UAV inom precisionsodling. - några erfarenheter från SLU Mats Söderström, SLU, Inst för mark och miljö

Transkript

1 UAV inom precisionsodling - några erfarenheter från SLU Mats Söderström, SLU, Inst för mark och miljö

2 För att producera en jämn gröda av rätt kvalitet, behövs kunskap om marken och grödan för att fatta rätt beslut i rätt tid. sett från marken jag har inte så mycket variation på mina fält Det handlar om ekonomi och det handlar om miljö Man kan behöva hjälp för att göra rätt. Ny teknik är en möjlighet. och samma fält sett från UAV

3 Massor av sensorer Yara N-Sensor Digital cameras + GPS

4 Men om man sätter en sensor på en UAV? UAV-test för 10 år sedan. Foto över ett av de långliggande försöken i Sverige (Bjertorp söder om Skara) Mycket ojämn tillväxt i områden tvärs ytorna Områden med mycket ogräs (inringat)

5 Flygning 2005 Startade kring 2005 Samverkan med Smartplanes AB, Lantmännen, JTI, HS m fl inom ramen för POS Exempel på UAV-studier: Kartläggning av ogräsförekomst Visualisering av variation inom fältförsök Jämförelse med kvävebehovskartor från Yara N-Sensor Biomassa och kväveinnehåll i höstraps Test med multispektrala sensorer Samverkan med Naturbruksskolor för utbildning mm m fl.

6 Startade kring kg N/ha, Olivin 145 kg N/ha, Fidelio Samverkan med Smartplanes AB, Lantmännen, JTI m fl inom ramen för POS 100 kg N/ha, Hurtig Under årens lopp har 235 vi kg testat N/ha, Certo UAV i diverse studier: Kartläggning av ogräsförekomst Visualisering av variation fältförsök inom fältförsök Jämförelse med kvävebehovskartor från Yara N-Sensor Biomassa och kväveinnehåll i höstraps Kartläggning av rotogräs i ekologisk odling Test med multispektrala sensorer m fl.

7 Startade kring 2005 Samverkan med Smartplanes AB, Lantmännen, JTI m fl inom ramen för POS Under årens lopp har vi testat UAV i diverse studier: Kartläggning av ogräsförekomst Visualisering av variation inom fältförsök Jämförelse med kvävebehovskartor från Yara N-Sensor Biomassa och kväveinnehåll i höstraps Kartläggning av rotogräs i ekologisk odling Test med multispektrala sensorer Samverkan med Naturbruksskolor för utbildning mm m fl.

8 Foto från 2005 Startade kring 2005 Samverkan med Smartplanes AB, Lantmännen, JTI m fl inom ramen för POS Under årens lopp har vi testat UAV i diverse studier: Kartläggning av ogräsförekomst Visualisering av variation inom fältförsök Jämförelse med kvävebehovskartor från Yara N-Sensor Biomassa och kväveinnehåll i höstraps Kartläggning av rotogräs i ekologisk odling Test med multispektrala sensorer m fl.

9 Startade kring 2005 Samverkan med Smartplanes AB, Lantmännen, JTI m fl inom ramen för POS Under årens lopp har vi testat UAV i diverse studier: Kartläggning av ogräsförekomst Visualisering av variation inom fältförsök Jämförelse med kvävebehovskartor från Yara N-Sensor Biomassa och kväveinnehåll i höstraps Kartläggning av rotogräs i ekologisk odling Test med multispektrala sensorer Samverkan med Naturbruksskolor för utbildning mm m fl.

10 Reflectance diagram from Jensen 2000 Spectral registrations of different sensors in relation to plant properties Tractor: Yara N-Sensor; 45 bands (10 nm), nm Handheld: GreenSeeker; R,NIR UAV: 5-bands; B,G,R,NIR1,NIR2 Satellites: DMC; G,R,NIR Sentinel-2; 13 bands

11 Startade kring 2005 Samverkan med Smartplanes AB, Lantmännen, JTI m fl inom ramen för POS Under årens lopp har vi testat UAV i diverse studier: Kartläggning av ogräsförekomst Visualisering av variation inom fältförsök Jämförelse med kvävebehovskartor från Yara N-Sensor Biomassa och kväveinnehåll i höstraps Kartläggning av rotogräs i ekologisk odling Test med multispektrala sensorer Samverkan med Naturbruksskolor för utbildning mm m fl.

12 Ett exempel på system mer anpassade mot jordbrukstillämpningar. Sju 10 nm breda våglängdband i synligt till NIR + rgb + inkommande Uppkomst, ogräs, vigör, kvävebrist, stress, bevattning etc.

13 Ett exempel på system mer anpassade mot jordbrukstillämpningar. Sju 10 nm breda våglängdband i synligt till NIR + rgb + inkommande

14 Exempel på teknisk lösning med enkel utrustning från planering till slutlig karta -Kan skötas helt från smarta mobilen -Cloud-baserad bildbehandling -Uppladdning av bilder kan ske under flygningen Enkel UAV med enkel kamera

15 från variationskarta till behovskarta till styrfil behöver inte vara så svårt exemplet CropSAT Svåra delen: Bestämma N i kg/ha Vegetationsindexkarta från satellitbild: relativ variation Foto: Christina Lundström

16 Kvävebehovskarta och totala behovet från variationskarta till behovskarta till styrfil behöver inte vara så svårt exemplet CropSAT

17 från variationskarta till behovskarta till styrfil behöver inte vara så svårt exemplet CropSAT En tilldelningsfil skapades Spara fil

18 Mats Söderström, SLU, Inst för mark och miljö Några sammanfattande aspekter hur får vi bred UAV-användning i jordbruket? Anpassade sensorer och system med lämplig prislapp fördel komma närmare tillämpning utan att gå steget via tolkning och omklassificering av variationskartor Tillräcklig flygtid för vissa tillämpningar måste stora arealer täckas Driftssäkra system enkla att använda från start till mål: Planering Flygning Databearbetning Stiching/mosaiker Åtgärdskartering Styrfiler...e.d Foto: Filip Landquist