ИКРБС
№ АААА-Б20-220081390033-9

Разработка и тестирование модуля обработки изображений со спутников. Разработка и тестирование модуля предобработки данных, полученных в процессе выращивания культур. Агрегирование и предобработка имеющихся данных по выращиванию культур на базе уже развернутых CRM.

03.08.2020

Проведена разработка прототипа системы анализа неоднородностей сельскохозяйственных угодий на основе индексов вегетации с использованием методов глубокого машинного обучения, которая позволит повысить эффективность проведения обследований посевных площадей на предмет наличия болезней, сорняков или вредителей. Эффективность в данном случае выражается следующими характеристиками: уменьшением времени и трудозатрат, необходимых на анализ большого объема полей для выявления неоднородностей посевов; снижением влияния человеческого фактора; снижением необходимых ресурсов на проведение обследований посевных участков.В процессе выполнения первого этапа работ проводились исследования спутниковых снимков земли, полученных с интернет-ресурса Европейской миссии зондирования Земли https://scihub.copernicus.eu/dhus на предмет наличия необходимых каналов съемки, используемых для расчета индекса NDVI (B4, B8). В результате исследования разработан и протестирован модуль обработки изображений со спутников. Разработан и протестирован модуль предобработки данных, полученных в процессе выращивания культур. Данные модули интегрированы в развернутые CRM. В качестве основного языка программирования при разработке модулей обработки данных использовался язык Python3 и библиотека для работы с растровыми данными GDAL. Разработанные модули интегрированы в уже развернутые CRM. Эффективность использования данного решения определяется несколькими факторами: периодическое обновление спутниковых снимков, позволяющих сделать объективный вывод о степени развития растений; снижение человеческого фактора при идентификации проблемных участков растительного покрова. Все плановые технические характеристики были достигнуты: минимальный период обновления спутниковых снимков - 2 дня; максимальный период обновления спутниковых снимков напрямую зависит от степени облачности получаемой сцены, но не более 7 дней; максимальное время на обработку спутниковых снимков составляет не более 5 ч с момента их получения и др.
ГРНТИ
68.37.05 Прогнозы и сигнализация появления и развития вредителей, болезней растений и сорняков
68.75.21 Управление, планирование и прогнозирование в сельскохозяйственном производстве
28.23.25 Модели и системы обучения
68.01.77 Методы исследования и моделирования. Математические и кибернетические методы
89.57.35 Обработка данных исследований Земли из космоса
Ключевые слова
НЕЙРОСЕТИ
АГРООБЕСПЕЧЕНИЕ
МОНИТОРИНГ
НЕОДНОРОДНОСТИ ПОСЕВОВ
NDVI
Детали

Заказчик
ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ БЮДЖЕТНОЕ УЧРЕЖДЕНИЕ "ФОНД СОДЕЙСТВИЯ РАЗВИТИЮ МАЛЫХ ФОРМ ПРЕДПРИЯТИЙ В НАУЧНО-ТЕХНИЧЕСКОЙ СФЕРЕ"
Исполнитель
ОБЩЕСТВО С ОГРАНИЧЕННОЙ ОТВЕТСТВЕННОСТЬЮ "СТЕМИ"
Похожие документы
Разработка и тестирование прототипа системы анализа неоднородностей сельскохозяйственных угодий на основе индексов вегетации с использованием методов глубокого машинного обучения
0.945
ИКРБС
Система анализа неоднородностей сельскохозяйственных угодий на основе индексов вегетации с использованием методов глубокого машинного обучения
0.936
РИД
-Разработка и тестирование прототипа системы анализа неоднородностей сельскохозяйственных угодий на основе индексов вегетации с использованием методов глубокого машинного обучения
0.934
НИОКТР
Система мониторинга сельскохозяйственных показателей в видимом, инфракрасном и гиперспектральном режимах съемки
0.924
ИКРБС
Разработка программного обеспечения для оценки фитосанитарного состояния посевов
0.917
НИОКТР
Разработка алгоритма склейки снимков сельхозтерриторий для выполнения дальнейшей оценки всхожести. Разработка алгоритма геопривязки синтезированных изображений. Разработка алгоритмов оценки всхожести озимых культур, в том числе на ранних фазах развития культур. Проведение испытаний разработанных алгоритмов на собранных данных, доработка алгоритмов. Оптимизация разработанных алгоритмов обработки и анализа данных с беспилотного воздушного судна для выполнения алгоритмов на многоядерных CPU и GPU. Проведение испытаний программно-аппаратного комплекса для оценки всхожести озимых культур по высокоточному позиционированию результатов обработки данных, полученных с борта беспилотного воздушного судна и построенных карт с оценками всхожести.
0.913
ИКРБС
Методология обработки данных дистанционного зондирования получаемых при мульти- и гиперспектральной съёмке посевов зерновых культур и сопряженных полевых измерений
0.912
НИОКТР
Разработка теоретических основ и программно-технических средств оценивания состояния посевов и почвенной среды по данным дистанционного зондирования Земли
0.911
НИОКТР
Интегрированный метод дистанционного мониторинга посевов сельскохозяйственных культур
0.910
НИОКТР
Подготовка данных для разработки алгоритма классификации. Разработка датасета патологий культурных растений. Построение алгоритма первичной унификации изображений для приведения их к единому формату и размеру. Проектирование архитектуры прототипа рекомендательного сервиса защиты посевов на основе машинного зрения. Разработка интеграции разрабатываемого сервиса с цифровым двойником растений: базой знаний его культур и сортов, применяемых клиентами метеостанций и сенсоров с полей, а также других провайдеров данных. (промежуточный)
0.910
ИКРБС