智能农业依赖传感器和无线网络

作者：richard quinnell，特别项目总编辑
物联网 (iot) 和数据分析这两个强大的趋势正在为其工业和基础设施应用产生大量新闻。但在这些技术的应用中，还有另一个应用领域正在悄然兴起：食品生产。农民通过更有针对性地利用化肥和水等资源来提高产量、减少损失并降低成本。这种“精准农业”的起点是数据，传感器和无线网络在收集数据方面发挥着关键作用。
精准农业主要涉及三种平台类型：空中、地面移动和固定系统。尽管也有一些重叠，但平台类型倾向于使用的传感器和网络技术确实有所不同。不过，这些平台共享的一件事是，针对这一应用领域的许多竞争产品的功能集具有巨大的多样性。
空中平台寻求使用遥感从上方收集有关农作物和田地的数据。传感器可能位于有人驾驶的飞机或卫星上，但越来越多地由固定翼或多直升机设计的无人机 (uav) 携带。配备精密定位传感器（例如u-blox zed-f9p 精密 gnss 模块）的无人机特别适用于勘测中小型田地以进行植物健康监测，而飞机和卫星则可提供更大区域的勘测。
植物健康监测中的主要传感器是多光谱相机，可以在可见光和近红外 (nir) 光下拍摄高分辨率图像。大多数 cmos 图像传感器可以提供这样的图像，尽管大多数商用相机不能。这种明显矛盾的关键在于过滤。
下图显示了典型 cmos 图像传感器（在本例中来自安森美半导体）的量子效率（即灵敏度）与波长的函数关系。该传感器在典型的拜耳排列中包括内置的红色、绿色和蓝色滤光片，但即使使用蓝色滤光片，在 ir 波长上仍然具有相当高的灵敏度。因此，大多数通用相机在传感器前面添加了一个红外阻挡滤光片，以更准确地呈现可见光着色。
典型的彩色图像传感器还包括通用相机试图过滤掉的 nir 灵敏度。（图片：安森美半导体）
ir 感测然而，对于植物健康监测来说，这种 ir 灵敏度是一件好事。与受胁迫的植物相比，健康植物的叶子会反射更多的红外线并吸收更多的红光。这导致植物科学家将“标准化差异植被指数”(ndvi) - (nir − red)/(nir + red) 定义为植物健康的衡量标准。通过正确的过滤和一些基本的图像处理，cmos 图像传感器可以变成像sentera agx710 这样的 ndvi 传感器。空中平台提供了使用单个系统调查整个田地的植物健康所需的视角。