGRICULTURE
самого полуавтоматизированного устройства с помощью системы удаленного управления [3].
Решение о техническом оснащении данной системы принимались исходя из необходимого функционала с небольшими персональными доработками, стоит учесть, что на данный момент система имеет тестовый вид и в дальнейшем может быть сильно доработана или полностью автоматизирована.
Принимая во внимание тот факт, что современные системы во многом позволяют оснастить то или иное оборудование достаточно точными камерами с дополнительными компенсирующими и стабилизирующими системами, а также тот факт, что на данный момент практически любая камера, представленная на рынке, способна вести съемку в различных условиях с высокими показателями качества изображения при достаточно низкой энергозатратности с небольшими расходами вычислительной мощности, то мы в своей работе отталкивались от комплексного решения, которое в той или иной степени удовлетворяло бы всем заявленным требованиям, именно поэтому мы остановили свой выбор на внутреннем продукте совместимой камеры DJI Mavic Pro Gimbal, так как данная камера в начальной своей версии полностью совместима со штатным решением как в техническом, так и в программном плане и не требует дополнительной деятельности по ее калибровке и технической модернизации [8; 9; 16; 19].
Технически выбранная камера представляет из себя достаточно серьезную серийную модель с эффективным числом пикселей, фактически захватывающих данные изображения, равные 12 МП, что полностью покрывает потребности по качеству от-
снятого изображения и оставляет небольшой запас по качеству, что повышает качество визуальной оценки объекта изображения.
Кроме этого данная камера обладает высоким фокусным расстоянием, которое позволяет производить четкую фокусировку на объекте с расстояния свыше 0,5 метра. Размер сенсора составляет 1/2,3 дюйм, что является достаточно высоким показателем и указывает на то, что фактически больше половины изображения будет обладать высокой четкостью.
Исходя из того, что фактически большая часть получаемых кадров будут получены из потокового видео, то имеет смысл производить видеосъемку в самом высоком разрешении, доступном на данной модели квадрокоптера.
Результаты
Исходя из характеристик камер, наибольшей четкостью изображения обладает режим так называемого Ultra High Definition с размерностью кадра 4096x2160 при частоте 24 кадра в секунду. Данное разрешение является более чем достаточным для определения массива объектов, в том числе необходимого вычленения из общей массы растительности борщевика.
Из общего массива объектов густые заросли борщевика определяются, как правило, по более насыщенному цвету, чем остальная растительность, расположенная вблизи данной культуры. На рис. 1 в явном виде показано преобладание насыщенного цвета растительности при съемке против солнца. На рисунке синем цветом выделено преобладание в цветах культуры борщевика над остальной растительностью.
Рис. 1. Преобладание культуры борщевика Fig. 1. The predominance of the hogweed culture Источник: разработано авторами в результате исследований
10
Вестник НГИЭИ. 2021. № 11 (126). C. 7-16. ISSN 2227-9407 (Print)
Bulletin NGIEI. 2021. № 11 (126). P. 7-16. ISSN2227-9407 (Print)
XXXXXX технологии и средства механизации сельского хозяйства XXXXXX
Кроме этого, эффект, достигаемый при съемке в сторону света, увеличивается пропорционально количеству получаемого цвета, и в этом случае борщевик выделяется еще больше. Данный эффект мы можем наблюдать на рис. 2, а.
Мы предполагаем, что разработка нейронной сети, способной качественно оценивать количество и цветовую гамму объектов, является одной из распространенных задач, решаемых современными нейронными сетями, поэтому на данном этапе при-
ступили к разработке качественной модели процесса обнаружения и локализации данных опасных и вредных для человека растений [18].
При этом предполагаемая нами нейронная сеть должна быть способна определять границы распространения сорняковой культуры и сопоставлять ее с натурной картой местности. Где обозначенные ранее границы с размерами области поражения опасными культурами должны быть четко определены.
a/a б/b
Рис. 2. Борщевик: а - с высоты при съемке на свету; б - колония растений борщевика Fig. 2. Hogweed when shooting: a -from a height when shooting in the light; b - а colony of hogweed plants Источник: разработано авторами в результате исследований
При более детальном увеличении картинки мы можем с уверенностью детектировать борщевик по полученным изображениям, так как он выделяется ввиду особенностей построения листа и целостной групповой архитектуры. На рисунке 2, б представлена детальная фотография борщевика.
Для борьбы с крупными колониями данного сорняка мы предлагаем использовать традиционные методы. А именно дезинсекция пестицидами мест произрастания борщевика до начала периода цветения для ежегодного сокращения количества мест поражения опасным сорняком.
Так же система хороша тем, что появляется возможность управления этой системой оператором непосредственно с земли. Такое управление может осуществляться при помощи специальных манипуляторов, монтируемых на пульт дистанционного управления. Это позволяет оператору самому определять, с какой именно точки начать оценку локализации, непосредственно управляя таким беспилотным летательным аппаратом. Кроме этого практически все подобные современные системы обладают технологиями, благодаря которым может производится непосредственная передача картинки на пульт
дистанционного управления, это позволяет оператору как бы самостоятельно присутствовать на месте дислокации опасного сорняка, не подвергая свое здоровье опасности.
На первом этапе разработки системы по обнаружению сорняка предполагается облет территории на беспилотном летательном аппарате предполагаемых мест произрастания сорняка с непрерывной видео- и фотофиксацией и привязкой объектов к координатам на карте местности.
Такая система должна быть оснащена мощным процессором, который позволит обрабатывать полученные изображения в реальном времени. Принцип распознания изображения будет заключаться в следующем. Сначала изображение поступает в память устройства, где происходит разбиение этого изображения на определенные сектора. В каждом из этих секторов будет находиться соответствие с уже имеющейся базой данных. К примеру, изображение должно четко определять границы опасной зоны и, соответственно, вид и тип на нем опасных и вредных для человека растений. В том случае, если опасное растение обнаруживается в зоне непосредственного анализа, система должна его распознать, отметить
11
Вестник НГИЭИ. 2021. № 11 (126). C. 7-16. ISSN 2227-9407 (Print)
Bulletin NGIEI. 2021. № 11 (126). P. 7-16. ISSN2227-9407 (Print)
XXXXXXXXX TECHNOLOGY AND MECHANIZATION OF AGRICULTURE
границы его распространения и сигнализировать оператору о таких местах. Кроме этого подобные системы должны определять визуальные места, в которых затруднена проверка и требуется дополнительное привлечение средств оценки в виде прямого посещения человеком таких мест. После общей оценки последствий оператор при помощи пульта дистанционного управления может произвести более детальную съемку мест локализации вредных и опасных растений. После этого систематизированные данные архивируются и защищаются специальными физическими и программными средствами и отправляются непосредственно через ближайшую доступную сеть в общую базу данных.
На основании полученной информации работникам станет значительно легче планировать комплектацию оборудования, необходимую для предотвращения распространения опасных и вредных для человека растений, и предпринять все меры по их ликвидации.
Обсуждение
Предложенная система конструктивно может состоять из следующих элементов.
Квадрокоптер DJI MAVIC PRO Fly More Combo, который предназначен для аэросъемки. Технически он оснащается камерой и 3-осевым стабилизатором, который обеспечивает ровный полет без рывков при скорости ветра до 38 км/ч. Этот комплект включает дополнительный комплект из 3 батарей, 6 пропеллеров, зарядного хаба, адаптера для подключения батареи к банку питания и удобную сумку для перевозки.
Основные характеристики:
• максимальная скорость перелета - 65 км/ч;
• продолжительность нахождения в воздухе -до 27 мин. при средней скорости 25 км/ч;
• максимальная дальность перелета - до 13 км;
• эксплуатация при температуре от 0 до 40 °C;
• камера с матрицей 12,35 Мп;
• максимальное разрешение изображения -4000x3000 точек;
• формат фотографии - JPEG, DNG;
• формат видео - MP4, MOV (MPEG-4 AVC/H.264);
• 3-осевая стабилизация;
• обнаружение препятствий на расстоянии от 15 до 30 м;
• батарея - 3830 мА/ч.
Высокая скорость движения 65 км/ч достигается при отсутствии ветра. Благодаря этому, квадрокоптер DJI MAVIC PRO можно использовать
для съемки движущихся объектов, следуя впереди или сзади них.
Питание осуществляется от аккумуляторной батареи емкостью 3 830 мА/ч. Благодаря тому, что устройство весит всего 743 гр., этого достаточно для продолжительности полета в 27 мин. При увеличении скорости свыше 25 км/ч время нахождения в воздухе сокращается по причине более интенсивного расхода заряда. Заряда аккумуляторной батареи квадрокоптера достаточно для осуществления перелета на расстояние 13 км при переходе в режим спорт с максимальной скоростью движения.
Автоматическая система обнаружения препятствий позволяет выявлять их на расстоянии от 15 до 30 м. Точное обнаружение возможно в диапазоне от 0,7 до 15 м. Это исключает вероятность столкновения квадрокоптера DJI MAVIC PRO с объектами в полете, что убережет дорогостоящее оборудование.
Камера на 12,35 Мп позволяет снимать изображение с разрешением до 4000x3000 точек. Благодаря тому, что она закрепляется на 3-осевом стабилизаторе, картинка получается максимально гладкой и четкой вне зависимости от того, движется аппарат или нет.
Применяемый пульт управления позволяет передавать сигнал на расстояние до 7 км при соответствии с требованиями FCC и на 4 км при требованиях CE. Столь большой диапазон чувствительности дает возможность оператору находиться на месте, в то время как квадрокоптер будет двигаться далеко от точки взлета.
Кроме этого, так как этот квадрокоптер может складываться, то он способен занять лишь небольшое количество места.
Для планомерного анализа данных требуется разработать такую нейронную сеть, которая способна будет оценить все места нахождения опасных растений и произвести их качественный анализ, а также произвести сегментацию полученных видео-и фотоданных на определенные области.
Для качественной оценки таких данных требуется произвести большое количество операций, а для этого требуется мощный процессор, такой как, например, TMS320C6678.
Помимо военного применения (основная ожидаемая область применения), БПЛА применяются в таких областях, как наблюдение за общественной безопасностью, контроль границ, пожаротушение, мониторинг автотрафика. Ожидается коммерческое применение БПЛА в системах связи.
12
Вестник НГИЭИ. 2021. № 11 (126). C. 7-16. ISSN 2227-9407 (Print)
Bulletin NGIEI. 2021. № 11 (126). P. 7-16. ISSN2227-9407 (Print)
XXXXXX технологии и средства механизации сельского хозяйства XXXXXX
Многоядерные процессоры, например, TMS320C6678 от TI обычно хорошо подходят для использования в БПЛА, которые предъявляют жесткие требования к габаритам, энергопотреблению и тепловыделению бортового оборудования. В некоторых случаях максимальное энергопотребление ограничивается 200 Вт. Благодаря использованию многоядерных DSP разработчики могут разместить на борту большой массив подсистем, включающий в себя радар для захвата цели, систему обработки изображений, множество различных датчиков, широкополосное и шифрующее радиокоммуникационное оборудование, высокопроизводительные компьютерные системы анализа миссии, систему съемки видео со сжатием данных и много других. Задачи, налагаемые на эти подсистемы, постоянно усложняются, а это, в свою очередь, требует увеличения производительности компьютера при сохранении энергопотребления на достаточно низком уровне. Например, бортовые системы обработки изображений переходят от разрешений в 10 мегапикселей к разрешениям в несколько сотен мегапикселей, полагаясь на энергоэффективные вычислители с фиксированной и плавающей точкой. Одним из таких устройств и является процессор TMS320C6678, который по-
требляет меньше 10 Вт при работе 8 ядер на частоте 1 ГГц каждый.
Заключение
В данной статье мы предлагаем вариант решения очень серьезной проблемы, с которой столкнулись большинство агропредприятий Нижегородской области. Борщевик стал произрастать в непосредственной близости от населенных пунктов, а также возделываемых полей и пастбищ, что является угрозой для жизни людей и животных.
Главным результатом проделанной работы является разработка программного комплекса, который по фотографиям и видеоданным сможет локализовать зоны произрастания сорняка.
Немаловажным результатом является то, что предлагаемая нами система сможет нанести на карту местности участки произрастания сорняка с определением площади занимаемой борщевиком. Это поможет Министерству сельского хозяйства разработать концепцию по уничтожению борщевика Сосновского.
Данная система может эффективно обнаруживать не только борщевик, а также любые другие растения и объекты, необходимо только создать базу данных, а алгоритм функционирования системы останется неизменным.
СПИСОК ИСТОЧНИКОВ
1. Ардентов А. А., Бесчастный И. Ю., Маштаков А. П., Попов А. Ю., Сачков Ю. Л., Сачкова Е. Ф. Алгоритмы вычисления положения и ориентации БПЛА // Программные системы: Теория и приложения. 2012. № 3 (12). C. 23-39.
2. Алексеев Н. Н., Терентьев С. А. Система автопилотирования БПЛА // Промышленная революция 4.0: взгляд молодежи. Тула, 2020. С. 3-4.
3. Борисенко В. В. Политика государственного регулирования правового статуса применения беспилотных летательных аппаратов // Актуальные проблемы авиации и космонавтики. Секция Актуальные политические проблемы космоса и космонавтики. Красноярск. Т. 3 (13). 2017. С. 1142-1143.
4. Биард Р. У., МакЛэйн Т. У. Малые беспилотные летательные аппараты: теория и практика. Москва, 2015. 312 с.
5. Вторый В. Ф., Вторый С. В. Перспективы экологического мониторинга сельскохозяйственных объектов с использованием беспилотных летательных аппаратов // Теоретический и научно-практический журнал ИАЭП. 2017. Вып. 92. С. 158-165.
6. Глазунова Н. П., Марынова Т. А., Бахтиев Р. Н. Беспилотные системы в АПК // Аграрные конференции. 2019. № 4 (16). С. 15-20.
7. Добрынин Д. А. Комплекс для локального мониторинга объектов окружающей среды на основе малых БПЛА // Робототехника и техническая кибернетика. 2014. № 3 (4). С. 69-72.
8. Дубовик Е. С., Соколова А. Ю. Возможности использования беспилотных летательных аппаратов при проведении осмотра места происшествия по делам о ДТП // Актуальные вопросы юридических наук в современных условиях. № 2. СПб. 2015. С. 139.
9. Косова А. Е., Кориков А. М. Применение видеокамер на борту беспилотных летательных аппаратов (БПЛА) для задач автоматического определения координат БПЛА // Электронные средства и системы управления. 2016. № 1-2. С. 32-34.
13
Вестник НГИЭИ. 2021. № 11 (126). C. 7-16. ISSN 2227-9407 (Print)
Bulletin NGIEI. 2021. № 11 (126). P. 7-16. ISSN2227-9407 (Print)
XXXXXXXXX TECHNOLOGY AND MECHANIZATION OF AGRICULTURE
10. Ким Н. В., Кузнецов А. Г., Крылов И. Г. Применение систем технического зрения на беспилотных летательных аппаратах в задачах ориентации на местности // Вестник МАИ. 2010. Т. 17. № 3. С. 46-49.
11. Куличкова Е. М. Беспилотные летательные аппараты (БПЛА): Проблемы и направления в сельском хозяйстве // Экономико-математические методы анализа деятельности предприятий АПК. Под редакцией С. И. Ткачева. Саратов, 2021. С. 140-145.
12. Косенков А. А. Особенности организации воздушного пространства для использования БПЛА // Актуальные вопросы науки и хозяйства: новые вызовы и решения. 2020. С. 129-134.
13. Красильщиков М. Н., Себряков Г. Г. Управление и наведение беспилотных маневренных летательных аппаратов на основе современных информационных технологий : монография / Под ред. М. Н. Красиль-щикова и Г. Г. Себрякова. М. : Физматлит, 2003. 280 с.
14. Меньщиков А. и др. Обнаружение борщевика в реальном времени: платформа БПЛА с поддержкой глубокого обучения // IEEE Transactions on Computers. 2021. DOI: 10.1109/TC.2021.3059819
15. Оськин С. В., Курченко Н. Ю., Линь Ле Тхи Тхюи, Болотин А. Г. Анализ возможности применения беспилотных летательных аппаратов в сельском хозяйстве // Чрезвычайные ситуации: промышленная и экологическая безопасность. 2018. № 2-3 (22-23). С. 97-103.
16. Обухова Н. А., Мотыко А. А., Поздеев А. А. Идентификация и сопровождение БПЛА на основе анализа видеоданных // Цифровая обработка сигналов и ее применение. DSPA - 2020. Москва, 2020. С.577-582.
17. Саленко С. Д., Обуховский А. Д. Динамика полета. Часть 1. Траектории летательных аппаратов : учебное пособие. Новосибирск : Новосибирский государственный технический университет, 2014. 140 с.
18. СтепановП. П. Искусственные нейронные сети // Молодой ученый. 2017. № 4 (138). С. 185-187.
19. Степанов Д. Н. Методы и алгоритмы определения положения и ориентации беспилотного летательного аппарата с применением бортовых видеокамер // Программные продукты и системы. 2014. № 1. С. 150-157.
20. Токарев Ю. П. Методы управления беспилотными летательными аппаратами в общем воздушном пространстве с использованием полетной информации при автоматически зависимом наблюдении. Дисс. канд. тех. наук. Спб., 2011. 156 с.
Статья поступила в редакцию 1.09.2021; одобрена после рецензирования 4.10.2021;
принята к публикации 6.10.2021.
Информация об авторах:
И. А. Сорокин - к.т.н., доцент, доцент кафедры «Инфокоммуникационные технологии и системы связи», Spin-код: 3941-6944;
П. Н. Романов - старший преподаватель кафедры «Инфокоммуникационные технологии и системы связи», Spin-код:6076-3030;
А. Д. Чесноков - старший преподаватель кафедры «Инфокоммуникационные технологии и системы связи», Spin-код: 4004-1316;
Т. Е. Кондраненкова - старший преподаватель кафедры «Инфокоммуникационные технологии и системы связи», Spin-код: 7940-4292.
Заявленный вклад авторов:
Сорокин И. А. - общее руководство проектом, анализ и дополнение текста статьи.
Романов П. Н. - статистическая обработка полученных данных, визуализация/представление данных в тексте. Чесноков А. Д. - сбор и обработка материалов, подготовка первоначального варианта текста.
Кондраненкова Т. Е. - формулирование основной концепции исследования, подготовка окончательного варианта статьи, подготовка литературного обзора.
Авторы заявляют об отсутствии конфликта интересов.
14
Вестник НГИЭИ. 2021. № 11 (126). C. 7-16. ISSN 2227-9407 (Print)
Bulletin NGIEI. 2021. № 11 (126). P. 7-16. ISSN2227-9407 (Print)
XXXXXX технологии и средства механизации сельского хозяйства XXXXXX
REFERENCES
1. Ardentov A. A., Beschastnyj I. Yu., Mashtakov A. P., Popov A. Yu., Sachkov Yu. L., Sachkova E. F. Algo-ritmy vychisleniya polozheniya i orientacii BPLA [Algorithms for calculating the position and orientation of the UAV], Programmnye sistemy: Teoriya i prilozheniya [Software systems: Theory and applications], 2012, No. 3 (12), pp. 23-39.
2. Alekseev N. N., Terent'ev S. A. Sistema avtopilotirovaniya BPLA [UAV autopilot system], Promyshlennaya revolyuciya 4.0: vzglyad molodezhi [Industrial Revolution 4.0: the view of young people], Tula, 2020, pp. 3-4.
3. Borisenko V. V. Politika gosudarstvennogo regulirovaniya pravovogo statusa primeneniya bespilot-nyh le-tatel'nyh apparatov [Policy of state regulation of the legal status of the use of unmanned aerial vehicles], Aktual'nye problemy aviacii i kosmonavtiki. Sekciya Aktual'nye politiche-skie problemy kosmosa i kosmonavtiki [Actualproblems of aviation and cosmonautics. Section Actual political problems of space and astronautics], Krasnoyarsk. Vol. 3 (13), 2017,pp.1142-1143.
4. Biard R. U., MakLejn T. U. Malye bespilotnye letatel'nye apparaty: teoriya i praktika [Small unmanned aerial vehicles: theory and practice], Moscow, 2015, 312 p.
5. Vtoryj V. F., Vtoryj S. V. Perspektivy ekologicheskogo monitoringa sel'skohozyajstvennyh ob"ek-tov s ispol'zovaniem bespilotnyh letatel'nyh apparatov [Prospects for environmental monitoring of agricultural facilities using unmanned aerial vehicles], Teoreticheskij i nauchno-prakticheskij zhurnal IAEP [Theoretical and scientific-practical journal IAEP], 2017, Vol. 92, pp. 158-165.
6. Glazunova N. P., Marynova T. A., Bahtiev R. N. Bespilotnye sistemy v APK [Unmanned systems in the agro-industrial complex], Agrarnye konferencii [Agrarian conferences], 2019, No. 4 (16), pp. 15-20.
7. Dobrynin D. A. Kompleks dlya lokal'nogo monitoringa ob"ektov okruzhayushchej sredy na osnove malyh BPLA [Complex for local monitoring of environmental objects based on small UAVs], Robototekhnika i tekhnich-eskaya kibernetika [Robotics and technical cybernetics], 2014, No. 3 (4), pp. 69-72.
8. Dubovik E. S., Sokolova A. Yu. Vozmozhnosti ispol'zovaniya bespilotnyh letatel'nyh apparatov pri provedenii osmotre mesta proisshestviya po delam o DTP [Possibilities of using unmanned aerial vehicles when inspecting the scene of an accident in cases of road accidents], Aktual'nye voprosy yuridicheskih nauk v sovre-mennyh usloviyah [Actual problems of legal sciences in modern conditions], No. 2, Saint-Petersburg, 2015, pp. 139.
9. Kosova A. E., Korikov A. M. Primenenie videokamer na bortu bespilotnyh letatel'nyh apparatov (BPLA) dlya zadach avtomaticheskogo opredeleniya koordinat BPLA [The use of video cameras on board unmanned aerial vehicles (UAVs) for the tasks of automatic determination of UAV coordinates], Elektronnye sredstva i sistemy uprav-leniya [Electronic means and control systems], 2016, No. 1-2, pp. 32-34.
10. Kim N. V., Kuznecov A. G., Krylov I. G. Primenenie sistem tekhnicheskogo zreniya na bespilotnyh letatel'nyh apparatah v zadachah orientacii na mestnosti [The use of technical vision systems on unmanned aerial vehicles in the tasks of orientation on the ground], VestnikMAI [BulletinMAI], 2010, Vol. 17, No. 3, pp. 46-49.
11. Kulichkova E. M. Bespilotnye letatel'nye apparaty (BPLA): Problemy i napravleniya v sel'skom hozyajstve [Unmanned aerial vehicles (UAVs): Problems and trends in agriculture], Ekonomiko-matematicheskie metody analiza deyatel'nosti predpriyatij APK [Economic and mathematical methods for analyzing the activities of agricultural enterprises], In S. I. Tkacheva (ed.), Saratov, 2021, pp. 140-145.
12. Kosenkov A. A. Osobennosti organizacii vozdushnogo prostranstva dlya ispol'zovaniya BPLA [Features of the organization of airspace for the use of UAVs], Aktual'nye voprosy nauki i hozyajstva: novye vyzovy i resheniya [Topical issues of science and economy: new challenges and solutions], 2020, pp. 129-134.
13. Krasil'shchikov M. N., Sebryakov G. G. Upravlenie i navedenie bespilotnyh manevrennyh letatel'-nyh apparatov na osnove sovremennyh informacionnyh tekhnologij [Control and guidance of unmanned maneuverable aircraft based on modern information technologies: monograph], In M. N. Krasil'shchikova and G. G. Sebryakova (eds.), Moscow: Fizmatlit, 2003, 280 p.
14. Men'shchikov A. et al. Obnaruzhenie borshchevika v real'nom vremeni: platforma BPLA s podderzhkoj glubokogo obucheniya [Real-time hogweed detection: UAV platform with deep learning support], IEEE Transactions on Computers, 2021, DOI: 10.1109/TC.2021.3059819
15. Os'kin S. V., Kurchenko N. Yu., Lin' Le Thi Thyui, Bolotin A. G. Analiz vozmozhnosti primeneniya bespilotnyh letatel'nyh apparatov v sel'skom hozyajstve [Analysis of the possibility of using unmanned aerial vehicles in
15
Вестник НГИЭИ. 2021. № 11 (126). C. 7-16. ISSN 2227-9407 (Print)
Bulletin NGIEI. 2021. № 11 (126). P. 7-16. ISSN2227-9407 (Print)
XXXXXXXXX TECHNOLOGY AND MECHANIZATION OF AGRICULTURE
agriculture], Chrezvychajnye situacii: promyshlennaya i ekologicheskaya bezopasnost' [Emergencies: industrial and environmental safety], 2018, No. 2-3 (22-23), pp. 97-103.
16. Obuhova N. A., Motyko A. A., Pozdeev A. A. Identifikaciya i soprovozhdenie BPLA na osnove analiza videodannyh [Identification and tracking of UAVs based on video data analysis], Cifrovaya obrabotka signalov i ee primenenie [Digital signal processing and its application], DSPA - 2020, Moscow, 2020, pp. 577-582.
17. Salenko S. D., Obuhovskij A. D. Dinamika poleta. CHast' 1. Traektorii letatel'nyh apparatov [Flight dynamics. Part 1. Trajectories of aircraft: a tutorial], Novosibirsk: Novosibirskij gosudarstvennyj tekhnicheskij universi-tet, 2014, 140 p.
18. Stepanov P. P. Iskusstvennye nejronnye seti [Artificial neural networks], Molodoj uchenyj [Young scientist], 2017, No. 4 (138), pp. 185-187.
19. Stepanov D. N. Metody i algoritmy opredeleniya polozheniya i orientacii bespilotnogo letatel'nogo appa-rata s primeneniem bortovyh videokamer [Methods and algorithms for determining the position and orientation of an unmanned aerial vehicle using on-board video cameras], Programmnye produkty i sistemy [Software products and systems], 2014, No. 1, pp. 150-157.
20. Tokarev Yu. P. Metody upravleniya bespilotnymi letatel'nymi apparatami v obshchem vozdushnom pros-transtve s ispol'zovaniem poletnoj informacii pri avtomaticheski zavisimom nablyudenii [Methods of controlling unmanned aerial vehicles in common airspace using flight information with automatically dependent observation. Ph. D. (Engineering) diss.], Saint-Petrsburg, 2011, 156 p.
The article was submitted 1.09.2021; approved after reviewing 4.10.2021; accepted for publication 6.10.2021.
Information about the authors:
I. A. Sorokin - Ph. D., Associate Professor of the Department of Information and Communication Technologies and Communication Systems, Spin-код: 3941-6944;
P. N. Romanov - Senior Lecturer at the department of «Infocommunication Technologies and Communication Systems», Spin-код: 6076-3030;
A. D. Chesnokov -Senior Lecturer at the department of «Infocommunication Technologies and Communication Systems», Spin-код: 4004-1316;
T. E. Kondranenkova - Senior Lecturer, Department of «Information and Communication Technologies and Communication Systems», Spin-код: 7940-4292.
Contribution of the authors:
Sorokin I. A. - managed the research project, analyzing and supplementing the text.
Romanov P. N. - statistical processing of the obtained data, visualization/presentation of data in the text.
Chesnokov A. D. - collection and processing of materials, preparation of the initial version of the text. Kondranenkova T. E. - formulation of the main concept of the study, preparation of the final version of the article, preparation of a literary review.
The authors declare no conflicts of interest.
16
