CC BY
18
УДК 631.1
СТРУКТУРА СИСТЕМЫ МОНИТОРИНГА ОРГАНИЧЕСКОГО ПРОИЗВОДСТВА
ПРОДУКЦИИ РАСТЕНИЕВОДСТВА
А.В. Трифанов, канд. техн. наук; А.М. Соколов
А.М. Захаров, канд. техн. наук;
Институт агроинженерных и экологических проблем сельскохозяйственного производства (ИАЭП) - филиал ФГБНУ ФНАЦ ВИМ, Санкт-Петербург, Россия
В настоящее время происходит интенсивная цифровизация всех отраслей экономики, в том числе и сельского хозяйства. Для эффективного управления производством требуется оперативная обработка и анализ значительного объёма информации. В статье рассмотрены текущее состояние сектора и инструменты, обеспечивающие его цифровизацию. Целью работы является обоснование системы мониторинга как важного элемента интеллектуальной системы управления органическим производством продукции растениеводства. С целью реализации данной концепции в Институте агроинженерных и экологических проблем сельскохозяйственного производства (ИАЭП) проводятся многолетние экспериментальные исследования с шестипольным органическим севооборотом. Они сопровождаются разработкой системы мониторинга, позволяющей собирать метеоданные, данные о почве, росте и заболеваниях возделываемых культур. На основе анализа данных ведется поиск новых зависимостей и закономерностей для прогнозирования событий, контроля и корректировки технологических процессов. В статье представлена структура системы мониторинга и описаны ее компоненты. Обозначены основные направления дальнейшей работы. Разрабатываемая система мониторинга обеспечит оперативную обработку в реальном времени информационных потоков от регистрирующих приборов (метеостанции, почвенные зонды, беспилотные воздушные аппараты) и оптимизацию технологических процессов органического производства сельскохозяйственных культур.
Ключевые слова: цифровизация, сельское хозяйство, система управления, система мониторинга, органическое производство.
Для цитирования: Трифанов А.В., Захаров А.М., Соколов А.М. Структура системы мониторинга органического производства продукции растениеводства // АгроЭкоИнженерия. 2021. №2 (107). С.88-96
STRUCTURE OF THE MONITORING SYSTEM OF ORGANIC CROP PRODUCTION
A.V. Trifanov, Cand. Sc. (Engineering); A. M. Sokolov
A. M. Zakharov, Cand. Sc. (Engineering);
Institute for Engineering and Environmental Problems in Agricultural Production (IEEP) - branch of FSAC VIM, Saint Petersburg, Russia
The present days witness an intensive digitalization of all economic sectors, agriculture included. Effective production management requires prompt processing and analysis of a significant amount of information. The article discusses the current state of the sector and the tools that ensure its digitalization. The study aimed to substantiate the monitoring system as an important element of intelligent management for organic crop production. To implement this concept, Institute for Engineering and Environmental Problems in Agricultural Production (IEEP) conducts long-term experimental research on a six-field organic crop rotation. A part of research is the development of a monitoring system that allows collecting meteorological data, data on soil, growth and diseases of cultivated crops. The data analysis allows for a search for new dependencies and regularities for predicting events, monitoring and adjusting technological processes. The article presents the structure of the monitoring system and describes its components. The main directions of further work are outlined. The monitoring system under development will provide real-time processing of information flows from recording devices (meteorological stations, soil probes, unmanned aerial vehicles) and optimisation of technological processes for organic crop production.
Keywords: digitalization, agriculture, management system, monitoring system, organic production.
For citation: Trifanov A.V., Zakharov A. M., Sokolov A. M. Structure of the monitoring system of organic crop production. AgroEkoInzheneriya 2021. No. 2(107): 88-96 (In Russian)
Введение
Современные технологии способны колоссальным образом повысить
производительность в отрасли сельского хозяйства. Появилась возможность применять математические алгоритмы для контроля за ростом и развитием растений. В связи с удешевлением микроэлектроники сенсоры стали доступны не только крупным предприятиям, но и мелким фермерским хозяйствам. Согласно указу Президента РФ от 07.05.2018 №204 ставится задача преобразования сельского хозяйства посредством внедрения цифровых технологий и платформенных решений для эффективного управления
сельскохозяйственным производством [1], что в свою очередь, требует обработки и анализа значительного объема разнородной
непредсказуемо изменяющейся информации, связанной с учетом различных биологических, природно-климатических, материально-технических, экономических и человеческого факторов.
К инструментам цифровизации аграрной отрасли относят интеллектуальные экспертные системы, а также системы поддержки и принятия решений; платформы Интернета вещей (IoT), привнесшего революцию во все сферы производства; цифровой анализ снимков, полученных с помощью методов дистанционного зондирования земли; мониторинг посевов в реальном времени; математические модели для прогнозирования урожайности; различные пакеты цифровых инструментов и решений для работы с большими данными (Big Data) и др [2].
Кардинальное отличие цифрового земледелия от, предшествующего ему, точного земледелия - подключение сельскохозяйственных объектов к производственным информационным
системам и другим внешним источникам данных, при этом машины и устройства должны обладать возможностью
автоматически получать, отправлять и обрабатывать данные множества источников и осуществлять бесшовный обмен данными между машинами и любыми внешними и внутренними объектами и системами, что реализуется посредством платформ интернета вещей (IoT).
В обозримой перспективе роль Интернета вещей в сельскохозяйственном
производстве будет постоянно расти, адаптируясь к новым задачам, удовлетворяя спрос на технологии, обеспечивающие: обмен данными в едином формате между различными производителями,
беспрепятственную масштабируемость
действующих систем и возможность отслеживания событий [3]. Структура 1оТ включает в себя три уровня: уровень устройств, уровень сети и уровень применения [4].
Уровень устройств содержит в себе объекты, обладающие функциями измерения или выполнения действий в автоматическом режиме, имеющие подключение к сети Интернет (датчики, БВС (беспилотное воздушное судно), агротехника).
Сетевой уровень является связующим звеном между уровнем устройств и уровнем применения. Здесь осуществляется передача данных на промежуточную IoT платформу для последующей отправки их в облако. Промежуточная платформа представляет собой оборудование доступа к глобальной сети интернет (маршрутизатор), которое располагается неподалеку от подключенных к нему по беспроводной связи устройств [5].
Уровень применения является важнейшим в концепции 1оТ. Непосредственно на этом уровне обретается ценность технологии, реализуются анализ и хранение информации, предоставляется доступ к данным для сервисов и пользователей через соответствующие интерфейсы,
вырабатываются рекомендации и
управляющие решения [6]. Структура IoT представлена на рис. 1.
Потоки данных
Измерение, ___ Хранение,обработка,
приведение е действие анализ, отображение
Уровень устройств
Сетевой уровень
Промежуточные 1оТ платформы
Ретрансляторы Интернет облако Модемы
Уровень применения
Серверы
Базы данных
Информационные системы
Приложения
Рис.1. Структура IoT в системах цифрового земледелия
Общие данные различных участников производственной цепочки, собранные в одном месте, позволяют получать информацию нового качества, находить закономерности, которые ранее не были обнаружены, применять современные научные методы обработки данных и на их основе принимать правильные решения, способствующие минимизации рисков. В случае, если множество источников информации объединены в систему и могут беспрепятственно обмениваться данными -становится возможным создавать цифровую копию или модель всех рабочих процессов, а также цифровую копию требуемого сельскохозяйственного объекта [7]. При увеличении числа участников, включенных в единые сети, информационная система становится более интеллектуальной за счет анализа большего количества данных. В мировой практике в области растениеводства применяется ряд подобных систем: ANT (РФ), PrecisionHawk (США), Geosys (США), Farmer Edge (Канада) и др [8]. Однако, в связи с разницей в природно-климатических и материально-технических условий регионов, растущей сложностью задач растениеводства, связанной с конкуренцией на рынке и внедрением цифровых технологий, а также отсутствием адаптации к задачам производства органической продукции и дороговизны, такие системы зачастую не пользуются спросом, в особенности у небольших хозяйств. С учётом вышесказанного, целью работы является обоснование мониторинга, как важного элемента системы управления органическим производством, с дальнейшей разработкой самой системы дистанционного мониторинга для оптимального управления
технологическими процессами производства органической продукции растениеводства.
Материалы и методы
В институте агроинженерных и экологических проблем - филиал ФГБНУ ФНАЦ ВИМ, в лаборатории «Технологий и технических средств в растениеводстве» проводятся многолетние экспериментальные исследования с шестипольным севооборотом по органическому производству
сельскохозяйственной продукции, а именно: картофеля, свёклы и семян многолетних трав [9], сопровождающиеся разработкой системы мониторинга, предоставляющей возможность собирать метеоданные, данные о почве, о росте культур для поиска на основе их анализа новых зависимостей и закономерностей, что позволит формировать прогнозы, осуществлять контроль и корректировку технологических процессов возделывания в целях повышения урожайности [10, 11].
В ходе исследований и разработки системы было приобретено специальное
измерительное оборудование, а именно: 2 автономные почвенные станции Sentek COMPACT Drill&Drop (90 см длина зонда, 9 датчиков влажности почвы, 9 датчиков температуры почвы, 9 датчиков засоленности почвы, расположенные через каждые 10 см на глубинах 5, 15, 25, 35, 45, 55, 65, 75, 85 см) и метеостанция Davis VantagePro2 GroWeather [9]. Данные с приборов передаются в облачные сервисы (рис.2), где имеется возможность их просматривать и загружать для занесения в собственную базу данных, формируя исторический дата-сет для последующего анализа.
А
Б
А - данные, полученные от почвенной станции, Б - данные, полученные от метеостанции Рис.2. Пример работы с интерфейсом и данными метеостанции и почвенных станций
Для наблюдения за ростом культур планируется реализовать регулярные полеты над полем, используя БВС с использованием мультиспектральной камеры и последующим цифровым анализом полученных снимков.
Результаты и обсуждение
Программная логика разрабатываемой системы мониторинга имеет следующую структуру: система состоит из базы данных,
содержащей данные метеостанции и почвенных датчиков, данные свойств полей, включающие границы участка и снимки, информацию о возделываемых культурах, базу знаний, а также приложения, реализующего доступ к базе. Обработка и управление данными происходит на стороне базы данных посредством языка SQL (Structured Query Language). Структура представлена на рис.3.
Данные измерительной
аппаратуры - И Метеоданные Накопление информации
Моделирование
-^Почвенные данные
Данные попей Прогнозирование
— |Снимки
Корректировка технэлогических
S1 - И Координаты операций
Культуры -(Картофель Генерация рекомендаций
•
gäi- -|Свеш
** -|Травы Обработка данных
Прагранлы и метадики | экспериментальных наследований
|АгрптЕхаичЕские знания
База данных
Интерфейс взаннодейстеия с системой
Приложение
Пользователь
Рис.3. Структура системы мониторинга
Накопление массива данных почвенными станциями началось после их установки на опытном полигоне института, 08.06.2021 года. Пока говорить о каких-либо зависимостях ещё рано, однако, постоянное накопление данных ведётся и уже можно прослеживать некую динамику температуры и влажности почвы на глубину до 90 см. Метеостанция также позволяет накапливать информацию, а также, обладая полной подпиской на услуги всегда можно найти архивные данные за тот период, который необходимо. Первый облёт территории опытного полигона был совершён 08.06.2021 года. Съёмка велась как стандартной, так и мультиспектральной камерами. В результате обработки данных собранных стандартной камерой, будут получены данные о микрорельефе органического опытного полигона, а с целью сопоставления данных по высоте гребней, образованных сажалкой при посадке картофеля, полученных со стандартной камеры были сделаны замеры высоты гребней вручную.
В дальнейшем система мониторинга получит свое развитие как часть более объемной
интеллектуальной системы управления биологизированными технологиями
производства органической продукции растениеводства, которая в будущем позволит автоматизировать все процессы производства. Разрабатываемая система будет включать в себя все компоненты рассмотренной выше системы, базы данных, содержащие: информацию о всех технологических операциях при
производстве продукции растениеводства (их характеристиках, условиях проведения), количестве и характеристиках техники, текущие и исторические метеоданные, данные о характеристиках полей, библиотеку культур и возможных болезней, а также программное обеспечение, позволяющее автоматически управлять сбором и анализом информации и осуществлять обратную связь с устройствами реализующими
управляющие воздействия, собирающим все компоненты в единую информационную систему [10]. Модульная конструкция позволит беспрепятственно добавлять новые подсистемы. Структура данной системы представлена на рис.4.
Рис.4. Структура интеллектуальной системы управления
Выводы
Разрабатываемая интеллектуальная система управления обеспечит оперативную обработку в реальном времени информационных потоков, определяющих особенности роста и состояния растений от регистрирующих приборов (техника, метеостанции, почвенные зонды),
оптимизацию технологий возделывания сельскохозяйственных культур по биологическим и экономическим критериям.
В результате будет сформирована структура управления агротехнологиями в
производстве органической продукции растениеводства, оперативного управления продукционным процессом
сельскохозяйственных культур с онлайн сервисом и мобильным приложением, позволяющим анализировать информацию, поступающую от датчиков и регистрирующих приборов и вырабатывать оптимальные управляющие решения при построении и управлении технологией с целью минимизации потерь урожая, вызванным отклонением факторов погодно-климатических условий от их оптимальных значений.
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1. Труфляк Е. В., Курченко Н. Ю., Тенеков А. А. и др. Точное сельское хозяйство: Учебник. Санкт-Петербург: «Лань», 2020. 512 с.
2. Kaivosoja J., Jackenkroll M., Linkolehto R., Weis M., Gerhards R. Automatic control of farming operations based on spatial web services // Computers and electronics in agriculture. 2014. vol. 100. pp. 110-115
3. Kamilaris A., Gao F., Prenafeta-Boldu F. X., Ali M. I. Agri-IoT: A semantic framework for Internet of Things-enabled smart farming applications // 2016 IEEE 3r World Forum on Internet of Things (WF-IoT). 2016. pp. 442-447. doi: 10.1109/WF-IoT.2016.7845467.
4. Блохина С. Ю., Блохин Ю. И. Интеллектуальное земледелие на основе Интернета вещей // Земледелие. 2020. № 7. С. 7-15. DOI 10.24411/0044-3913-2020-10702
5. Ferrández-Pastor F.J., García-Chamizo J.M., Nieto-Hidalgo M., Mora-Martínez J.
Precision Agriculture Design Method Using a Distributed Computing Architecture on Internet of Things Context. Sensors. 2018. Vol. 18(6): 1731. https://doi.org/10.3390/s18061731
6. Ahmed E. M. E., Abdalla K. H. B., Eltahir I. K. Farm automation based on IoT // 2018 International Conference on Computer, Control, Electrical, and Electronics Engineering (ICCCEEE), 2018, pp. 1-4, doi: 10.1109/ICCCEEE.2018.8515853.
7. Перспективы Индустрии 4.0 и цифровизации промышленности в России и мире: аналитический отчет. J'son & Partners Management Consultancy. 2018. [Электронный ресурс]. Режим доступа https://json.tv/ict telecom analytics view/perspektivy-industrii-40-i-tsifrovizatsii-promyshlennosti-v-rossii-i-mire-20180312123158 (Дата обращения: 17.05.2021);
8. Скобелев П. О., Симонова Е. В., Майоров И. В., Ларюхин В. В. Принципы создания интеллектуальной системы управления предприятием растениеводства // Материалы XII мультиконференции по проблемам управления (МКПУ-2019), Дивноморское, Геленджик, 23-28 сентября 2019 года. Ростов-на-Дону: Южный федеральный университет, 2019. Т. 3. С. 205-209.
9. Попов В. Д., Минин В. Б., Максимов Д. А., Папушин Э. А. Обоснование интеллектуальной системы управления органическим производством в растениеводстве // Технологии и технические средства механизированного производства продукции растениеводства и животноводства. 2018. № 97. С. 28-41. DOI 10.24411/0131-5226-201810086.
10. Папушин Э.А., Матейчик С.Н. База данных интеллектуальной системы управления биологизированными машинными технологиями производства продукции растениеводства // Технологии и технические средства механизированного производства продукции растениеводства и животноводства. 2019. № 2 (99). С. 50-58.
11. Устроев А.А., Калинин А.Б., Мурзаев Е.А. Анализ цифровых измерительных систем для определения параметров почвенного состояния // Технологии и технические средства механизированного производства продукции растениеводства и животноводства. 2018. № 97. С. 19-28.
REFERENCES
1. Truflyak E. V., Kurchenko N. Yu., Tenekov A. A. i dr. Tochnoe sel'skoe khozyaistvo: Uchebnik [Precision Agriculture: Textbook]. Saint Petersburg: Lan' Publ., 2020: 512 (In Russian)
2. Kaivosoja J., Jackenkroll M., Linkolehto R., Weis M., Gerhards R. Automatic control of farming operations based on spatial web services // Computers and electronics in agriculture. 2014. vol. 100: 110-115
3. Kamilaris A., Gao F., Prenafeta-Boldu F. X., Ali M. I. Agri-IoT: A semantic framework for Internet of Things-enabled smart farming applications // 2016 IEEE 3rd World Forum on Internet of Things (WF-IoT). 2016: 442-447. doi: 10.1109/WF-IoT.2016.7845467.
4. Blokhina S. Yu., Blokhin Yu. I. Intellektual'noe zemledelie na osnove Interneta veshchei [A smart farming concept based on the Internet of Things]. Zemledelie. 2020. No. 7: 7-15. DOI 10.24411/0044-3913-2020-10702 (In Russian)
5. Ferrández-Pastor F.J., García-Chamizo J.M., Nieto-Hidalgo M., Mora-Martínez J. Precision Agriculture Design Method Using a Distributed Computing Architecture on Internet of Things
Context. Sensors. 2018; vol. 18(6):1731. https://doi.org/10.3390/s18061731 6. Ahmed E. M. E., Abdalla K. H. B., Eltahir I. K. Farm automation based on IoT // 2018 International Conference on Computer, Control, Electrical, and Electronics Engineering (ICCCEEE), 2018, pp. 1-4, doi: 10.1109/ICCCEEE.2018.8515853.
7. Perspektivy Industrii 4.0 i tsifrovizatsii promyshlennosti v Rossii i mire: analiticheskii otchet [Prospects for Industry 4.0 and digitalization of industry in Russia and the world: analytical report]. J'son & Partners Management Consultancy. 2018. Available at: https://json.tv/ict_telecom_analytics_view/perspektivy-industrii-40-i-tsifrovizatsii-promyshlennosti-v-rossii-i-mire-20180312123158 (accessed 17.05.2021) (In Russian)
8. Skobelev P. O., Simonova E. V., Maiorov I. V., Laryukhin V. V. Printsipy sozdaniya intellektual'noi sistemy upravleniya predpriyatiem rastenievodstva [The principles of creating an intelligent management system of a crop farm]. Materialy XII mul'tikonferentsii po problemam upravleniya (MKPU-2019), Divnomorskoe, Gelendzhik, 23-28 sentyabrya 2019 goda [Proc. XII Multi-conference on management and control issues]. Rostov-on-Don: Southern Federal University, 2019. vol. 3: 205-209 (In Russian)
9. Popov V. D., Minin V. B., Maksimov D. A., Papushin E. A. Obosnovanie intellektual'noi sistemy upravleniya organicheskim proizvodstvom v rastenievodstve [Substantiation of intellectual management system of organic crop production]. Tekhnologii i tekhnicheskie sredstva mekhanizirovannogo proizvodstva produktsii rastenievodstva i zhivotnovodstva. 2018. No. 97: 28-41. DOI 10.24411/0131-5226-2018-10086. (In Russian)
10. Papushin E.A., Mateichik S.N. Baza dannykh intellektual'noi sistemy upravleniya biologizirovannymi mashinnymi tekhnologiyami proizvodstva produktsii rastenievodstva [Database within the intellectual control system of biology-oriented and machine-based technologies for crop production]. Tekhnologii i tekhnicheskie sredstva mekhanizirovannogo proizvodstva produktsii rastenievodstva i zhivotnovodstva. 2019. No. 2 (99): 50-58. (In Russian)
11. Ustroev A.A., Kalinin A.B., Murzaev E.A. Analiz tsifrovykh izmeritel'nykh sistem dlya opredeleniya parametrov pochvennogo sostoyaniya [Analysis of digital measurement systems to determine the soil state parameters]. Tekhnologii i tekhnicheskie sredstva mekhanizirovannogo proizvodstva produktsii rastenievodstva i zhivotnovodstva. 2018. No. 97: 19-28. (In Russian)
УДК 631.348
ВЫЧИСЛЕНИЕ С ПОМОЩЬЮ МАТЕМАТИЧЕСКОЙ МОДЕЛИ ТРАЕКТОРИЙ ДВИЖЕНИЯ РАСПЫЛЯЕМЫХ АЭРОЗОЛЬНЫХ КАПЕЛЬ
1 2 А.К. Лысов , канд. техн. наук, Н.И. Воробьев , канд. техн. наук
1ФГБНУ «Всероссийский научно-исследовательский институт защиты растений». Санкт-Петербург, Россия
ФГБНУ Всероссийский научно-исследовательский институт сельскохозяйственной микробиологии. Санкт-Петербург, Россия
