IoT Data Drijft Precision Agriculture: Opgaven Verhogen en Kosten Verlagen

Opmerking van de redacteur: Dit artikel van onze globale managing editor Rich Quinnell is onderdeel van AspenCore Media's Special Project over 'Agriculture Tech', dat onderzoekt hoe IoT, analytics en sensortechnologieën boerderij en voedselproductie herschikken.

Terwijl IoT en analytics de koppen domineren in industrie en infrastructuur, wordt landbouw stilletjes de volgende frontline. Door sensornetwerken en real-time data analytics te integreren, kunnen boeren opbrengsten verhogen, verliezen reduceren en operationele kosten verlagen door meer precieze resource management.

De fundering van precision agriculture is data. Sensoren, draadloze networking en geavanceerde analytics leveren de actionable insights die gerichte toepassing van meststoffen, water en pesticiden mogelijk maken.

Drie primaire platformcategorieën aandrijven dit data-ecosysteem: luchtvaart, grond-gebaseerde mobiele, en stationaire systemen. Elk platform emploeeert verschillende sensor suites en networking technologieën, maar alle delen een gemeenschappelijk doel – het vastleggen van high-resolutie, actionable data over diverse boerderijlandschappen.

Figuur 1 – Multi-rotor drones zijn een steeds populairder luchtplatform voor precision farming van kleine tot middegrote velden. (Bron: ublox)

Luchtplatforms verzamelen data van boven via remote sensing. Terwijl bemande vliegtuigen en satellieten nog steeds grote-schaal surveys dienen, vervangen onbemande luchtvaartuigen (UAVs) – zowel fixed-wing als multi-copter – ze snel voor mid-schaal operaties. Uitgerust met high-precisie GNSS modules zoals de Ublox F9, kunnen drones gedetailleerde plant-gezondheidsassessments uitvoeren over velden die anders moeilijk te monitoren zouden zijn.

De kernsensor voor plantgezondheid is een multi-spectrale camera capabel van high-resolutie afbeeldingen in zichtbare en near-infrared (NIR) banden te vangen. Meeste CMOS image sensors vertonen inherent NIR gevoeligheid, maar consumer camera's blokkeren doorgaans deze range om natuurlijk-ogende kleuren te produceren. Door de NIR filter te verwijderen, kan een CMOS sensor functioneren als een NDVI camera, geëxemplariseerd door de Sentera AGX710.

Figuur 2 – Typische kleur image sensoren bevatten ook NIR gevoeligheid, die general-purpose camera's proberen te filteren. (Bron: ON Semiconductor)

In plantgezondheidsmonitoring is NIR reflectantie een krachtige indicator van vegetatievigilantie. Gezonde bladeren reflecteren meer NIR en absorberen meer rood licht, wat leidt tot de wijd gebruikte Normalized Difference Vegetation Index (NDVI) = (NIR-Rood)/(NIR+Rood). Met juiste filtering en beeldverwerking kan een standaard CMOS sensor NDVI waarden berekenen, wat boeren in staat stelt gebieden te pinpointen die additioneel water of meststof vereisen.

Figuur 3 – NDVI surveys bieden gedetailleerd inzicht in plantgezondheid over gehele velden, highlightend waar bronnen als water en meststof meer of minder toepassing nodig hebben.