Robotics technology and agrochemical support of plant cultivation

Full Text

Введение В научной и производственной литературе все шире применяется термин «робототехника», обозначающий высшую ступень развития автоматизации технических устройств и технологических приемов. В сельском хозяйстве роботизированные технологии нашли применение в точном (координатном) земледелии. Его характерная особенность - учет внутрипольной вариабельности (пестроты) почвенного плодородия и состояния посевов, который практически невозможен при ручном управлении производственными процессами дифференцированного применения агрохимических средств. В частности, полевые научно-производственные опыты, проведенные специалистами Всероссийского научно-исследовательского института агрохимии им. Д.Н. Прянишникова (ВНИИА) в условиях Воронежской обл. в 2007-2009 гг., показали, что внутрипольная пестрота содержания минерального азота в пахотном слое чернозема достигает 40% и более. Основоположник отечественной агрохимии Д.Н. Прянишников писал: «Определение содержания в почвах подвижных форм азота, фосфора и калия может быть использовано для дифференцировки доз и соотношений азотистых, фосфорнокислых и калийных удобрений, вносимых под одну и ту же культуру, в одном и том же поле севооборота, но на участках поля, различающихся по почвенным условиям. Отсюда большое значение приобретают разнообразные способы учета этих изменяющихся во времени и пространстве свойств почвы в целях наиболее эффективного применения удобрений» [1]. Цель исследования В этом тезисе обозначены два направления реализации идеи точного земледелия, имеющих принципиальное значение для роботизированных технологий: 1) разработка методов выявления вариабельности плодородия почв и состояния посевов; 2) создание туковысевающих механизмов, позволяющих производить дифференцированное внесение агрохимических средств. В связи с этим цель исследования состоит в поиске возможностей реализации методов выявления вариабельности плодородия почв и состояния посевов в робототехнике. Материалы и методы Дистанционные методы идентификации пестроты почвенного плодородия и состояния посевов могут выполняться с использованием авиакосмических снимков, в т.ч. с беспилотных летательных аппаратов (дронов, коптеров). Оригинальные исследования ВНИИА показали, что дистанционное зондирование может проводиться как по открытой (вспаханной), так и по покрытой растительностью почве в радио- и фотодиапазонах электромагнитных волн [2, 3]. Важное значение имеет тот факт, что дистанционная радиолокация позволяет проводить обследование посевов независимо от погоды и времени суток. Успешной оказалась также инфракрасная спектрометрия посевов озимой пшеницы с применением вертолета в обычных (мелкоделяночных) полевых опытах с удобрениями в опытно-производственном хозяйстве «Газырское». Коэффициенты линейной корреляции между величиной сигналов и содержанием общего и нитратного азота в растениях составили 0,8-0,9. В последние годы активно развивается дистанционное зондирование почв и посевов с помощью беспилотников-квадрокоптеров и других низколетящих аппаратов с фиксацией состояния обследуемых объектов на прикрепленные фотокамеры. Это повышает точность и оперативность диагностического обследования, снижает себестоимость диагностических работ. Радиолокационное и фотометрическое дистанционное зондирование почв и посевов с.-х. культур позволяет в режиме реального времени выделять на полях области с различными агрохимическими свойствами для отбора и агрохимического анализа почвенных и/или растительных проб, составлять электронные агрохимические картограммы обеспеченности почв и растений элементами минерального питания. Иначе говоря, методы дистанционного зондирования с применением современных технических средств и компьютерных программ позволяют в оцифрованном виде или визуально выделять на площади полей при определенном масштабе и уровне генерализации элементарные участки как для отбора и агрохимического анализа почвенных образцов, так и для дифференцированного внесения удобрений. Из наземных способов агрохимического обследования почв и посевов следует выделить сеточный метод отбора почвенных проб с использованием роботизированных пробоотборников, оборудованных навигационными приборами. Используя выделенные контуры почвенного плодородия в качестве элементарных ареалов, можно провести по ним отбор почвенных проб и установить уровень обеспеченности почв теми или иными элементами, т.е. составить агрохимическую картограмму поля. Данный метод значительно экономичнее предыдущего, так как исключает «слепой» отбор почвенных проб по частой сетке. Его недостаток - ориентация на отзывчивость определенной культуры на факторы плодородия. Известно, что культуры неодинаково реагируют на почвенные условия, и контуры плодородия, определенные по урожайности этих культур, также различаются. Тем не менее данный способ выявления контуров почвенного плодородия вполне допустим в практике точного земледелия. Применение датчиков, регистрирующих урожайность в процессе уборки с.-х. культур, дает возможность не только составить картограммы урожайности, но и решить ряд других хозяйственных задач. Существует непосредственная связь плодородия почв с их топографией, т.е. различиями в агрохимических и агрофизических свойствах почв на разных участках рельефа. Например, на Центральной опытной станции ВНИИА при анализе почвы агрополигона установлена вполне определенная зависимость кислотности и содержания в почве отдельных элементов питания от особенностей микрорельефа. На повышенных участках из форм минерального азота нитраты превалируют над аммонием, на пониженных - наоборот. Это объясняется миграцией высокоподвижных нитрат-ионов с водными потоками в пониженные участки и их восстановлением до аммония, фиксируемого почвой. Посредством сканирования электропроводности почвы также можно выделить внутрипольные контуры плодородия, поскольку при почти диэлектрических свойствах пород и минералов, образующих почвенный скелет, электропроводность зависит главным образом от ионов, которые преимущественно служат элементами питания растений. По данным исследований [4], коэффициент корреляции между содержанием в почве минерального азота и показателем прямой электропроводности почвенных образцов, отобранных на элементарных участках дерново-подзолистой почвы и приведенных к равновесной влажности, составил 0,85 и был достоверен при уровне вероятности 95% (рис. 1). Дистанционное зондирование, сканирование урожайности и электросканирование почвы, ускоренное топографирование рельефа полей в сочетании с автоматизированным отбором почвенных проб и использованием ГИС-технологий для обработки картографического материала полей позволяют, по сравнению с сеточным методом, существенно сократить затраты на агрохимическое обследование полей за счет уменьшения количества отбираемых почвенных проб. Их отбор проводится не схематически, вслепую, а на элементарных участках, априори различающихся по плодородию и заранее выделенных на электронных картах полей. В целом проблема применения агрохимических средств для оптимизации минерального питания растений существует с античных времен и ввиду ее сложности актуальна до настоящего времени [5, 6]. Ее решали различными способами и с разным успехом [7, 8]. В основном это были расчетные методы оптимальных доз удобрений с использованием в лучшем случае настольных калькуляторов, т.е. по сути вручную. С внедрением персональных компьютеров появилась возможность в определенной степени автоматизировать методы расчета, но, как показала практика, созданные ранее программы базировались на прежних методологических подходах, в частности на методе элементарного баланса, в большинстве случаев учитывающих коэффициенты использования питательных веществ растениями из почвы и применяемых удобрений, что оказалось неприемлемым с практической точки зрения. Приоритет в диагностике азотного питания растений до сих пор остается за фотометрическими методами сканирования вегетирующих посевов ввиду их универсальности и достаточно высокой чувствительности. При определении средней дозы азота для дифференцирования машинами-удобрителями по результатам сканирования предварительно используют портативные фотометры типа Yara, ССМ-200, Crop Circle, «ВНИИА-Спектролюкс», заранее откалиброванные на базе полевых опытов. Затем средняя доза вводится в бортовой компьютер удобрителя и при движении агрегата по полю распределяется в соответствии с показаниями фотосенсора. Результаты и их обсуждение Выявление внутрипольных контуров плодородия возможно также при автоматическом определении урожайности с.-х. культур, главным образом зерновых, в процессе уборки (рис. 2). Расходомер определяет плотность потока проходящего через него зерна. Полученные данные передаются в контроллер. Контроллер по изменяющейся плотности потока зерна и заданному алгоритму определяет урожайность с привязкой к конкретным координатам, полученным с Глонасс-приемника. По полученным данным создается карта урожайности поля, которая сохраняется на встроенном накопителе или передается в облачное хранилище для дальнейшей обработки данных соответствующими службами, что позволяет в дальнейшем разделить участки (контуры) поля по уровню урожайности. В качестве машин-удобрителей при полной роботизации технологий возделывания с.-х. культур могут применяться беспилотные мобильные энергосредства с.-х. назначения (БМЭСХ). Они послужат практической основой перспективного развития роботизированных технологий растениеводства [9]. БМЭСХ - это колесная или гусеничная платформа, на которой размещаются гибридная энергоустановка, аппаратура управления движением, сенсорики и точного позиционирования, машинного зрения, а также управления роботизированными навесными рабочими органами для дифференцированного внесения удобрений [10]. Рабочие органы подразделяются на виды в зависимости от технологий, применяемых в различных областях растениеводства: селекции, семеноводстве и полеводстве, садоводстве и питомниководстве, овощеводстве, в т.ч. тепличном. В ВИМе разработан и изготовлен опытный образец такой платформы (рис. 3) со следующими характеристиками [11]. Габаритные размеры (Д×Ш×В), мм …………………... 1000×1200×400 Мощность электродвигателей, кВт …………………….. 1,5 Тип привода ………………………….……. трехфазный асинхронный Аккумуляторное питание ………………………….…… 12 В; 110 А·ч Передаточное число понижающего редуктора …….…. 15 Момент на выходном валу редуктора, Н·м …………… 145 Время работы до подзарядки, ч ………………………… 4,5 Вес, кг ……………………………………………………. 240 Машинное зрение - неотъемлемый элемент рабочих органов для каждой из областей растениеводства, поскольку значительную часть информации об окружающем мире, в т.ч. о состоянии азотного питания растений (фотометрическими методами при сканировании вегетирующих посевов) получают через зрительные образы, а также системы управления движением, точного позиционирования. Наличие такой информации позволяет роботизированным рабочим органам принимать технологические решения и осуществлять требуемые операции, а БМЭСХ - передвигаться согласно технологическому маршруту. Выводы Рассмотренные методы выявления вариабельности плодородия почв и состояния посевов могут быть реализованы в робототехнических комплексах с.-х. назначения.

About the authors

V. G Sychev

D.N. Pryanishnikov All-Russian Research Institute of Agricultural Chemistry

Email: info@vniia-pr.ru
Academician of the Russian Academy of Sciences, DSc in Engineering Moscow, Russia

R. A Afanas'ev

D.N. Pryanishnikov All-Russian Research Institute of Agricultural Chemistry

Email: info@vniia-pr.ru
DSc in Engineering Moscow, Russia

Z. A Godzhaev

All-Russian Research Institute of Agricultural Mechanization

Email: vim-transport@mail.ru
DSc in Engineering Moscow, Russia

A. P Grishin

All-Russian Research Institute of Agricultural Mechanization

Email: vim-transport@mail.ru
DSc in Engineering Moscow, Russia

A. A Grishin

All-Russian Research Institute of Agricultural Mechanization

Email: vim-transport@mail.ru
PhD in Economics Moscow, Russia

References

Supplementary files