Учёные НИУ «БелГУ» разработали метод использования дополненной реальности для увеличения урожая

Исследования и разработка проводились на базе института инженерных и цифровых технологий НИУ «БелГУ» под руководством заведующей кафедрой информационных и робототехнических систем, доктора технических наук, профессора Ольги Иващук. В результате учеными представлены метод, алгоритм и прототип программного решения. Новый подход предлагает интеллектуальное автоматизированное зонирование территорий для повышения урожайности сельскохозяйственных растений. Учёт динамики парникового эффекта поможет лучше спланировать посевные работы и добиться стабильно высокой урожайности.

Предложенная интеллектуальная система работает с учётом различных параметров и переменных: метеорологический фактор, мощность и характер выбросов в атмосферу загрязняющих веществ, температура воздуха, теплообеспеченность почвы, концентрация в приземном слое атмосферы углекислого газа, минеральное питание растений и т.д. На их основе алгоритм строит ГИС и 3D модели, определяет причинно-следственные связи, формирует модель адаптационных сценариев. Информация преобразуется в форму, пригодную для принятия управленческих решений. Точность прогнозов и планирования достигается работой объединенных в общую сеть обмена данными датчиков, сенсоров, газоанализаторов и микроконтроллеров.

– Мы применили свою технологию моделирования и визуализации для разработки прототипа мобильного приложения, которое может наглядно оценить рост и развитие сельскохозяйственных растений на заданной территории. Также оно умеет визуализировать пространственное и временно́е распределение парниковых газов. Для правильной работы ему необходимы камера мобильного телефона и GPS, – рассказывает один из авторов технологии, аспирант Дмитрий Гончаров.

Необходимая для работы приложения информация об этапах роста каждой сельскохозяйственной культуры представлена в базе данных 3D моделей. Для моделирования роста и урожайности культур введенная информация обрабатывается с учетом относимых параметров, а также данных о динамике концентрации на конкретной территории газообразных загрязняющих веществ от стационарных и мобильных источников. Алгоритм формирует конкретное управляющее воздействие, подбирает наилучшие в имеющихся условиях технологии высадки и обработки. Также он позволяет сформировать и рекомендации по выбору севооборота и плана внесения удобрений.

Визуализируются данные благодаря технологии дополненной реальности. 3D модель роста и развития растений выводится как результат влияния параметров моделирования на каждом из четырех этапов развития растения.

Это и новая технология, и новый подход к представлению информации в аграрной науке и практике. Средствами дополненной реальности объект можно визуализировать непосредственно в контексте его эксплуатации. Предлагаемая концепция предлагает более совершенный пользовательский интерфейс для отображения информации за счёт совокупности способов управления и визуализации. Управление ракурсом объекта понятно и эффективно: приложение распознает и реагирует на 15 естественных движений головы пользователя или поворота устройства.

– Наглядное пространственное представление сложных природно-технологических процессов позволит оперативно фиксировать проблемные вопросы и формировать научно обоснованные сценарии управления, – рассказала Ольга Александровна об актуальности разработки.

Разработанную технологию можно эффективно использовать при сравнении и оценке принятых управленческих решений для сельскохозяйственных территорий. Также она позволяет оперативно и наглядно прогнозировать рост и развитие сельхозкультур при сочетании многочисленных факторов, оптимизировать расходы материальных и трудовых ресурсов, сократить негативное воздействие на природную среду.

Работа выполнена при финансовой поддержке гранта Российского научного фонда (проект № 22-11-20016) «Разработка и исследование интеллектуальной системы поддержки принятия решений по адаптации сельскохозяйственных территорий в условиях динамики парникового эффекта».

Подробнее с проведенным исследованием, полученными результатами и пошаговым алгоритмом приложения можно познакомиться в статье: https://ieeexplore.ieee.org/document/10110816 

Для справки: Авторы технологии и прототипа уже имеют опыт результативного использования методов интеллектуального прогнозирования, в частности решения задач визуализации в сфере функционирования автоматизированных систем экологического мониторинга и прогнозирования: исследование и разработка распределенной автоматизированной системы интеллектуального экомониторинга и управления экологической безопасностью городских территориальных агломераций; создание и исследование технологии и прототипа системы интеллектуального экомониторинга, прогнозирования и ситуационного управления биотехносферой сельско-городских территорий; разработка интеллектуальной технологии мониторинга и прогнозирования экотехногенных рисков и управления техносферной безопасностью территорий и др.