Развитие методов и технических средств аэрофотосъемки сельскохозяйственных угодий с помощью беспилотных воздушных судов тема диссертации и автореферата по ВАК РФ 00.00.00, кандидат наук Захарова Наталья Ивановна

• Захарова Наталья Ивановна
• кандидат наук
• 2024

Оглавление диссертации кандидат наук Захарова Наталья Ивановна

ВВЕДЕНИЕ

1 ЭВОЛЮЦИЯ МЕТОДОВ И ОБОРУДОВАНИЯ ДЛЯ АЭРОФОТОСЪЕМКИ СЕЛЬСКОХОЗЯЙСТВЕННЫХ ОБЪЕКТОВ

1.1 Ретроспективный анализ отечественного и зарубежного опыта применения аэросъемочного оборудования в сельском хозяйстве

1.2 Развитие современных и перспективных технологий цифрового мониторинга сельскохозяйственных культур с помощью БВС

1.3 Выводы по главе

2 ТЕОРЕТИЧЕСКИЕ ИССЛЕДОВАНИЯ ТЕХНОЛОГИЧЕСКОГО ПРОЦЕССА МОНИТОРИНГА СЕЛЬСКОХОЗЯЙСТВЕННЫХ РАСТЕНИЙ С ПОМОЩЬЮ БВС

2.1 Обоснование параметров БВС для мониторинга сельскохозяйственных растений

2.2 Обоснование параметров аэрофотосъемочного оборудования

2.3 Обоснование параметров и изготовление подвеса для мультиспектральной камеры

2.4 Обоснование параметров технологического процесса мониторинга растений сои с помощью БВС

2.5 Программное обеспечение для осуществления аэрофотосъемки и обработки данных

2.6 Разработка алгоритма и программного обеспечения для автоматического распознавания контрольных точек на ортофотоплане

2.7 Выводы по главе

3 ПРОГРАММА И МЕТОДИКА ЭКСПЕРИМЕНТАЛЬНЫХ ИССЛЕДОВАНИЙ

3.1 Программа и общая методика экспериментальных исследований цифрового мониторинга сельскохозяйственных растений с помощью БВС

3.2 Методика проведения экспериментальных исследований расчета пространственного разрешения

3.3 Методика проведения экспериментальных исследований расчета перекрытий изображений и скорости полета БВС

3.4 Методика проведения экспериментальных исследований определения количества необходимых наземных опорных точек

3.5 Методика проведения экспериментальных исследований расчета фокусного расстояния

3.6 Выводы по главе

4 РЕЗУЛЬТАТЫ ЭКСПЕРИМЕНТАЛЬНЫХ ИССЛЕДОВАНИЙ И ИХ АНАЛИЗ

4.1 Результаты исследований расчета пространственного разрешения

4.2 Результаты исследований расчета перекрытий изображений и скорости полета БВС

4.3 Результаты исследований определения количества необходимых наземных опорных точек

4.4 Результаты исследований расчета фокусного расстояния

4.5 Результаты исследований данных аэрофотосъемки и наземных исследований состояния растений сои

4.6 Выводы по главе

5 ЭКОНОМИЧЕСКИЙ АНАЛИЗ РЕЗУЛЬТАТОВ ИССЛЕДОВАНИЯ.... 158 5.1 Выводы по главе

ЗАКЛЮЧЕНИЕ

СПИСОК СОКРАЩЕНИЙ И УСЛОВНЫХ ОБОЗНАЧЕНИЙ

СЛОВАРЬ ТЕРМИНОВ

СПИСОК ЛИТЕРАТУРЫ

ПРИЛОЖЕНИЕ А Акты разработки и испытания подвеса для мультиспектральной камеры Parrot Sequoia для БВС DJI Phantom 4 pro

ПРИЛОЖЕНИЕ Б Патент на изобретение «Подвес для мультиспектральной камеры Parrot Sequoia для беспилотного летательного аппарата DJI Phantom 4 Pro»

ПРИЛОЖЕНИЕ В Диплом о награждении золотой медалью на Всероссийской агропромышленной выставке «Золотая осень 2019»

ПРИЛОЖЕНИЕ Г Свидетельство на регистрацию программы для ЭВМ

ПРИЛОЖЕНИЕ Д Акты внедрения платформенного решения для мониторинга селекционных посевов сои

ПРИЛОЖЕНИЕ Е Акты внедрения результатов диссертационной работы в учебный процесс

ВВЕДЕНИЕ

Введение диссертации (часть автореферата) на тему «Развитие методов и технических средств аэрофотосъемки сельскохозяйственных угодий с помощью беспилотных воздушных судов»

Актуальность работы.

В настоящее время беспилотные воздушные суда (БВС) активно используются в различных технологических процессах, в том числе в сельскохозяйственных технологиях. Современное развивающееся растениеводство требует применения инновационных, прогрессивных методов полевых наблюдений, необходимых для принятия оптимальных технологических решений, планирования урожая сельскохозяйственных культур с учетом сложившихся объективных экологических, производственных и экономических условий. Применение БВС с полезной нагрузкой, в виде различных камер на борту, позволяет собирать данные о сельскохозяйственных растениях высокого временного и пространственного разрешения. Развитие аэрофотосъемочного оборудования привело к возможности выбора множества типов камер. Использование БВС, оснащенных мультиспектральными камерами, дает возможность получить объективные данные по состоянию сельскохозяйственных объектов, в том числе по характеристикам посевов, что дает возможность оценить растения по ряду признаков и физиологическим качествам исследуемых культур. При помощи системной мультиспектральной съёмки возможно прогнозировать и определять тенденции в изменении признаков растений и влияние на них внешних климатических и производственных условий, а также факторов, исследуемых в рамках полевого опыта. В настоящее время отсутствуют технические решения для мониторинга сельскохозяйственных культур на базе беспилотных воздушных судов сельскохозяйственного назначения, а также единые параметры проведения полетов с двумя камерами (камерами видимого диапазона и мультиспектральными) на борту БВС.

Таким образом, исследование процесса эволюции применения БВС, аэрофотосъемочного оборудования, развития методов аэрофотосъемки посевов сельскохозяйственных культур с помощью БВС является актуальной научно-технической задачей.

Степень разработанности темы.

Внимание к вопросам становления и развития сельскохозяйственной техники проявляли в своих трудах академики РАН Ю.Ф. Лачуга1, М.Н. Ерохин,2, А.Ю. Измайлов3, В.И. Черноиванов4,' Я.П. Лобачевский5,

B.Ф. Федоренко6, В.Д. Попов7, а также А.Ю. Несмиян8, В.Л. Гвоздецкий9,

C.В. Кричевский10 и др. Исследованию становления и развития механизации сельского хозяйства посвящена докторская диссертация А.В. Титенка11. Исследованию становления и развития научно-технического потенциала механизации сельского хозяйства России посвящена докторская диссертация Ю.С. Ценч12. История применения авиации в сельском хозяйстве отражена в работах Ю.В. Кузьмина13, Д.А. Соболева14. Развитие электротехнологий в сельском хозяйстве раскрыто в работах И.В. Юдаева15, Стребкова Д.С.16.

Точное земледелие использует данные дистанционного зондирования, данный вопрос отражен в трудах отечественных и зарубежных

1 Лачуга Ю.Ф., Лысенко Е.Г., Орсик Л.С. [и др.] Агроинженерная наука России: становление, современное состояние, стратегия развития: к 100-летию создания Бюро по сельскохозяйственной механике (1907-2007). М.: ФГБНУ «Росинформагротех», 2007. 622 с.

2 Ерохин М.Н., Зайцева Н.Л., Алдошин Н.В. Василий Прохорович Горячкин: страницы жизни. - М.: ФГБНУ «Росинформагротех», 2020. - 280 с.

3 Измайлов А.Ю. ВИМ: история становления и развития // История науки и техники. 2019. № 12. С. 3-10.

4 Черноиванов В.И. История развития ремонтной базы сельскохозяйственной техники в России // Сельскохозяйственные машины и технологии. 2024. Т. 18, № 1. С. 4-12.

5 Лобачевский Я.П., Ценч Ю.С., Бейлис В.М. Создание и развитие систем машин и технологий для комплексной механизации технологических процессов в растениеводстве // История науки и техники. 2019. № 12. С. 46-55.

6 Федоренко В.Ф. О разработке прогноза научно-технологического развития АПК // Труды ГОСНИТИ. 2016. Т. 123. С. 21-28.

7 Попов В.Д. Становление механизации сельского хозяйства в Северо-Западном регионе страны // История науки и техники. 2019. № 12. С. 31-39.

8 Несмиян А.Ю. История механизации земледелия: учебное пособие. Зерноград: Азово-Черноморский инженерный институт ФГБОУ ВО Донской ГАУ. 2019. 142 с.

9 Гвоздецкий В. Л. Развитие отечественной истории техники в XX в // Вопросы истории естествознания и техники. 2022. Т. 43, № 3. С. 449-469.

10 Кричевский С. В. Экологическая история техники от технологий до техносферы XX - начало XXI века. Методология, опыт, перспективы. - М.: «Юнити-Дана», 2023. 367 с.

11 Титенок А.В. Развитие механизации сельского хозяйства России: дис.. .докт. техн. наук. - М. 2001. 429 с.

12 Ценч Ю.С. Становление и развитие научно-технического потенциала механизации сельского хозяйства России: дис.докт. техн. наук. - М. 2021. 412 с.

13 Кузьмин Ю.В. Сельхозавиация СССР и России на фоне конкурентов // АиК. 2021. № 9. С. 14-25

14 Соболев Д. А. Авиация на службе сельского хозяйства СССР: история вопроса // Технический сервис машин. 2023. № 2(151). С. 166-176.

15 Юдаев И.В., Машков С.В., Гриднева Т.С. [и др.] История развития электроэнергетики, электротехнологий и электрооборудования. - Кинель: Самарский государственный аграрный университет, 2021. 462 с.

16 Стребков Д.С. История развития сельской электрификации // История науки и техники. 2019. №12. С. 20-30.

исследователей, таких как Г.И. Личман17, Е.В. Труфляк18, П.В. Лекомцев19, Б. Бриско20, А.М. Али21. Вопросами обработки, дешифрации и интерпретации данных аэрофотосъемки уделено внимание в работах Е.М. Митрофанова22, В.В. Дедковой23 и других. Исследования по разработке беспилотных технологий, их применения в сельском хозяйстве проводятся по всей России, в том числе в ФГБОУ ВО «Донской государственный технический университет», ФГБОУ ВО «Кубанский государственный аграрный университет имени И.Т. Трубилина», ФГБОУ ВО «Московский государственный технический университет имени Н.Э. Баумана (национальный исследовательский университет)», ФГБОУ ВО «Российский государственный аграрный университет - МСХА имени К.А.Тимирязева», ФГБНУ «Агрофизический научно-исследовательский институт», ФГБОУ ВО «Кемеровский государственный университет», ФГБОУ ВО «Тихоокеанский государственный университет» и в других научных и образовательных организациях. Актуальные вопросы дистанционного зондирования, аэрофотосъемки сельскохозяйственных культур активно обсуждаются в международных журналах, например, «Дистанционное зондирование», «Дроны», «Агрономия».

Цель исследования - определение тенденций развития методов и оборудования для аэрофотосъемки сельскохозяйственных угодий и обоснование параметров аэрофотосъемки с помощью беспилотных воздушных судов.

17 Личман Г.И., Смирнов И.Г., Личман А.А., Беленков А.И. Фундаментальные и прикладные исследования по точному земледелию: основные направления // Нивы России. 2016. № 8(141). С. 70-72.

18 Труфляк Е.В., Курченко Н.Ю., Тенеков А.А. [и др.] Точное сельское хозяйство. - СПб: «Лань», 2021. 512 с.

19 Лекомцев П. В. Научно-методическое обеспечение управления продукционным процессом яровой пшеницы в системе точного земледелия: дис... докт. биол. наук. - СПБ: 2015. 365 с.

20 Brisco B., Brown R., Hirose T., McNairn H., Staenz, K. Precision agriculture and the role of remote sensing: a review. Canadian journal of remote sensing. 2014. 24(3). pp. 315-327.

21 Ali A.M., Abouelghar M., Belal A.A. [et al.] Crop yield prediction using multi sensors remote sensing (Review article) // The Egyptian journal of remote sensing and space science. 2022. 25(3). pp. 711-716.

22 Митрофанов Е.М. Разработка методики геопространственного анализа деградации лесной растительности по гиперспектральным данным дистанционного зондирования: дис. канд. техн. наук. 2013. 140 с.

23 Дедкова В.В. Совершенствование методики обработки материалов аэрофотосъемки с беспилотного воздушного судна для трехмерного моделирования территорий: дис. канд. техн. наук. СПб: 2022. 137 с.

Задачи исследования:

1. Исследовать процесс эволюции, определить тенденции развития отечественного и зарубежного аэросъемочного оборудования, применяемого в сельском хозяйстве.

2. Обосновать параметры БВС с мультиспектральной камерой на борту для мониторинга сельскохозяйственных растений.

3. Обосновать основные параметры технологического процесса мониторинга сельскохозяйственных растений с помощью БВС и мультиспектральной камеры.

4. Разработать программное обеспечение на основе нейронной сети для обнаружения полевых измерений на цифровой карте.

5. Выполнить экспериментальные исследования параметров технологического процесса аэрофотосъемки.

6. Провести экономическую оценку результатов исследований.

Объект исследования - технологический процесс и технические

средства аэрофотосъемки и цифрового мониторинга сельскохозяйственных растений.

Предмет исследования - процесс эволюции отечественного и зарубежного аэросъемочного оборудования, применяемого в сельском хозяйстве; параметры аэрофотосъемки с БВС, влияющие на точность получаемой информации.

Научная новизна диссертационного исследования заключается в следующем:

- выявление основных тенденций и формирование целостной картины эволюции отечественного и зарубежного аэросъемочного оборудования, применяемого в сельском хозяйстве;

- конструктивно-технологические параметры оригинального подвеса для крепления мультиспектральной камеры на борт БВС;

- алгоритм автоматического распознавания наземных контрольных точек на ортофотоплане на основе обученной нейронной сети;

- зависимости параметров аэрофотосъемки, технических средств и исследуемого участка с посевами сельскохозяйственных культур, влияющие на качество цифровых карт.

Практическая значимость.

Проведенный историко-ретроспективный анализ дает основания для рационального выбора перспективных приемов и оборудования, используемого при аэрофотосъемке посевов сельскохозяйственных культур с помощью беспилотных воздушных судов.

Разработанное техническое решение и обоснованные параметры аэрофотосъемки позволят проводить мониторинг и создавать высокодетализированные цифровые карты для анализа состояния селекционных посевов сои. Применение модуля по распознаванию наземных контрольных точек на ортофотоплане сократит время на сопоставление наземных и воздушных исследований до 25%. Использование БВС с двумя камера на борту для мониторинга посевов обеспечит снижение временных затрат на получение оперативной информации о параметрах поля и состоянии растений до 43,4%, сократить финансовые затраты до 8,2%.

Методологической основой диссертации является сочетание общенаучных базовых методов и принципов исследования, а также архивных материалов, принципов исторического исследования, таких как объективность, историзм и системность. Для достижения цели исследования были использованы следующие общеисторические методы: проблемно-хронологический, сравнительно-исторический, ретроспективный, в соответствии с которыми описание событий проводилось во временной последовательности. Были изучены оригинальные работы отечественных и зарубежных авторов, научные журналы, материалы конференций, экспозиции музеев, фотоматериалы.

При выполнении исследований использованы базовые понятия аэрофотосъемки, фотограмметрии, фотограмметрической обработки данных аэрофотосъемки, методов математического анализа. Экспериментальные

исследования выполнены с применением БВС DJI Phantom 4 pro и мультиспектральной камеры Parrot Sequoia, современного программного обеспечения для совершения полетов DJI GO 4 и DroneDeploy Flight, фотограмметрического программного обеспечения Agisoft Metashape, векторного графического редактора Microsoft Visio и программы для работы с электронными таблицами Microsoft Excel.

Реализация результатов исследований.

Техническое решение на базе БВС DJI Phantom 4 pro и мультиспектральной камеры Parrot Sequoia для мониторинга посевов сои было испытано и внедрено в ИСА - филиал ФГБНУ ФНАЦ ВИМ в Рязанской области и ФГБНУ ФНЦ ЗБК в Орловской области. Результаты теоретических и экспериментальных исследований внедрены в учебный процесс ООО «Уральский научно-исследовательский институт экономической безопасности и развития сельских территорий» и Инжинирингового центра Кировской области ФГБОУ «Вятский государственный университет». Получены Акты внедрения.

Публикации по теме диссертации.

Основные теоретические положения и результаты исследований представлены в 26 работах, в том числе 18 работ в рецензируемых научных изданиях, из которых: 9 статей в рецензируемых научных изданиях, рекомендованных ВАК РФ, 7 статей в изданиях, включенных в международные базы данных Web of Science и Scopus, 1 патент на изобретение и 1 свидетельство о государственной регистрации программы для ЭВМ, а также 2 публикации в сборниках материалов научных конференций и 6 статей, включенных в РИНЦ.

Апробация работы.

Основные положения диссертации доложены, обсуждены и одобрены на научно-практических конференциях: «Агробиоинженерные инновации в сельском хозяйстве» (2018-2019, 2021 гг., Москва), «Цифровизации сельского хозяйства и органического производства» (2021-2024 гг., Санкт-Петербург),

«Беспилотные летательные аппараты» (2020 г., Москва), «Состояние и перспективы развития агропромышленного комплекса» (2021 г., Ростов-на-Дону), «Особенности селекции и семеноводства сельскохозяйственных культур в условиях импортозамещения» (2022 г., Орел), «Устойчивое развитие в сельском хозяйстве, экологическая безопасность и энергетическая эффективность» (2022 г., Душанбе), «Энергообеспечение АПК» (2023 г., Москва), Инновационные технологии в науках об окружающей среде и образовании (2023 г., Краснодарский край), «Международная конференция Российского национального комитета по истории и философии науки и техники РАН» (2024 г., Москва). Получена золотая медаль на Всероссийской агропромышленной выставке «Золотая осень 2019» за разработку: «Платформенное решение для мониторинга селекционных полей с помощью БПЛА».

Структура и объем работы.

Общий объем диссертации составляет 215 страниц машинописного текста. Диссертация состоит из введения, 5 глав, заключения, списка сокращений и условных обозначений, словаря терминов, списка литературы, шести приложений, содержит 66 рисунков, 40 таблиц, 156 источников литературы.

1 ЭВОЛЮЦИЯ МЕТОДОВ И ОБОРУДОВАНИЯ ДЛЯ АЭРОФОТОСЪЕМКИ СЕЛЬСКОХОЗЯЙСТВЕННЫХ ОБЪЕКТОВ

1.1 Ретроспективный анализ отечественного и зарубежного опыта применения аэросъемочного оборудования в сельском хозяйстве

Первый успешный полет на воздушном шаре был официально зафиксирован в 1783 году [1]. Позже летательные аппараты легче воздуха стали применяться для наблюдения с высоты птичьего полета. 7 января 1839 года считается официальной датой изобретения фотографии, когда во Французской академии наук был представлен доклад о новом способе создания изображений [2]. Первые аэрофотографии уже были получены в середине XIX века. В 1908 году впервые в мире записано видео с аппарата тяжелее воздуха, управляемого человеком. Процесс развития технологий расширил сферу применения аэрофотосъемочного оборудования и интерес к аэрофотосъемке только возрастал [3]. Аэрофотосъемка стала неотъемлемой частью дистанционного зондирования и в последнее десятилетие активно используется в сельском хозяйстве. Развитие микроэлектроники способствовало миниатюризации аэрофотосъемочной аппаратуры и систем ее управления, что позволило создавать беспилотные аппараты со встроенными камерами для выполнения различных задач в сельском хозяйстве [4].

1.1.1 Анализ первых экспериментальных разработок аэрофотоаппаратуры (1858-1908)

История аэрофотосъемки берёт начало в середине XIX века. В 1858 году французский фотограф Гаспар Феликс Турнашон (1820-1910), более известный как «Надар», сделал фотографию французской деревни Пети-Бисетр (ныне Пети-Кламар) с корзины привязанного воздушного шара. В середине XIX века использовался коллодиевый процесс фиксации изображений, поэтому для создания первой аэрофотографии в корзине воздушного шара была необходима целая фотолаборатория. Полученные изображения не сохранились, при этом Надар вошел в историю, как создатель

первого аэроснимка. В 1858 году он запатентовал устройство для поддержания камеры в вертикальном положении.

Первый аэрофотоснимок в Соединенных Штатах Америки был сделан фотографом Джеймсом Уоллесом Блэком (1825-1896). 13 октября 1860 года Д.У. Блэк сделал серию аэрофотоснимков над Бостоном, штат Массачусетс, с привязанного воздушного шара Сэмюэля Кинга «Королева воздуха». Для создания изображений использовались мокрые коллодиевые пластины, только одно изображение было успешным [5]. Это изображение, сделанное с высоты около 365 м, является самым ранним сохранившимся аэрофотоснимком (рисунок 1.1). Фактические размеры изображения составляют 18,5*16,7 см с неравномерной обрезкой.

Рисунок 1.1 - Надпись на аэрофотоснимке «Бостон, каким его видят орел и дикий гусь», автор Джеймс Уоллес Блэк24

24 Онлайн экспозиция Метрополитен-музея, Нью-Йорк, США. https://www.metmuseum.org/art/collection/search/283189

Английский изобретатель Уолтер Бентли Вудбери (1834-1885) в 1877 году получил патент на фотоаппарат, которым можно было управлять с земли через электрический кабель. Между 1864 и 1885 годах У.Б. Вудбери получил более 30 патентов в Великобритании и за рубежом на изобретения, связанные с фотографией с воздушных шаров, диапозитивами, сенсибилизированными пленками и усовершенствованиями в стереоскопии. В основном использовался формат изображения 21*14 см.

В то время фотография находилась в зачаточном состоянии и была примитивной. Через несколько лет был изобретен сухой пластинчатый процесс, не требующий наличия фотолаборатории в корзине воздушного шара. Внедрение технологии сухой пластинки и более совершенного оборудования для фотоаппаратов позволило фотографам сосредоточиться на процессе съёмки, а не на подготовке к ней. Французский фотограф Жан Николя Трушелют (1811-1890) считается автором первых фотографий, сделанных с помощью камеры с сухой пластинкой во время полета на воздушном шаре над Парижем в 1879 году.

В России первая аэрофотосъёмка специализированным фотоаппаратом состоялась 6 июля 1886 года. Использовалась камера, разработанная Вячеславом Измайловичем Срезневским (1849-1937). Камера предназначалась для плановой фотосъемки, с помощью особой установки она крепилась снаружи стенки корзины воздушного шара и обеспечивала возможность перемещения фотоаппарата внутрь корзины для его перезарядки. Камера имела фокус на бесконечность, устанавливалась объективом вниз, имела фотопластинки форматом 24*24 см [6]. Во время этой аэрофотосъёмки Леонид Николаевич Зверинцев и Александр Матвеевич Кованько (1856-1919) сделали четыре снимка по маршруту от Санкт Петербурга до Кронштадта на высоте 800 м (рисунок 1.2). Полет был совершен на воздушном шаре, принадлежавшем Русскому техническому обществу. Организация внесла существенный вклад в развитие российского авиастроения и аэрофотосъемки.

По результатам полетов в 1887 году Л.Н. Зверинцев опубликовал книгу «Фотографирование с воздушных шаров».

сшпъ n anjuim mit,

Ct PV r|U t||h hi T | -l^fj h

I..". i4tt ?t . ■ Il......... i.-: i^r* p*-: . 41 L-1' t.

Рисунок 1.2 - Фотоснимок Санкт-Петербурга с воздушного шара, сделанный

А.М. Кованько 18 мая 1886 года

В течение следующих нескольких лет фотографические технологии продолжали развиваться, и вскоре появилась возможность прикреплять камеры к беспилотным летательным объектам. Эдмунд Дуглас Арчибальд (1851-1913) проводил эксперименты с воздушными змеями в 1882 году. Для создания фотографии Э.Д. Арчибальд применял заряд взрывчатого вещества на таймере. Несколько лет спустя Артур Батут (1846-1919) подвесил камеру к единственному воздушному змею и автоматически установил выдержку, затвор срабатывал через несколько мгновений после запуска воздушного змея (рисунок 1.3). Первый аэрофотоснимок Батута был сделан в мае 1888 года форматом 8x8 см. Батут опубликовал первую книгу по аэрофотосъемке с помощью воздушных змеев в 1890 году «La photographie aérienne par cerf-volant».

Рисунок 1.3 - Воздушный змей, автор Артур Батут

В 1897 году Альфред Нобель (1833-1896), знаменитый изобретатель, впоследствии учредивший Нобелевскую премию, успешно установил камеру на ракету [7]. Семь лет спустя Альфред Мауль (1864-1941) использовал ракету, чтобы сделать аэрофотоснимок с высоты 2600 футов (~972,48 м). Затем камера была катапультирована и сброшена на землю. Его ракета образца 1912 года несла фотопластинку размером 20*25 см, стабилизированную гироскопом.

Эксперименты с воздушными змеями и ракетами с зарядами взрывчатки оказались успешными, но также велись опыты с использованием птиц. В 1908 году немецкий аптекарь Юлиус Густав Нойброннер (1852-1932) запатентовал камеру для голубей. Ю. Нойброннер изготовил алюминиевые ремни, которые позволили ему прикрепить легкую камеру с временной задержкой к груди голубя. Такие изображения давали настоящий «вид с высоты птичьего полета» немецких улиц (рисунок 1.4). В Германии появился

Баварский Голубиный Корпус (The Bavarian Pigeon Corps). Он использовал своих голубей для доставки почты и воздушной разведки. Устанавливались камеры разных модификаций, с пленкой, с фотопластинками размером 6*9 см, при фокусном расстоянии 85 мм. Кроме того, Ю. Нойброннер разработал переносную голубятню с фотолабораторией, запряженную лошадьми, на которой можно было приблизиться к исследуемому объекту или местности. Маршрут птичьего полета не всегда был надежным и предсказуемым.

Рисунок 1.4 - «Голубиная камера» Юлиуса Нойброннера [8]

В период 1858-1908 годов аэрофотосъемка была экспериментальным видом деятельности. Для получения изображений применялись разнообразные летательные аппараты, на борту которых размещались камеры с различными техническими и технологическими характеристиками. Размер используемых пластин и соответственно формат изображений зависел от модели камеры и значительно варьировался. Нами проведен анализ используемых форматов изображений в период первых экспериментальных разработок аэрофотоаппаратуры (рисунок 1.5). На диаграмме видно, что были использованы как небольшие форматы изображений 8*8 см и 6*9 см, так и значительно больше 24*24 см и 20*25 см. Форматы 18,5*16,7 см и 24*24 см наиболее близки к форматам изображений 18*18 см и 23*23 см, которые в

XX веке стали стандартными форматами изображений для аэрофотосъемки с помощью пленочных аэрофотоаппаратов.

г

и

И 500

5

к

и

а

ю

I 300

л

ч:

I 200

о

3 .

24 х 24 \

О 20 х 25

18 5 х 16,7 ) 21 х 14 -

<

8 х / 8 6x9

- --- О -Ь--Ч У - ----1

0

1850 1860 1870 1880 1890 1900 1910 1920

Годы

Рисунок 1.5 - Форматы изображений в период первых экспериментальных

разработок аэрофотоаппаратуры

В период первых экспериментальных разработок аэрофотоаппаратуры был получен первый аэрофотоснимок, разработаны первые портативные камеры и их крепления к воздушным шарам и змеям, ракетам, птицам (таблица 1.1). Разработки велись параллельно во многих странах мира, включая Российскую империю, Францию, Соединенные Штаты Америки. Благодаря повышению чувствительности камер, надежности пластин, улучшению качества изображения, а также уменьшению стоимости фотоматериалов фотография стала более пригодной для использования в авиации.

Год Разработка Изобретатель

1858 Первая аэрофотография с привязного воздушною шара Гаспар-Феликс Турнашон, Надар

1882 Съемка с воздушных змеев Эдмунд Дуглас Арчибальд

1886 Аэрофотосъемка специализированным фотоаппаратом Вячеслав Измайлович Срезневский

1897 Установка камеры на ракету Альфред Нобель

1908 Патент на камеру для голубей Юлиус Густав Нойброннер

В рассматриваемый период существовали четыре основные категории аэрофотосъемки с воздушных шаров: художественная, геодезическая, военная и исследовательская, включая научные наблюдения. Несмотря на значительную и зачастую опасную деятельность фотографов по воздухоплаванию, высотная аэрофотосъемка с летательных аппаратов оказалась в основном экспериментальной и непрактичной до появления более устойчивых воздушных платформ (жестких дирижаблей и самолетов) и более совершенной фотоаппаратуры.

1.1.2 Анализ оборудования для проведения аэрофотосъемки с самолетов

(1909-1945)

Период с 1909 по 1945 год был временем дальнейшего технического прогресса и художественных экспериментов, поскольку фотография стала более широко применяться в различных сферах жизни.

Впервые самолет использовался в качестве платформы для аэрофотосъемки в 1908 году Уилбуром Райтом (1867-1912). Через год в Италии был записан его первый немой короткометражный фильм 3:28 «Уилбур Райт и невод Flugmaschme». В России первые экспериментальные аэрофотосъемки были сделаны летчиками Севастопольской школы в 1910 году. В том же году Сергей Алексеевич Ульянин (1871-1921) разработал первый в России аэрофотоаппарат. В конструкции аэрофотоаппарата использовались кассеты из шести стеклянных пластин. Снимок фиксировался на стеклянной пластине размером 13*13 см, шесть пластин входили в одну кассету. Камера устанавливалась на биплан «ПТА № 1». Впоследствии Ульянин С.А. опубликовал брошюру «О стереофотограмметрии».

В 1911 году в России военный инженер полковник Владимир Филиппович Потте изобрел первый в мире пленочный боевой полуавтоматический аэрофотоаппарат (рисунок 1.6). Его камера состояла из деревянного ящика с передним скосом, в котором находилась камера и объектив с фокусным расстоянием 210 мм и диафрагмой 1:4,5. Заводной механизм камеры активировал затвор с помощью резиновой груши, которая

расширялась и нагнетала воздух по мере набора высоты. Поскольку после каждой фотографии не требовались дополнительные действия, камера могла совершать 50 последовательных снимков размером 13*18 см. Полученные фотографии были достаточно высокого качества для составления точных топографических карт [9].

Список литературы диссертационного исследования кандидат наук Захарова Наталья Ивановна, 2024 год

СПИСОК ЛИТЕРАТУРЫ

1. Kim M.G. Balloon mania: news in the air / M.G. Kim // Endeavour. -2004. - № 28(4). pp. 149-155.

2. Сергиенко Д. Дагеротип - «зеркало с памятью» / Д. Сергиенко // Троицкий вариант - Наука. - 2020. - № 14(308). - С. 12-13.

3. Collier P. Photogrammetry and aerial photography / P. Collier // International encyclopedia of human geography. - 2020. - pp. 91-98.

4. Ценч Ю.С. История развития систем управления беспилотных воздушных судов / Ю.С. Ценч, Р.К. Курбанов // Сельскохозяйственные машины и технологии. - 2023. № 17(3). С. 4-15.

5. Encyclopedia of nineteenth-century photography / Ed. J. Hannavy. -USA, New York: Routledge, 2013. - 828 p.

6. Кусов В.С. История аэрофотосъемки в фотографиях: славянский вклад / В.С. Кусов // Известия высших учебных заведений. Геодезия и аэрофотосъемка. - 1992. - № 6. - С. 54-61.

7. Skoog A.I. The Alfred Nobel rocket camera. An early aerial photography attempt / A.I. Skoog // Acta astronautica. - 2010. - № 66 (3-4). -pp. 624-635.

8. Degiorgis N. The pigeon photographer / N. Degiorgis, A. Salomon -USA: Rorhof, 2018. - 96 p.

9. Краснопевцев Б.В. Основные события истории фотограмметрии и воздушной съемки до 1918 года / Б.В. Краснопевцев // Геодезия и картография. - 1998. - № 8. - С.55-59.

10. Салемгараева Л.Р. История развития аэрофотосъемки в России / Л.Р. Салемгараева // Актуальные проблемы геодезии, картографии, геоинформатики и кадастра: Сб. материалов Всероссийской научно-практической конференции. Уфа, 08 апреля 2016 года. Уфа: Башкирский государственный университет, 2016. - С. 170-172.

11. Галушина П.С. Применение авиации в сельском хозяйстве Российской Федерации / П.С. Галушина, А.А. Кравчук // Аграрное образование и наука. - 2023. - № 2. - C. 8.

12. Weems J. Interpreting a 1930s aerial survey photograph: the artfulness of technological images / J. Weems // History and Technology. - 2011. № 27(2). -pp. 223-231.

13. Monmonier M. Aerial photography at the agricultural adjustment administration: acreage controls, conservation benefits, and overhead surveillance in the 1930s / M. Monmonier // Photogrammetric engineering & remote sensing. -2002. - № 68(12). - pp. 1257-1261.

14. Сычева Т.А. Вопросы изучения работ ПАНХ (применения авиации в народном хозяйстве) в Отечественной историографии второй половины ХХ в. / Т.А. Сычева // Теория и практика общественного развития. - 2011. - № 6.

- С. 248-251.

15. Научно-технический центр. История продолжается. К 70-летию НТЦ-ЦКБ / под ред. А.Ю. Чистилина. - М.: КЕМ, 2018. - 208 с.

16. Гольдман Л.М. Применение цветной аэросъемки для изучения местности (дешифрирование цветных аэроснимков / Л.М. Гольдман // Труды Центрального научно-исследовательского института геодезии, аэросъемки и картографии. - 1960. - № 137. - С. 57-63.

17. Бычкова И.А. История развития аэрометодов в России в 18801950-х годах / И.А. Бычкова // Метеорологический вестник. - 2010. - № 3(1).

- С. 54-68.

18. Mulla D.J. Twenty-five years of remote sensing in precision agriculture: Key advances and remaining knowledge gaps / D.J. Mulla // Biosystems engineering, special issue: Sensing technologies for sustainable agriculture. - 2014.

- № 114(4). - pp. 358-371.

19. Буянов М.С. История создания и развития беспилотных летательных аппаратов / М.С. Буянов, А.С. Фискевич, А.А. Федорченко, С.А.

Гаранин // Специальная техника и технологии транспорта. - 2022. - № 14. - С. 13-25.

20. Курбанов Р.К. Рекомендации по предполетной подготовке БПЛА / Р.К. Курбанов, О.М. Захарова // Электротехнологии и электрооборудование в АПК. - 2020. - № 38 (1). - С. 93-98.

21. Ценч Ю.С. История развития систем управления полетом и средств аэрофотосъемки беспилотных воздушных судов сельскохозяйственного назначения / Ю.С. Ценч, Р.К. Курбанов, Н.И. Захарова // Сельскохозяйственные машины и технологии. - 2024. - № 18(2). - С. 4-15.

22. Ценч Ю.С. Тенденции развития технических средств аэрофотосъемки сельскохозяйственных земель / Ю.С. Ценч, Н.И. Захарова // Сельскохозяйственные машины и технологии. - 2023. - № 17(3). - С. 16-26.

23. Deng L. UAV-based multispectral remote sensing for precision agriculture: a comparison between different cameras / L. Deng, Z. Mao, X. Li, Z. Hu [et al.] // ISPRS Journal of photogrammetry and remote sensing. - 2018. - 146. - pp. 124-136.

24. Di Gennaro S.F. Spectral comparison of UAV-based hyper and multispectral cameras for precision viticulture / S.F. Di Gennaro, P. Toscano, M. Gatti, S. Poni [et al.] // Remote sensing. - 2022. - № 14(3). - 449.

25. Navia J. Multispectral mapping in agriculture: terrain mosaic using an autonomous quadcopter UAV / J. Navia, I. Mondragon, D. Patino, J. Colorado // In proa of International conference on unmanned aircraft systems (ICUAS). Arlington, VA, USA, 07-10 June 2016. Arlington: IEEE, 2016. - pp. 1351-1358.

26. Курбанов Р.К. Мировой опыт использования беспилотных воздушных судов в сельском хозяйстве / Р.К. Курбанов, Н.И. Захарова // Сельскохозяйственная техника: обслуживание и ремонт. - 2023. - № 8. - С. 54 -59.

27. Васенев И.И. Цифровые технологии агроэкологического мониторинга и оптимизация земледелия / И.И. Васенев, Н.А. Александров,

И.В. Андреева [и др.]. - М.: Российский государственный аграрный университет - МСХА им. К.А. Тимирязева, 2022. - 240 с.

28. Костомахин М.Н. Точное земледелие расширяет свои границы / М.Н. Костомахин, Р.К. Курбанов, Н.Г. Кынев // Сельскохозяйственная техника: обслуживание и ремонт. - 2018. - № 3. - С. 7-9.

29. Марченко Л.А. Основные требования к беспилотным летательным аппаратам для внесения удобрений и пестицидов / Л.А. Марченко, Т.В. Мочкова, Р.К. Курбанов, В.В. Краснобородько // Вестник ВИЭСХ. - 2018. - №2 4(33). - С. 107-112.

30. Марченко Л.А. Использование оптических систем Green Seeker RT 200 при дифференцированном внесении гербицидов / Л.А. Марченко, Т.В. Мочкова, Р.К. Курбанов // Вестник ВИЭСХ. - 2018. - № 3(32). - С. 50-54.

31. Дорохов А.С. Технические средства для химической защиты растений: состояние и перспективы развития / А.С. Дорохов, И.А. Старостин, А.В. Ещин, Р.К. Курбанов // Агроинженерия. - 2022. - № 24(3). - С. 12-18.

32. Захарова Н.И. Сферы применения беспилотных воздушных судов в мире / Н.И. Захарова, М.А. Литвинов // Сельскохозяйственная техника: обслуживание и ремонт. - 2023. - № 6. - С. 20-27.

33. Киселев Е.Н. Исследование посевов риса в Краснодарском крае по данным дистанционного зондирования (предварительный анализ) / Е.Н. Киселев, А.В. Погорелов, С.В. Гаркуша [и др.] // Рисоводство. - 2020. - № 1(46). - С. 34-43.

34. Невенчанная Н.М. Исследование продуктивности и прогнозирование урожайности яровой пшеницы с использованием технологий дистанционного зондирования земли / Н.М. Невенчанная, Ю.В. Аксенова // Земледелие. - 2023. - № 2. - С. 24-31.

35. Kouadio L. A review on UAV-based applications for plant disease detection and monitoring / L. Kouadio, M Jarroudi, Z. Belabess, S.-E. Laasli, [et al.] // Remote sensing. - 2023. - № 15(17). - 4273.

36. Старовойтова О.А. Пути повышения качества семенных посадок оригинального топинамбура за счет бесконтактного распознавания больных растений / О.А. Старовойтова, В.И. Старовойтов, А.А. Манохина // Вестник биотехнологии. - 2019. - № 1(18). - С. 7.

37. Zhao J. Transformer in UAV image-based weed mapping / J. Zhao, T.W. Berge, J. Geipel // Remote sensing. - 2023. - № 15(21). pp 5165.

38. Xing F. Mapping invasive noxious weed species in the alpine grassland ecosystems using very high spatial resolution UAV hyperspectral imagery and a novel deep learning model / F. Xing, R. An, X. Guo, X. Shen // GIScience & remote sensing. - 2024. № 61(1). - 2327146.

39. Курбанов Р.К. Мобильный телефон (smartphone) как инструмент агрария в системе цифрового земледелия / Р.К. Курбанов, Г.И. Личман, Н.И. Захарова // Электротехнологии и электрооборудование в АПК. - 2021. - № 3(44). - С. 129-136.

40. Yang G. Unmanned aerial vehicle remote sensing for field-based crop phenotyping: current status and perspectives / G. Yang, J. Liu, C. Zhao, Z. Li [et al.] //Frontiers in plant science. - 2017. № 8. - 1111.

41. Xie C. A review on plant high-throughput phenotyping traits using UAV-based sensors / C. Xie, C. Yang // Computers and electronics in agriculture. -2020. № 178. - 105731.

42. Huuskonen J. Soil sampling with drones and augmented reality in precision agriculture / J. Huuskonen, T. Oksanen // Computers and electronics in agriculture. - 2018. - № 254. - pp. 25-35.

43. Sobayo R. Integration of convolutional neural network and thermal images into soil moisture estimation / R. Sobayo, H.H. Wu, R. Ray, L. Qian // In proc. of the 1st International conference on data intelligence and security. South Padre Island, TX, USA, 08-10 April 2018. New York: IEEE - 2018. - pp. 207-210.

44. Jung J. Unmanned aerial system assisted framework for the selection of high yielding cotton genotypes / J. Jung, M. Maeda, A. Chang, J. Landivar, [et al.] // Computers and electronics in agriculture. - 2018. - № 252. - pp. 74-81.

45. Kellenberger B. Detecting mammals in UAV images: best practices to address a substantially imbalanced dataset with deep learning / B. Kellenberger, D. Marcos, D. Tuia // Remote sensing of environment. - 2018. - №216. - pp. 139-153.

46. Knzova К. Assessment of soil electrical conductivity using remotely sensed thermal data / К. Knzova, M. Kroulfk, J. Haberle, J. Lukas [et al.] // Agronomy Research. - 2018. - № 26. - pp. 784-793.

47. Xue J.R. Significant remote sensing vegetation indices: a review of developments and applications / J.R. Xue, B.F. Su // Journal of sensors. - 2017. -N1353691.

48. Загоруйко М.Г. Мониторинг показателей фотосинтетической деятельности и его использование для прогнозирования потенциальной урожайности сои / М.Г. Загоруйко, М.Е. Белышкина, Р.К. Курбанов, Н.И. Захарова // Аграрный научный журнал. - 2021. - № 12. - С. 9-12.

49. Roth L. High-throughput field phenotyping of soybean: spotting an ideotype / L. Roth, C. Barendregt, C.A. Betrix, A. Hund, A. Walter // Remote sensing of environment. - 2022 - № 269. - 112797.

50. Yu F.H. Radiative transfer models (RTMs) for field phenotyping inversion of rice based on UAV hyperspectral remote sensing / F.H. Yu, T.Y. Xu, W. Du, H. Ma [et al.] // International journal of agricultural and biological engineering. - 2017. - № 10(4). - pp. 150-157.

51. Lyu S.X. Development of phenotyping system using low altitude UAV imagery and deep learning / S.X. Lyu, N. Noguchi, R. Ospina, Y. Kishima // International journal of agricultural and biological engineering. - 2021. - № 14(1). pp. - 207-215.

52. Rallo P. Exploring UAV-imagery to support genotype selection in olive breeding programs / P. Rallo, A.I. de Castro, F. Lopez-Granados, A. Morales-Sillero [et al.] // Scientia horticulturae. - 2020. - № 273. - 109615.

53. Maimaitijiang M. Soybean yield prediction from UAV using multimodal data fusion and deep learning / M. Maimaitijiang, V. Sagan, P. Sidike, S. Hartling [et al.] // Remote sensing of environment. - 2020. - № 237. - 111599.

54. Rodriguez-Sanchez J. Cotton yield estimation from aerial imagery using machine learning approaches / J. Rodriguez-Sanchez, C. Li, A.H. Paterson // Frontiers in plant science. - 2022. - № 26(13). - 870181.

55. Ampatzidis Y. Citrus rootstock evaluation utilizing UAV-based remote sensing and artificial intelligence / Y. Ampatzidis, V. Partel, B. Meyering, U. Albrecht // Computers and electronics in agriculture. - 2019. № 164. - 104900.

56. Wilke N. Assessment of plant density for barley and wheat using UAV multispectral imagery for high-throughput field phenotyping / N. Wilke, B. Siegmann, J.A. Postma, O. Muller [et al.] // Computers and electronics in agriculture. - 2021. - № 189. - 106380.

57. Duan B. Remote estimation of grain yield based on UAV data in different rice cultivars under contrasting climatic zone / B. Duan, S. Fang, Y. Gong, Y. Peng [et al.] // Field crops research. - 2021. - № 267. - 108148.

58. Chang A. Measurement of cotton canopy temperature using radiometric thermal sensor mounted on the unmanned aerial vehicle (UAV) / A. Chang, J. Jung, M.M. Maeda, J.A. Landivar [et al.] // Journal of sensors. - 2020. - 8899325.

59. Zhao Y. Detecting sorghum plant and head features from multispectral UAV imagery / Y. Zhao, B. Zheng, S.C. Chapman, K. Laws [et al.] // Plant phenomics. - 2021. - 9874650.

60. Burkart A. Phenological analysis of unmanned aerial vehicle-based time series of barley imagery with high temporal resolution / A. Burkart, V.L. Hecht, T. Kraska [et al.] // Precision agriculture. - 2018. - № 19. - pp. 134-146.

61. Chivasa W. UAV-based high-throughput phenotyping to increase prediction and selection accuracy in maize varieties under artificial MSV inoculation / W. Chivasa, O. Mutanga, J. Burgueno // Computers and electronics in agriculture. - 2021. - № 184. - 106128.

62. Kurbanov R. Justification and selection of vegetation indices to determine the early soybeans readiness for harvesting / R. Kurbanov, N. Zakharova // E3S Web of Conferences: 14th International scientific and practical conference on state and prospects for the development of agribusiness, INTERAGROMASH 2021.

Rostov-on-Don, 24-26 February 2021. Rostov-on-Don: EDP Sciences, 2021. № 273. - 01008.

63. Kawamura K. Field phenotyping of plant height in an upland rice field in Laos using low-cost small unmanned aerial vehicles (UAVs) / K. Kawamura, H. Asai, T. Yasuda, P. Khanthavong, [et al.] // Plant production science. - 2020. № 23(4). - pp. 452-465.

64. Kyratzis A.C. Assessment of vegetation indices derived by UAV imagery for durum wheat phenotyping under a water limited and heat stressed Mediterranean environment / A.C. Kyratzis, D.P. Skarlatos, G.C. Menexes, V.F. Vamvakousis [et al.] // Frontiers in plant science. - 2017. - № 8. - 1114.

65. Han L. Clustering field-based maize phenotyping of plant-height growth and canopy spectral dynamics using a UAV remote-sensing approach / L. Han, G. Yang, H. Yang, B. Xu [et al.] // Frontiers in plant science. - 2018. - № 9. -1638.

66. Zhang J. Rapeseed stand count estimation at leaf development stages with UAV imagery and convolutional neural networks / J. Zhang, B. Zhao, C. Yang, Y. Shi [et al.] // Frontiers in plant science. - 2020. - № 11. - 617.

67. Zhou J. Improve soybean variety selection accuracy using UAV-based high-throughput phenotyping technology / J. Zhou, E. Beche, C.C. Vieira, D. Yungbluth [et al.] // Frontiers in plant science. - 2022. - № 12. - 768742.

68. Захарова Н.И. Оценка площади полегания ярового ячменя с помощью мультиспектральной съемки с БПЛА / Н.И. Захарова, Р.К. Курбанов // Тезисы 19-ой Международной конференции «Авиация и космонавтика», Москва, 23-27 ноября 2020 года. - М.: Перо, - 2020. - С. 55-56.

69. Johansen K. Predicting biomass and yield in a tomato phenotyping experiment using UAV imagery and random forest / K. Johansen, M.J.L. Morton, Y. Malbeteau, B. Aragon [et al.] // Frontiers in plant science. - 2020. - № 3. - 28.

70. Jiang J. Phenotyping a diversity panel of quinoa using UAV-retrieved leaf area index, SPAD-based chlorophyll and a random forest approach / J. Jiang, K.

Johansen, C.S. Stanschewski [et al.] // Precision agriculture. - 2022. - № 23. - pp. 961-983.

71. Joalland S. Aerial and ground based sensing of tolerance to beet cyst nematode in sugar beet / S. Joalland, C. Screpanti, H.V. Varella, M. Reuther [et al.] // Remote sensing. - 2018. - № 10(5). - 787.

72. Курбанов Р.К. Оценка перезимовки всходов селекционной озимой пшеницы с помощью БПЛА / Р.К. Курбанов, Н.И. Захарова, О.М. Захарова, Д.М. Горшков // Инновации в сельском хозяйстве. - 2019. - № 3(32). - С. 133139.

73. Ampatzidis Y. UAV-based high throughput phenotyping in citrus utilizing multispectral imaging and artificial intelligence / Y. Ampatzidis, V. Partel // Remote sensing. - 2019. - № 11(4). - 410.

74. Wilke N. Quantifying lodging percentage and lodging severity using a UAV-based canopy height model combined with an objective threshold approach / N. Wilke, B. Siegmann, L. Klingbeil, A. Burkart [et al.] // Remote sensing. - 2019.

- № 11(5). - 515.

75. Gracia-Romero A. UAV and ground image-based phenotyping: a proof of concept with durum wheat / A. Gracia-Romero, S.C. Kefauver, J.A. Fernandez-Gallego, O. Vergara-Díaz [et al.] // Remote sensing. - 2019. - № 11(10). - 1244.

76. Su W. Phenotyping of corn plants using unmanned aerial vehicle (UAV) images / W. Su, M. Zhang, D. Bian, Z. Liu [et al.] // Remote sensing. - 2019.

- № 11(17). - 2021.

77. Kurbanov R. The use of vegetation indices in comparison to traditional methods for assessing overwintering of grain crops in the breeding process / R. Kurbanov, N. Zakharova, V. Sidorenko, S. Vilyunov // In proc. Advances in Artificial Systems for Power Engineering II, Москва, 17-19 декабря 2021 года. М.: Springer Nature Switzerland AG, 2022. - № 119. - pp. 52-64.

78. Kurbanov R.K. Determination of spring barley lodging area with help of unmanned aerial vehicle / R.K. Kurbanov, N.I. Zakharova // Smart innovation, systems and technologies. - 2022. - № 245. - pp. 247-257.

79. Polukhin A.A. Analysis of soybean varieties maturation using multispectral data / A.A. Polukhin, R.K. Kurbanov, Yu.S. Tsench, N.I. Zakharova [et al.] // Improving energy efficiency, environmental safety and sustainable development in agriculture (EESTE-II-2022): Proc. II International scientific and practical conference, Dushanbe, Republic of Tajikistan, 25-28 октября 2022 года. UK: IOP Publishing LTD, 2023. - № 1154. - 12037.

80. Мартынов М.А. Выявление корреляционных закономерностей по данным структурного анализа и в динамике индексов отражения на сое / М.А. Мартынов, С.Д. Вилюнов, Н.И. Захарова [и др.] // Зернобобовые и крупяные культуры. - 2023. - № 4(48). - С. 57-64.

81. Мартынов М.А. Изучение морфофизиологических показателей детерминантных генотипов сои различных групп спелости в условиях Орловской области / М.А. Мартынов, В.И. Панарина, Р.К. Курбанов, Н.И. Захарова // Особенности селекции и семеноводства сельскохозяйственных культур в условиях импортозамещения: Сб. Международной научно-практической конференции молодых ученых и специалистов, Орел, 25 ноября 2022 года. Орел: ФГБНУ «Федеральный научный центр зернобобовых и крупяных культур», 2022. - С. 88-91.

82. Hunt E.R. Jr., Remote sensing with simulated unmanned aircraft imagery for precision agriculture applications / E.R. Hunt Jr., C.S.T. Daughtry, S.B. Mirsky, W.D. Hively // IEEE Journal of selected topics in applied earth observations and remote sensing. - 2014. - № 7 - pp. 4566-4571.

83. Gupta S.G. Review of unmanned aircraft system (UAS) / S.G. Gupta, M.M. Ghonge, P. Jawandhiya // SSRN Electronic journal. - 2013. - №№ 2. - pp. 16461658.

84. Kurbanov R.K. Justification of optimal parameters for quadcopter PIDcontrollers with frame sizes up to 150 mm / R.K. Kurbanov, M.A. Litvinov, S I. Krivko, N.I. Zakharova [et al.] // E3S Web of Conferences: XI International scientific and practical conference innovative technologies in environmental science

and education (ITSE-2023). Divnomorskoe village, Russia, 04-10 сентября 2023 года. Russia: EDP Sciences, 2023. - №. 431. - 06014.

85. Белькова А.С. Обзор областей применения малых БПЛА самолетного типа / А.С. Белькова // Научно-исследовательский центр «Technical Innovations». - 2021. - № 8. - С. 317-320.

86. Набиев Р.Н. Конструктивное оформление беспилотного летательного аппарата конвертопланового типа / Р.Н. Набиев, А.А. Абдуллаев, Г.И. Гараев // Авиакосмическое приборостроение. - 2022. - № 6. - С. 3-13.

87. Вавилонский А.В. Типы и характеристики беспилотных летательных аппаратов: обзор / А.В. Вавилонский, Д.К. Петухов, А.Е. Корнев, М.Е. Юнеман // Электронные средства и системы управления. Материалы докладов Международной научно-практической конференции. - 2023. - № 12. - С. 60-62.

88. Попадейкин В.В. Многоцелевой беспилотный дирижабль как инновация в народном хозяйстве [Электронный ресурс]. URL.: https://russiandrone.ru/publications/mnogotselevoy-bespilotnyy-dirizhabl-kak-innovatsiya-v-narodnom-khozyaystve/ (дата обращения 13.09.2022).

89. Курченко Н.Ю. Нормативно-правовая база использования беспилотных авиационных систем / Н.Ю. Курченко, Е.В. Труфляк. -Краснодар: КубГАУ, 2021. - 56 с.

90. Мелихова Е.В. Применение беспилотных летательных аппаратов в аграрном производстве / Е.В. Мелихова, Д.А. Мелихов // Международный журнал прикладных наук и технологий Integral. - 2019. - № 3. - С. 29.

91. Челышева Д.Н. Беспилотные летательные аппараты как один из основных инструментов цифровой трансформации АПК / Д.Н. Челышева // АПК: экономика, управление. - 2024. - № 2. - С. 96-101.

92. Артюшин А.А. Выбор типоразмерного ряда беспилотных летательных аппаратов и полезной нагрузки для мониторинга сельскохозяйственных полей / А.А. Артюшин, Р.К. Курбанов, Л.А. Марченко,

О.М. Захарова // Электротехнологии и электрооборудование в АПК. - 2019. -№ 4(37). - С. 36-43.

93. Холодков К.И. Опыт применения беспилотных летательных аппаратов для построения цифровой модели рельефа / К.И. Холодков, С.Д. Иванов, И.М. Алешин [и др.] // Наука и технологические разработки. - 2021. -№ 100(4). - С. 44-56.

94. Катаев М.Ю. Методика распознавания растительности на основе цветового и текстурного анализа RGB изображений / М.Ю. Катаев, М.М. Дадонова // Светотехника. - 2019. - № 2. - С. 34-39.

95. Курбанов Р.К. Использование теплового канала (LWIR) для оценки состояния посевов и прогнозирования урожайности сельскохозяйственных культур / Р.К. Курбанов, Н.И. Захарова, О.М. Гайдук // Электротехнологии и электрооборудование в АПК. - 2020. - № 3(40). - С. 8794.

96. Курбанов Р.К. Рекомендации для легких беспилотных летательных аппаратов по сбору данных / Р.К. Курбанов, М.Н. Костомахин, Н.И. Захарова [и др.] // Сельскохозяйственная техника: обслуживание и ремонт. - 2018. - № 6. - С. 47-53.

97. Nomura K. Long-term estimation of the canopy photosynthesis of a leafy vegetable based on greenhouse climate conditions and nadir photographs / K. Nomura, D. Yasutake, T. Kaneko, T. Iwao // Scientia horticulturae. - 2021. - № 289. - 110433

98. Dall'Asta E. Unmanned aerial systems and DSM matching for rock glacier monitoring / E. Dall'Asta, G. Forlani, R. Roncella, M. Santise [et al.] // ISPRS Journal of photogrammetry and remote sensing. - 2017. - № 127. - pp. 102114.

99. Sanhouse-Garcia A.J. Effect of photogrammetric RPAS flight parameters on plani-altimetric accuracy of DTM / A.J. Sanhouse-Garcia, Y.A. Bustos-Terrones, J.G. Loaiza, S. Monjardin [et al.] // Open geosciences. - 2020. -№ 12(1). - pp. 1017-1035.

100. Радунцев М.В. Анализ нормативно-правовой базы в сфере разработки, сертификации и применения беспилотных авиационных систем в Российской Федерации / М.В. Радунцев, А.С. Серебряков, А.И. Тихонов // СТИН. - 2022. - № 11. - С. 48-52.

101. Курбанов Р.К. Повышение точности аэрофотосъемки с применением наземных контрольных точек / Р.К. Курбанов, Н.И. Захарова, Д.М. Горшков // Сельскохозяйственные машины и технологии. - 2021. - № 15(4) - С. 42-47.

102. Рекомендации по стандартизации Р 50.1.028-2001 «Информационные технологии поддержки жизненного цикла продукции. Методология функционального моделирования» (приняты постановлением Госстандарта РФ от 2 июля 2001 г. N 256-ст) // СПС «Гарант» (дата обращения 12.07.2021).

103. Карпычев В.Ю. Функциональная (процессная) модель автоматизированной разведки с использованием беспилотного летательного аппарата / В.Ю. Карпычев, В.В. Конюшев // Вестник Воронежского института МВД России. - 2021. - № 1. - С. 27-35.

104. Khuimphukhieo I. Assessing drought stress of sugarcane cultivars using unmanned vehicle system (UAS)-based vegetation indices and physiological parameters / I. Khuimphukhieo, M. Bhandari, J. Enciso, J.A. da Silva // Remote sensing. - 2024. - № 16(8). - 1433.

105. Yang Q. A VI-based phenology adaptation approach for rice crop monitoring using UAV multispectral images / Q. Yang, L. Shi, J. Han, Z. Chen [et al.] // Field crops research. - 2022. - № 2771. - 108419.

106. Kurbanov R.K. Pre-flight preparation of an unmanned aerial vehicle DJI Phantom 4 Pro / R.K. Kurbanov, N.I. Zakharova, A.M. Fokin // In: Ronzhin, A., Kostyaev, A. (eds) Agriculture digitalization and organic production. Smart innovation, systems and technologies, 2023. - № 331- pp. 363-374.

107. Hentschke M. Evaluation of altitude sensors for a crop spraying drone / M. Hentschke, E. Pignaton de Freitas, C. Hennig, I. Girardi da Veiga // Drones. -2018. - № 2(3). - 25.

108. Niu Y. Estimating maize plant height using a crop surface model constructed from UAV RGB images / Y. Niu, W. Han, H. Zhang, L. Zhang [et al.] // Biosystems engineering. - 2024. - № 241. - pp. 56-67.

109. Wang Y. Identifying and counting tobacco plants in fragmented terrains based on unmanned aerial vehicle images in Beipanjiang, China / Y. Wang, Z. Zhou, D. Huang, T. Zhang [et al.] // Sustainability. - 2022. - № 14(13). - 8151.

110. Istiak A. Adoption of unmanned aerial vehicle (UAV) imagery in agricultural management: a systematic literature review / A. Istiak, M.M. Syeed, S. Hossain, M.F. Uddin // Ecological informatics. - 2023. - № 78. - 102305.

111. Nakano H. Predicting rice grain yield using normalized difference vegetation index from UAV and GreenSeeker / H. Nakano, R. Tanaka, S. Guan, H. Ohdan //Crop and environment. - 2023. - № 2(2). - pp. 59-65.

112. Zhang Z. A review on unmanned aerial vehicle remote sensing: platforms, sensors, data processing methods, and applications / Z. Zhang, L. Zhu // Drones. - 2023. - № 7(6). - 398.

113. Рихирев М. Обзор материалов для 3D-печати [Электронный ресурс]. URL.: https://i3d.ru/blog/dlya_mozayki/obzor-materialov-dlya-3d-pechati/ (дата обращения 08.02.2020)

114. Naqvi S. Unmanned air vehicle based high resolution imagery for chlorophyll estimation using spectrally modified vegetation indices in vertical hierarchy of citrus grove / S. Naqvi, M. Awais, F.S. Khan, U. Afzal [et al.] // Remote sensing applications: society and environment. - 2021. № 23. - 100596.

115. Jiang X. Spinach yield mapping using multispectral UAV imagery / X. Jiang, S. Sun, V. Adamchuk, G. Weisman [et al.] // Smart agricultural technology. - 2024. № 7. - 100389.

116. Гуреева E.B. Норма высева семян и продукционный процесс сортов сои в Нечерноземной зоне / E.B. Гуреева, В.К. Храмой // Вестник Российской академии сельскохозяйственных наук. - 2009. - № 1. - С. 60-62.

117. Гуреева Е.В. Соя - источник растительного белка / Е.В. Гуреева, Т.А. Фомина // Аграрная наука. - 2017. - № 11-12. - С. 20-21.

118. Зеленцов С.В. Методические основы селекционного процесса у сои и его улучшающие модификации во ВНИИМК (обзор) / С.В. Зеленцов // Масличные культуры. - 2020. - № 2(182). - С. 128-143.

119. Kurbanov R. Evaluation of field germination of soybean breeding crops using multispectral data from UAV / R. Kurbanov, V. Panarina, A. Polukhin, Y. Lobachevsky, N. Zakharova [et al.] // Agronomy. - 2023. - № 13(5). - 1348.

120. Свиридов К.Н. Разрешающая способность и линейное разрешение для оценки качества и проектирования аэрокосмических систем дистанционного зондирования Земли / К.Н. Свиридов, А.Е. Тюлин // Ракетно-космическое приборостроение и информационные системы. - 2022. - № 9(1).

- С. 9-29.

121. Курбанов Р.К. Обоснование параметров полетного задания беспилотного воздушного судна для мультиспектральной аэрофотосъемки / Р.К. Курбанов, Н.И. Захарова // Сельскохозяйственные машины и технологии.

- 2022. - № 16(3). - С. 33-39.

122. Кузюбердина Р.А. Фотограмметрия и дистанционное зондирование территорий. Методические указания / Р.А. Кузюбердина. -Пермь: ФГОУ ВПО «Пермская ГСХА». 2009. - 38 с.

123. Romero-Chambi E. Analysis of optimal flight parameters of unmanned aerial vehicles (UAVs) for detecting potholes in pavements / E. Romero-Chambi, S. Villarroel-Quezada, E. Atencio, F. Muñoz-La Rivera // Applied Sciences. - 2020. -№ 10(12). - pp. 4157.

124. Bento N.L. Overlap influence in images obtained by an unmanned aerial vehicle on a digital terrain model of altimetric precision / N.L. Bento, G.A.E.S.

Ferraz, R.A.P. Barata, L.S. Santana [et al.] // European journal of remote sensing. -2022. - № 55(1). - pp. 263-276.

125. Курбанов Р.К. Алгоритм расчета времени полета беспилотного воздушного судна для проведения аэросъемки / Р.К. Курбанов // Сельскохозяйственные машины и технологии. - 2023. - № 17(1). - С. 35-40.

126. Курбанов Р.К. Программное обеспечение для мониторинга и контроля показателей селекционных процессов посевов сои / Курбанов Р.К., Захарова О.М., Захарова Н.И., Горшков Д.М. // Инновации в сельском хозяйстве. - 2019. - № 3(32). - С. 122-132.

127. Курбанов Р.К. Применение геоинформационных решений для обследования селекционных полей / Р.К. Курбанов, Д.М. Горшков, Н.И. Захарова, О.М. Захарова // Инновации в сельском хозяйстве. - 2019. - № 3(32). - С. 140-146.

128. Kurbanov R.K. Application of vegetation indexes to assess the condition of crops / R.K. Kurbanov, N.I. Zakharova // Agricultural machinery and technologies. - 2020. - № 14(4). - P. 4-11.

129. Черепанов А.С. Вегетационные индексы / А.С. Черепанов // Геоматика. - 2011. - № 2. - С. 98-102.

130. Rouse J.W. Monitoring vegetation systems in the Great Plains with ERTS/ J.W. Rouse, R.H. Haas, J.A. Schell, D.W. Deering // Third ERTS Symposium, NASA. - 1973. - SP-351(I). - pp. 309-317.

131. Hassan M.A. A rapid monitoring of NDVI across the wheat growth cycle for grain yield prediction using a multi-spectral UAV platform / M.A. Hassan, M.J. Yang, A. Rasheed, G.J. Yang [et al.] // Plant science. - 2019. - V282(SI). - pp. 95-103.

132. Zaman-Allah M. Unmanned aerial platform-based multi-spectral imaging for field phenotyping of maize / M. Zaman-Allah, O. Vergara, J.L. Araus, Tarekegne A. [et al.] // Plant Methods. - 2015. - № 11. - 35.

133. Boiarskii B. Comparison of NDVI and NDRE indices to detect differences in vegetation and chlorophyll content / B. Boiarskii, H. Hasegawa //

Journal of mechanics of continua and mathematical sciences. - 2019. - SI (4). - pp. 20-29.

134. Lu N. Estimation of nitrogen nutrition status in winter wheat from unmanned aerial vehicle based multi-angular multispectral imagery / N. Lu, W.H. Wang, Q.F. Zhang, D. Li // Frontiers in plant science. - 2019. - № 10. - 1601.

135. Jordan C.F. Derivation of leaf-area index from quality of light on the forest floor / C.F. Jordan // Ecology. - 1969. № 50(4). - pp. 663-666.

136. Hashimoto N. Simulation of reflectance and vegetation indices for unmanned aerial vehicle (UAV) monitoring of paddy fields / N. Hashimoto, Y. Saito, M. Maki, K. Homma // Remote sensing. - 2019. № 11(18). - 2119.

137. Louhaichi M. Spatially located platform and aerial photography for documentation of grazing impacts on wheat / M. Louhaichi, M. Borman, D. Johnson // Geocarto international. - 2001. - № 16 (1). - 65-70.

138. Kaufman Y.J. Atmospherically resistant vegetation index (ARVI) for EOS-MODIS / Y.J. Kaufman, D. Tanre // IEEE Transactions on geoscience and remote sensing. - 1992. - № 30(2). - pp. 261-270.

139. Huete A. Overview of the radiometric and biophysical performance of the MODIS vegetation indices / A. Huete, K. Didan, T. Miura, E.P. Rodriguez [et al.] // Remote sensing of environment. - 2002. - № 83(1-2). - pp. 195-213.

140. Tomoaki M. Inter-comparison of ASTER and MODIS surface reflectance and vegetation index products for synergistic applications to natural resource monitoring / M. Tomoaki, Y. Hiroki, K. Fujiwara, H. Yamamoto // Sensors. - 2008. - № 8. - pp. 2480-2499.

141. Fiodortsev R.V. Application of satellite image processing methods for hydrocarbon field search / R.V. Fiodortsev, A.R. Silie Cuenca, D.A. Kozhevnikov, V.M. Medina [et al.] // Devices and methods of measurements. - 2019. № 10(4). -pp. 373-381.

142. Qi J. A modified soil adjusted vegetation index / J. Qi, A. Chehbouni, A. Huete, Y. Kerr [et al.] // Remote Sensing of Environment. - 1994. - № 48. - pp. 119-126.

143. Cammarano D. Use of the canopy chlorophyll content index (CCCI) for remote estimation of wheat nitrogen content in rained environments / D. Cammarano, G. Fitzgerald, B. Basso, G. O'Leary [et al.] // Agronomy journal. -2011. - № 103. - pp. 1597-1603.

144. Vincini M. A broad-band leaf chlorophyll vegetation index at the canopy scale / M. Vincini, E. Frazzi, P. D'Alessio // Precision agriculture. - 2008. -№ 9. - pp. 303-319.

145. Ahamed T. A review of remote sensing methods for biomass feedstock production / T. Ahamed, L. Tian, Y. Zhang, K.C. Ting // Biomass & bioenergy. -2011. - № 35(7). - pp. 2455-2469.

146. Daughtry C.S.T. Estimating corn leaf chlorophyll concentration from leaf and canopy reflectance / C.S.T. Daughtry, C.L. Walthall, M.S. Kim, E.B. de Colstoun [et al.] // Remote sensing of environment. - 2000. - № 74(2). - pp. 229239.

147. Boegh E. Airborne multispectral data for quantifying leaf area index, nitrogen concentration and photosynthetic efficiency in agriculture / E. Boegh, H. Soegaard, N. Broge, C. Hasager [et al.] // Remote sensing of environment. - 2002. - № 81(2-3). - pp. 179-193.

148. Глотов А.А. Использование ЦМР для задач рационального природопользования и мониторинга природных процессов / А.А. Глотов // Геоматика. - 2013. - № 4. - С. 32-36.

149. Wang T. A plant-by-plant method to identify and treat cotton root rot based on UAV remote sensing / T. Wang, J.A. Thomasson, T. Isakeit, C. Yang [et al.] // Remote Sensing. - 2020. - № 12(15). - 2453.

150. Альт В.В. Автоматизированное обнаружение сорняков и оценка качества всходов сельскохозяйственных культур по RGB-изображениям/ В.В. Альт, И.А. Пестунов, П.В. Мельников, О.В. Ёлкин // Сибирский вестник сельскохозяйственной науки. - 2018. - № 48(5). - С. 5-7.

151. Weinstein B.G. DeepForest: A Python package for RGB deep learning tree crown delineation / B.G. Weinstein, S. Marconi, M. Aubry-Kientz, G. Vincent [et al.] // Methods in ecology and evolution. - 2020. - № 11(12). - pp.1743-1751.

152. Weinstein B.G. Individual tree-crown detection in RGB imagery using semi-supervised deep learning neural networks / B.G. Weinstein, S. Marconi, S. Bohlman, A. Zare [et al.] // Remote Sensing. - 2019. - № 11(11). - 1309.

153. Ground control points: why are they important? [Электронный ресурс] URL.: https://www.pix4d.com/blog/why-ground-control-points-important (дата обращения 11.02.2021).

154. Kapicioglu H.S. Investigation of topographic effect in ground control point selection in UAV photogrammetry: Gaziantep, Nizip / H.S. Kapicioglu, K.O. Hastaoglu, F. Poyraz, Y. Gül // International conference on innovative engineering applications. Sivas, Turkey, September, 2018. - pp. 1174-1178.

155. Martínez-Carricondo P. Assessment of UAV-photogrammetric mapping accuracy based on variation of ground control points / P. Martínez-Carricondo, F. Agüera-Vega, F. Carvajal-Ramírez // International journal of applied earth observation and geoinformation. - 2018. - № 72. - pp. 1-10.

156. Ferrer-González E. UAV photogrammetry accuracy assessment for corridor mapping based on the number and distribution of ground control points / E. Ferrer-González, F. Agüera-Vega, F. Carvajal-Ramírez, P. Martínez-Carricondo // Remote Sensing. - 2020. - № 12(15). - pp. 2447.

195

ПРИЛОЖЕНИЕ А Акты разработки и испытания подвеса для мультиспектральной камеры Parrot Sequoia для БВС DJI Phantom 4 pro

Акты разработки подвеса для мультиспектральной камеры Parrot Sequoia для БВС DJI Phantom 4 pro

от «

АКТ Jft /&//S

» Mfcí^-f_

/ УТВЕРЖДАЮ

еститель директора к, академик РАН

П. Лобачевский

20 Лап.

2020 г.

изготовления экспериментального образца подвеса для мультиспектральной камеры Parrot Sequoia для БПЛА DJI Phantom 4 Pro № 0581-2019-0012 Разработать методологию и технические решения для управления интеллекгтуальньЕми технологиями в цифровом сельском хозяйстве Комиссия, назначенная приказом № 184 от «17» августа 2020 г.. в период с «¿£У» 2020 г. по «; » /.¿¿/¿Щл 2020 г. проверила факт

изготовления экспериментального образца.

1. Комиссии предъявлены:

1.1. Экспериментальный образец под seca дня мультисп ектрал ьно й камеры Parrot Sequoia для БПЛА DJI Phantom 4 Pro.

1.2. Пояснительная записка, включающая технологическую схему экспериментального образца (приложение i).

1.3. Экспериментальный образец должен соответствовать следующим

Наименование параметра Значение парам етра Примечание

Напряжение питания мультиспектральной камеры Теьасаш ДОС, В 5 Стабильно, без перебоев

Раз ныла в напряжении между ячейками аккумулятора БПЛЛ не более, В 0,04

Разница температуры винтомоторных установок с полезной нагрузкой не более, °С 25

Качество съемки спектральных снимков, см/пиксель 5,8-7,2

2. В результате проверки установлено:

2.1. Экспериментальный образец подвеса для мультиспектральной камеры Parrot Sequoia для БПЛА 0Л Phantom 4 Pro изготовлен на базе лаборатории информационно-технического обеспечения цифрового земледелия ФГ'БПУ Ф11АЦ В ИМ в период с «01 ;■> апреля 2020 г. по «30» сентября 2020 г, в соответствии с заявленными техническими характеристиками.

Акт испытания подвеса для мультиспектральной камеры Sentera Single Sensor

для БВС DJI Phantom 4 pro

№ 05 81 -2019-0012 Разработать методологию и технические решения для управления интеллектуальными технологиями в цифровом сельском хозяйстве Комиссия, назначенная приказом № ] 84 от «17» августа 2020 г., в период с MrfAifijz 2020 г. по « ¿b» MJPJtMu. 2020 г. проверила факт

испытания экспериментального образца.

Место провеления испытаний: лаборатория информационно-технического обеспечения цифрового земледелия ФГБНУ ФНАД ВИМ

1. Комиссией установлено:

1.1. Программа приемочных испытаний выполнена полностью.

1.2. Состав и комплектность объекта испытаний соответствует документации (приложение 1).

1.3. Объект испытаний соответствует техническим параметрам, предъявленным в документации.

2. Рекомендации:

2.1. Экспериментальный образец подвеса для мультиспектральной камеры Parrot Sequoia для БПЛА DJI Phantom 4 Pro рекомендуется использовать для мониторинга сельскохозяйственных посевов при проведения научно-исследовательских работ.

Председатель:

Заместитель директора

АКТ № /У

от « » ACdza^jí_2020 г.

испытания экспериментального образца подвеса для мультиспектральной камеры Parrot Sequoia для БПЛА DJI Phantom 4 Pro

Зам. председателя:

Руководитель научного направления «Обеспечение надежности сельскохозяйственной техники»

по научно-организационной работе

Секретарь комиссии:

Начальник отдела организации и координации научной деятельности

С.А. Давыдова

ЗАЯВКА

на проведение приемки подвеса для мультиспектральной камеры Parrot

Разработчики экспериментального образца подвеса для муэтьтиспектрапьной камеры Parrot Sequoia для Fil IJ1A DJ1 Phantom 4 Pro:

Заведующий лап., к .т.н. Курбаиов Р.К.;

Младший науч. сотр., Литвинов М.А.:

Инженер Горшков Д.М.;

Инженер Захарова I I.И.;

Инженер Савченкова A.A.

Проведение экспериментальных исследовании с целью разработки подвеса для мулынсиектральноп камеры Parrot Sequoia с сохранением функционала и летных характеристик БИЛА 0J1 Phantom 4 Pro.

1 loRsrma разработки:

Разработка подвеса с питанием мульпспектральной камеры Parrot Sequoia от аккумуляторной батареи БИЛЛ DJ1 Phantom 4 Pro. применение быетросъемнон конструкции.

1 [реимущеетва:

Подвес имеет разборную конструкцию, копгер с кронштейнами повеса помещается в rpai¡сортировочный кейс без модификации его внутренностей. По сравнению с аналогами подвесов с внешним аккумуляторами разработанный подвес практически не влияет ни стабильность полета БПЛА.

Sequoia для БПЛА DJI Phantom 4 Pro.

200

Конструкторская документация Крепление подвеса

£ ■ и ЯШ.

не- .'т ш*.

201

Демпферная площадка

202

Держатель корзины

Корзина камеры Parrot Sequoia

Крепление стойки сенсора освещенности

и-ы-1 .-.и.

ВШ 14«.'

Стойка сенсора освещенности

206

ПРИЛОЖЕНИЕ Б Патент на изобретение «Подвес для мультиспектральной камеры Parrot Sequoia для беспилотного летательного аппарата DJI Phantom 4 Pro»

РОЛСНШр!и лграПРйНЫ .. г ■ нна г ВНЕ: ГА* кд

2019

п и =

Л5П|Си|.ТиР*-| Е>НIВ-1Т ОН

сел^скога хозяйств»

ртЗСЙИйСкйй Феде:"¿ми--

ДИПЛОМ

награждается золотой медалью

<1>1Д|;Г'..ЛМ1ЫЙ НАУЧНЫЙ АГРОИЛЖЕШЫ'НЫЙ ШЛТРВИМ

г, Москва

Ча платформенное решение лдч мониторинга полей с нпмощью НГ1.ПА

РОССИЙСКИ (

С

Ш

Моснеа, ВДНХ

Д.И-ПАПУШЕЙ ^ А 9-12 октября 2019

м

та о ЕЕ та

О 6Г

м

Е

Г6

ЕС ЕС О

не и

6Г —

Г5

н м и к

Г6

*

и) о

о н м

33

о

Г5 Г6

ЕЕ

СГ-

ы о

ЕЗ О

о

ЕЕ м

та

М

£

Г6

ЕЕ

и> О

о н о Не

£ м

СГ-

5

ЕЕ

М

Я

Г5 Г6

та о

Г5 Г5

Я

»

Г5

Я

О Не

Я

ИЙ

В

^

О

*

И м

И 5 а

И

я

208

ПРИЛОЖЕНИЕ Г Свидетельство на регистрацию программы для ЭВМ

ПРИЛОЖЕНИЕ Д Акты внедрения платформенного решения для мониторинга

селекционных посевов сои

Мити iii>< гви Науки и ньк i i и и образования ро; гнйской Федерации •лшиоьрнлуки России!

и н ст htí i 1.1; м к н о во дет в л и л 11 'Oí ь х н о, i о г и Н - ш и J i и л л ФЕДЕРАЛЬНОГО ГОСУДАРСТВЕННОГОБЮДЖЕТНОГО НАУЧНОГО УЧРЕЖДЕНИЯ «ФЕДЕРАЛЬНЫЙ НАУЧНЫЙ Л1 РОИНЖЕНЕРНЫЙ ЦЕНТР ВИМ» (ПСА - филиал ФГЬНУ фНАЦ ВИМ)

Р)Т^анска:| oñj(., Рячаискин р-он, с. J 1о.цкя íi.l1. угз. Парковая, дом I тел. S (4411126-Ш-ЗТ, e-maTI: podvvaggäbk.ru

I I ticimflpfl 3019т. № MU Jfi _ от

о внедрении платформенного решения для мониторинга селекционных полей

Настоящим актом подтверждается, что разработанное авторами платформенное решение для мониторинга селекционных полей, прошло успешные испытания на селекционных делянках ИСЛ - филиал ФГБПУ ФНАЦ ВИМ. Авторы разработки: Курбайов Р.К., Захарова H.H., Захарова Ü.M.. Горшков Д.М.

Производственные испытания проводились с 4 апреля по 10 сентября 2019 года на селекционных посевах озимой пшеницы и сои,

R испытаниях участвовали: БПЛА DJ! Phantom 4 pro, программное обеспечение для планирования миссий и обработки данных (Pix4DCapture, Pix4Dmapper. AgisoftMetashape), мультиспектральная камера ParrolSequoia. подвес для ее крепления, учитывающий расположение сенсоров и особенности полета ШЛА DJI Phantom 4 pro, портативная почвенная лаборатория. Было осуществлено 20 полетов.

Платформенное решение для мониторинга селекционных полей принято к внедрению для оперативного мониторинга селекционных полей и культур в ИСЛ филиал Ф1 Ы ГУ ФНАЦ ВИМ. Заведующий сектором организации

АКТ

и координации.научной деятельности

Заведующий от дедом селекции н семеновода isa

Старший научный сотрудник отдела селекиии и семеноводства

Ушакова F.KJ-

VI, П.

МИНИСТЕРСТВО НАУКИ И ВЫСШЕГО ОБРАЗОВАНИЯ РОССИЙСКОЙ ФЕДЕРАЦИИ

ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ БЮДЖЕТНОЕ НАУЧНОЕ УЧРЕЖДЕНИЕ «ФЕДЕРАЛЬНЫЙ НАУЧНЫЙ ЦЕНТР ЗЕРНОБОБОВЫХ И КРУПЯНЫХ КУЛЬТУР»

о внедрении платформенного решения для мониторинга селекционных полей

Настоящим актом подтверждается, что разработанное авторами Федерального государственного бюджетного научного учреждения «Федеральный научный arpo инженерный центр ВИМ» Курбановым Р. 1С, Захаровой НЖ, i оршковым Д.М., Литвигтовг.тм М.А. платформенное решение для мониторинга селекционных полей прошло успешные испытания на селекционном ноле Федерального государственного бюджетного научного учреждений «Федеральный научный центр зернобобовых и крупяных культур» (Ф1 БНУ ФНЦ ЗЕК),

11 рШзводетвеНные испытания проводились с 29 апреля до 30 сентября 2021 года. Исследуемые культуры: соя, озимые и яровые зерновые культуры, просо. >

В испытаниях участвовали; ВВС ГШ Phantom 4 pro, программное обеспечение для планирования миссий и обработки данных (DJT Pi ¡oí, Pix4Dmapper}„ мудът и с пекгральная камера Parrot Sequoia, подвес для ее крепления, учитывающий расположение сенсоров и особенности полета БВС ГШ Phantom 4 pro, Быдо осуществлено 7 полетов в течение сезона.

302501, Орловская оол,, Орловский р-н, по С. Стрелецкий, уд. Мнлндёжпая, д.10. к. I

Тел. [phone] Факс [phone] e-mail: n if ice it vniizbk.nrel.ru

%Mdí:¿/ № 4 М

па №

АКТ

МИНИСТЕРСТВО НАУКИ И ВЫСШЕГО ОБРАЗОВАНИЯ РОССИЙСКОЙ ФЕДЕРАЦИИ

ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ БЮДЖЕТНОЕ НАУЧНОЕ УЧРЕЖДЕНИЕ «ФЕДЕРАЛЬНЫЙ НАУЧНЫЙ ЦЕНТР ЗЕРНОБОБОВЫХ И КРУПЯНЫХ КУЛЬТУР»

Тел. [phone]

302502, Орловский ofi.t., Орловский р-п, Фикс (486-2> 403-130 нос. Стрелецкий, ул. Молодёжная, д. 10, к, \_и-mail: oíffcKa'vnÜzbk.orel.ru

7 // у? ..у № ^ ____на №______

АКТ

о результатах жедлувтационных испытаний платформенного решения для мониторинга селекционных полей

Полевые испытания платформ ещгого решения для мониторинга селекционных полей проводились с 29 апреля по 30 сентября 2021 г. в Федеральном государственном бюджетном научном учреждении «Федеральный научный центр зернобобовых и крупяных культур» (ФГБНУ ФНЦ ЗБК), 5 испытаниях участвовало платформенное решение для нысокоточного мониторинга сельскохозяйственных полей, разработанное в лаборатории №4.3 информационно-технического обеспечения цифрового земледелия Федерального государственного бюджетного научного уч реждс н :«Федершi ьн ый йаучн ы й агрои нжен ерн ы й центр ВИМ» (ФГБНУ ф} SAH. ВИМ'. Платформенное решение состоит из:

1) БВСОЛ Phantom 4 pro;

2) программного обеспечения для планирования миссий и обработки данных (DJ I Pilot, Pix4Dmapper, Agí soft Metashape);

3) мулътиспектральшэй камеры Parrot Sequoia;

4) подвеса для крепления мультисиектральной камеры.

Полеты проводились на высоте 120 м. Время одного полета составило 10 минут 5 секунд, общая исследуемая площадь селекционного ноля - 25 га, Скорость полета 10 м/с, разрешение оргофотоплапа равно 3,62 см/пикс.

gei ехациойных карт ■ 11,3 см/пикс. Исследуемые культуры: соя, озимые и яровые зерновые культуры, просо.

В результате испытаний выявлено следующее:

- платформенное решение обеспечивает стабильный полет для сора мулътиепектрал щых и FIG В-данных;

- созданные ортоф ото план и вегетационные карты не имеют артефактов;

- время полета ВВС с полезной нагрузкой без внешней аккумуляторной

батареи ¡¡иже на 12%. Вывод;

На основании проведенных испытаний платформенного решения для мониторинга селекционных нолей установлено:

- Решение позволяет проводить оперативный мониторинг селекционных полей в а втом этическом режиме и получать качественные ыультйрщектрадьн ы е и RGB данные.

Представители ФГБПУ ФНАЦ ВИМ:

Ведущий научный сотрудник

КурбановР. К

Младшни научный сотрудник

Младший научный сотрудник

Младший научный еотрудни

Захарова II. И.

Литвинов М V

Горшков Д.М.

Представители ФГЬНУ ФНЦЗБК: Руководитель ССЦ сои

Панарина В.И,

Шутный сотрудник лаборатории 1 ГШ

илюнов С.Д

Директор Ф1 БНУ ФНЦЗБК

Полухш А. А.

м.п.

214

ПРИЛОЖЕНИЕ Е