ВВЕДЕНИЕ
Цифровое развитие современного земледелия направлено на автоматизацию и роботизацию производственных процессов, с целью повышения урожайности сельскохозяйственных культур на основе применения новых технологий, позволяющих увеличить урожайность сельскохозяйственных посевов, эффективно использовать природные ресурсы, а также снизить негативное воздействие на окружающую среду. Одной из таких технологий является управление сорной компонентой агроценозов на основе видеоданных оперативного мониторинга. Для этого разрабатываются методы идентификации и пространственной локализации сорной компоненты с использованием методов интеллектуального анализ изображений.
В последние годы были проведены исследования, позволившие открыть новые перспективы в сборе полевых данных с использованием беспилотных летательных аппаратов (БПЛА). Преимуществами современных БПЛА, оснащенных системами RTK, в сравнении с самолетами и/или спутниками основано на совокупности покрытия мультиспектральной съемкой за относительно непродолжительное время значительных по площади территории с одновременным обеспечением сантиметрового пространственного разрешения и сантиметровой пространственной привязки. Это позволяет выявлять и локализовать небольшие по размерам пространственные объекты, такие как отдельные экземпляры культурной и сорной компонент агрофитоценозов.
Развитие использования БПЛА в совокупности с развитием беспилотных наземных агроботов, а также современных систем получения и передачи, цифровых изображений открывает новые возможности в ведении точного земледелия перед мониторингом характеристик отдельных сельскохозяйственных растений в посевах с высокой плотностью в режиме реального времени, а также картографического анализ его результатов, что в совокупности позволяет оперативно выявлять негативные явления и процессы, а также применять требуемые воздействия.

ОБЪЕКТ
Объектами исследований являлись изображения отдельных экземпляры сорной и культурной компонент, а также их совокупностей посевов сельскохозяйственных культур, произраставших в вегетационный период 2020 г. на полях Центра Точного Земледелия, расположенного на территории летней полевой дачи РГАУ-МСХА им. К.А. Тимирязева. Для получения этих изображений использовались две съемочные камеры на платформах двух БПЛА. Одна из этих камер видимого диапазона располагалась на БПЛА марки Phantom-4 Pro. Вторая камера с двумя дополнительными каналами RedEdge и NIR, располагалась на БПЛА марки Phantom-4 Pro RTK multispectral. Для наземной пространственной привязки объектов сорной компоненты использовалась антенна двухчастотная антенна с дифференциальной поправкой. В результате проведенных полевых работ были созданы разновременные наборы данных, включавших слои цифровых моделей рельефа, ортофотополанов и вегетационных индексов.

МЕТОД
В настоящее время для анализа изображений, получаемых с БПЛА, используются две основных группы методов распознавания сорной и культурной компонент. Первая из них основана на пространственных алгоритмах, оценивающих паттерны высевания культурной компоненты в параллельные ряды, и при этом ищущих экземпляры сорной компоненты на пространстве между соседними рядами. Вторая группа методов распознавания основана на использовании инструментов классификации и сегментации пикселей изображения в соответствии с спектральными сигнатурами, полученными в лабораторных условиях. Однако, в настоящее время лишь небольшая часть разработанных спектральных методов обеспечивают надежное распознавание сорных и культурных компонент агрофитоценозов, что во многом связано с влиянием характеристик систем сбора полевых данных на отличие спектральных многочисленные параметры сбора влияют на значения коэффициента отражения. Эти характеристики влияют на качество распознавания, которое во многом связано с качеством регистрируемого сигнала. Например, различное пространственное разрешение вызывает спектральное смешение в зависимости от размера отдельных элементов сцены. В ряде случаев существенным фактором, влияющим на качество распознавания, является соотношение размеров объектов сорной и/или культурной компонент и пространственной разрешающей способности съемочных систем. В проведенном исследовании были применены методы, относящиеся к обеим упомянутым группам.

РЕЗУЛЬТАТЫ
В работе приводятся и обсуждаются результаты обработки изображений агрофитоценозов с использованием, полученных съемочными системами двух БПЛА в видимых и мультиспектральных каналах, а также результаты распознавания сорной и культурной компонент в сопоставлении с результатами независимого наземного геореференцирования с использованием спутниковой антенны с субсантиметровой погрешностью пространственной привязки.
В результате были получены результаты, свидетельствующие о возможности обнаружение объектов сорной компоненты в межрядном пространстве в начале вегетационного периода обработкой ортофотопланов. Также было проведено тестирование процедуры объектно-ориентированного анализа сочетания слоев ортофотопланов и слоев вегетационных индексов с помощью метода Random Forests (RF). Результаты тестирования этой процедуры продемонстрировали ее применимость для классификации объектов сорной и культурной компонент, а также голой почвы в начале и середине вегетационного периода.

ВЫВОД
В целом, реализованные исследования позволяют сформировать методику построения по результатам съемки с БПЛА картограмм пространственной локализацией отдельных объектов сорной компоненты посевов сельскохозяйственных культур. При этом качественные и количественные характеристики пространственного распределения объектов сорной компоненты на этих картограммах будет приемлемым для использования в пространственно-дифференцированной обработке посевов сельскохозяйственных культур. В свою очередь это будет способствовать избирательному управлению сорной компонентой агрофитоценозов на ранних стадиях вегетации посевов сельскохозяйственных культур для целей существенно снижения объемов применения неселективных гербицидов.

«Исследование выполнено при финансовой поддержке Фонда Содействия Инновациям в рамках проекта № 62ГС1ЦТС10-D5/56006 «Оперативный анализ и управление сорным компонентом агрофитоценозов на основе компьютерного зрения»