Способ агрохимической обработки посевов Российский патент 2025 года по МПК A01B79/02 G06F30/27 G01N33/24 A01G7/06 

Изобретение относится к сельскохозяйственной отрасли и может быть использовано предприятиями агропромышленного комплекса (АПК) при создании и эксплуатации автоматизированных и/или автоматических систем агротехнической обработки посевов.

Известен "Способ фотометрической диагностики азотного питания растений с использованием беспилотных летательных аппаратов (БПЛА)» RU 2705549 С1. В данном способе для мониторинга азотного питания растений используется БПЛА, с борта которого производится съемка посевов с последующей камеральной обработкой их изображений. К недостаткам данного способа следует отнести:

- необходимость привлечения к камеральной обработки данных, полученных путем контактных (наземных) измерений N-сенсором, что требует дополнительных затрат времени; при этом результаты этих измерений, сделанных по растениям на контрольных делянках посевов распространяются на все отснятые с БПЛА посевы, что не совсем корректно при использовании наземных данных при оценке обеспеченности азотом всех посевов,

- в результате обработки собранных данных получают только усредненную оценку обеспеченности посевов по всему полю, что приводит при последующем внесении азотных удобрений к погрешностям их внесения, выражающегося в избыточности, либо недостаточности единой дозы внесения для участков посевов и отдельных растений.

Известен также другой способ «Агрохимическое обследование земель сельскохозяйственного назначения» (RU 2705549 С1), обеспечивающий определение обеспеченности почвы гумусом на основании обработки данных дистанционного зондирования (ДЗЗ) и определения двухмерного массива данных о распределении величин отражательной способности почвенного покрова по снимкам, сочетающих данные трех спектральных каналов съемочной аппаратуры (видимый, средний и ближний инфракрасный участки спектра) по всей обследованной площади. Недостатками данного способа являются:

- использование для получения изображений данных ДЗЗ, получаемых с космических аппаратов (КА), что не позволяет гарантировать их получение в любые, наперед заданные даты и время, поскольку съемка поверхности Земли в видимом и ИК диапазонах невозможна при наличии облачности, и, даже, при невысокой или средней бальности облачности над заданным районом съемки, поскольку на части обследуемой территории посевов пригодные для дальнейшей обработки изображения будут отсутствовать,

- в данном способе, также как и в приведенном выше, решается только часть комплексной задачи агрохимической обработки посевов, поскольку они не формируют предложения по рекомендуемым дозам внесения химических, либо органических веществ на обследованных полях.

За прототип выбран способ и система обработки зон посева сельскохозяйственных культур на основании данных мониторинга. В способе осуществляют аэросъемку по меньшей мере одной зоны посева сельскохозяйственных культур, на основании которой получают набор изображений, характеризующих по меньшей мере один тип растительной культуры. Формируют NDVI карту на основании упомянутых данных съемки, отображающую состояние здоровья засеянных культур, причем упомянутое состояние определяется на основании сравнения показателей полученной NDVI карты с эталонными показателями здоровья, соответствующими одному или более типам культур. Определяют по меньшей мере одну зону обработки культур, вид обработки и план обработки растений, включающий маршрут перемещения автоматизированного средства обработки растений для каждой соответствующей зоны на основании упомянутых данных о состоянии здоровья культуры. Передают упомянутые данные о зоне обработки культур и соответствующем виде обработки на по меньшей мере одно автоматизированное средство обработки растений. Осуществляют определенный вид обработки растений в упомянутой зоне с помощью упомянутого автоматизированного средства. Система содержит по меньшей мере одно средство для осуществления аэросъемки зон посева сельскохозяйственных культур, выполненное с возможностью получения изображений упомянутых культур, по меньшей мере одно средство обработки данных, выполненное с возможностью: на основании полученных изображений аэросъемки определять тип по меньшей мере одной растительной культуры; формировать NDVI карту на основании упомянутых данных съемки, отображающую состояние здоровья засеянных культур, на основании сравнения показателей полученной NDVI карты с эталонными показателями здоровья, соответствующими одному или более типам культур; определять по меньшей мере одну зону обработки культур, вид обработки и план обработки растений, включающий маршрут перемещения автоматизированного средства обработки растений, для каждой соответствующей зоны на основании упомянутых данных о состоянии здоровья культуры; передавать упомянутые данные о зоне обработки культур и соответствующем виде обработки на по меньшей мере одно автоматизированное средство обработки растений, выполненное с возможностью обработки растений на основании полученных данных. (Патент РФ №2668319, опубл. 28.09.2018)

К основным недостаткам представленного выше известного технического решения, выбранного за прототип, следует отнести:

- низкую эффективность его (способа) использования в период непосредственно после посева на стадиях вегетации от появления всходов и до достижения листьями отдельных растений размеров, приводящих к их сближению с листьями соседних растений вплоть до превращения в практически сплошной листовой покров, исключающий возможность идентификации на изображениях «вид сверху» отдельных растений, что объясняется определением проблемных участков и проведением подсчета количества растений (биомассы) посевов на полях, а также принятие решения о составе, количестве и зоне внесения СЗР/удобрений/воды и др. на основании индекса NDVI и выборочной листовой диагностики, не применимого для подсчета точного количества и географических координат каждого отдельного растения и/или сорняка и др.; в результате возможно получение только приблизительной, интегральной оценки состояния группы растений и, соответственно, подготовки и реализации программы агрохимической обработки посевов, что существенно снижает ее эффективность, а также неоправданно увеличивает расход вносимого агрохимического средства и/или воды,

- при планировании обработки посевов не учитывается прогноз и фактическое состояние погоды в районе обрабатываемого поля (полей), что также заметно снижает эффективность выполняемых агрохимических работ, особенно при наличии значительных осадков и сильного ветра.

Задача - повышение эффективности положительного воздействия средств защиты растений, удобрений, полива на состояние посевов на всех стадиях вегетации.

Технический результат - повышение эффективности индивидуализированной автоматизированной обработки посевов на всех стадиях вегетации, снижение негативного воздействия на посевы засоряющих и/или повреждающих факторов, снижение количества расходуемых материалов - средств защиты растений, удобрений, воды и др., снижение негативного влияния метеорологических факторов на эффективность обработки посевов, а также, сокращение суммарного времени обработки посевов.

Технический результат достигается способом агрохимической обработки посевов, включающий проведение съемки с помощью беспилотного летательного аппарата или самолета или аэростата по меньшей мере одной зоны посевов сельскохозяйственных культур с помощью по меньшей мере одной камеры, на основании которой получают набор изображений, характеризующих по меньшей мере один вид растительной культуры, определяют по меньшей мере одну зону обработки культур, вид обработки и план обработки растений, включающий маршрут перемещения автоматизированного средства обработки растений для каждой соответствующей зоны на основании данных о состоянии культуры, передают данные о зоне обработки культур на по меньшей мере одно автоматизированное средство обработки растений, определяют площадь засеянной культуры с каждым типом состояния здоровья, включающим в себя по меньшей мере здоровые растения, больные растения без возможности излечения, погибшие растения, больные растения с возможностью излечения, вид обработки растений выбирается из группы: орошение, внесение средств защиты растений (СЗР), внесение удобрений или уборка культур, осуществляют определенный вид обработки, при этом выбирают средство съемки на всех стадиях вегетации растений с требуемым геометрическим разрешением на поверхности Земли, от высокого разрешения в диапазоне 0,01 м - 1,00 м до среднего разрешения в диапазоне 15 м - 100 м, съемку посевов и обработку результатов осуществляют не реже одного раза до и одного раза после обработки посевов на каждой фазе вегетации, обрабатывают каждое изображение из набора, полученного при проведении съемки, программным обеспечением на основе нейронной сети, гарантирующей монотонное снижение ошибок распознавания растений, сорняков и других объектов на изображениях после обработки материалов каждой последующей съемки, выделяют с помощью программного обеспечения на основе нейронной сети на каждом изображении фрагменты поверхности Земли, содержащие только поля с посеянными культурами, отделяя их от дорог, строений, необрабатываемых земель, водоемов и других природных и/или техногенных объектов, распознают с помощью программного обеспечения, основанного на нейронной сети, на выделенных фрагментах изображений фенофазы, виды выращиваемых культур, задавая географическими координатами границы участков их посевов, представленных как минимум одним растением, и задают географическими координатами расположение как минимум одного здорового и/или поврежденного растения, с одновременной оценкой степени его повреждения, а также, вид и географические координаты расположения как минимум одного сорняка и/или иного источники засорения и/или повреждения посевов, путем последовательного сравнения в указанном программном обеспечении изображений всех распознанных на выделенных фрагментах растений, сорняков, и иных источников засорения и/или повреждения посевов, с хранящимися в базе данных эталонными изображениями здоровых и поврежденных в различной степени растений, а также сорняков и/или других источников их повреждения, определяют суммарные количества растений здоровых и/или с одинаковыми степенями повреждения, суммарное количество каждого вида сорняков и/или других источников засорения/повреждения посевов на каждом выделенном участке с посевами одного вида, планируют на основании приведенных выше данных составы и количества агрохимических средств или воды для полива для всех выделенных фрагментов в отдельности и суммарно, по данным метеопрогноза погодных условий, уточненного по измерением метеостанций, расположенных в месте проведения обработки, в районе расположения обследуемых и затем обрабатываемых полей определяют предпочтительные по метеоусловиям интервалы времени для обработки посевов, формируют на основании данных о географических координатах и общих площадях всех участков и/или отдельных растений и/или сорняков каждого вида и состояния посеянных культур, определенных выше, закладывают в бортовую систему обрабатывающего агрегата и реализуют программу индивидуальной обработки посевов в предпочтительные по метеоусловиям интервалы времени, после обработки посевов выполняют их контрольные съемки в задаваемые агрономической службой предприятия интервалы времени, по результатам контрольных съемок определяют эффективность проведенной обработки, корректность выбора средств обработки, метеоусловий, а также фазы вегетации, даты и времени проведения обработки, уточняют рекомендуемые составы и количество средств защиты растений или удобрений, воды, погодные условия и сроки обработки поврежденных посевов, цифровые образы сорняков, здоровых и пораженных растений на основе сохраняемых в банке данных сведений о состоянии посевов до обработки и после нее, а также результатов об эффективности реализованных ранее агрохимических работ. Для рядковых посевов определяют фактическое расположение линии каждого ряда и отклонения географических координат каждого растения от планировавшихся их координат при посеве. Обрабатывают рядковые культуры по заложенным в бортовую программу данным о фактическом расположении рядков. Выбор средств съемки выполняют автоматически. Выбор средств съемки выполняют агрономические службы. Прогнозирование урожайности посевов на обследованной территории осуществляют на ранних стадиях вегетации растений с использованием данных о количестве растений, их состоянии, географических координатах, а также видах сорняков и/или других повреждающих посевы факторов, их количестве и географических координатах.

Повышение эффективности индивидуализированной автоматизированной обработки посевов на всех стадиях вегетации заключается в максимально точной идентификации вида и расположения на поле как культурных растений, так и идентифицированных источников засорения/повреждения посевов, устранение которых обеспечивается за счет внесения средств агрохимической обработки/воды точно по местам нахождения сорняков и/или других засоряющих/повреждающих факторов, в интервалы времени, когда негативное влияние на эффективность обработки посевов таких метеорологических факторов как ветер, дождь, высокая температура воздуха и др. минимально.

Снижение негативного воздействия на посевы засоряющих/повреждающих факторов обеспечивается внесением средств защиты растений/удобрений/воды точно по местам расположения поврежденных растений и/или сорняков.

Снижение количества расходуемых материалов - средств защиты растений, удобрений, воды и др. обеспечивается за счет того, что их дозы рассчитаны индивидуально для каждого растения и/сорняка, что, одновременно, исключает ненужную или вредную обработку других растений и/или участков, находящихся вблизи обрабатываемых участков.

Снижение негативного влияния метеорологических факторов на эффективность обработки посевов обеспечивается выбором на основании прогноза погоды, уточненного по измерениям расположенной вблизи обрабатываемых полей метеостанции, интервала времени обработки, когда отдельные факторы, например, ветер, осадки и т.п., окажут минимальное негативное воздействие на эффективность выполняемой обработки.

Снижение длительности выполнения работ достигается за счет автоматизации анализа изображений посевов, подготовки и закладки в память системы управления наземным и/или воздушным средством обработки программы работ и ее реализации.

Средство съемки на всех стадиях вегетации растений с требуемым геометрическим разрешением на поверхности Земли могут выбираться автоматически или агрономической службой в соответствии с текущей фазой вегетации и требований к точностям распознавания видов, количества и географических координат растений и сорняков, а также источников их повреждений.

Изобретение поясняется:

фиг. 1 - блок-схема последовательности действий,

фиг. 2 - пример хранения и отображения всех получаемых данных в базе данных, входящей в состав наземной/бортовой системы обработки,

фиг. 3 - отображение результатов обработки изображений посевов с помощью нейросети,

фиг. 4 - рекомендации по составам и дозам внесения гербицидов,

фиг. 5 - определение фенофазы посевов,

фиг. 6 - рекомендуемый интервал времени обработки посевов,

фиг. 7 - оценка эффективности проведенной обработки,

фиг. 8 - автоматическая оценка качества сева рядковой культуры,

фиг. 9 - прогноз урожайности, полученный на основе архивных данных об урожаях и обработанных результатах съемок посевов в текущем году.

Пример конкретного выполнения.

Согласно графику обследования участков посевов, разработанному агрономической службой сельскохозяйственного предприятия или в автоматическом режиме, заказывали космическую съемку посевов, либо выполняли полеты одного, или нескольких БПЛА, оснащенных бортовой съемочной аппаратурой, например, фото и/или видеокамерой, сканером видимого и ближнего инфракрасного диапазонов, гиперспектрометром, тепловизором и т.п. Основным критерием выбора средства мониторинга является период развития посевов. На ранних стадиях вегетации, когда всходы и сорняки видны, как отдельные растения, целесообразно использование БПЛА. Высокое (единицы сантиметров) разрешение изображений, полученных с него, позволяли собрать информацию о каждом отдельном растении и/или сорняке и составить индивидуальный график обработки для каждого растения и/или сорняка. На поздних стадиях вегетации, когда практически невозможно различить отдельные растения, космические изображения посевов вполне информативны для принятия решений по обработке посевов. График обследований может быть оперативно скорректирован вследствие возникновения каких-либо непредвиденных обстоятельств (аномально плохие погодные условия, неожиданное появление большого количества мигрирующих вредителей на не запланированных для мониторинга участков посевов и их срочное обследование и др.). В качестве БПЛА может использоваться как аппарат вертолетного типа, например, марки DJI, либо самолетного типа марки Альбатрос.Выбор конкретного типа и количества БПЛА в значительной мере зависит от размеров (площади) полей, подлежащей обследованию. На полях небольших размеров возможно применение БПЛА вертолетного типа, а при необходимости обследования в сжатые сроки сотен-тысяч гектаров посевов, как правило, используются БПЛА самолетного типа. Маршрут полета БПЛА при сплошной, беспропускной, либо выборочной аэросъемке посевов закладывался в память автопилота аппарата. В процессе полета регистрируемые бортовой съемочной аппаратурой изображения посевов направлялись по беспроводному каналу связи в наземный пункт обработки и/или загружались в бортовое запоминающее устройство с последующей передачей этих данных в наземный пункт обработки. Также, при наличии на аппарате бортовой цифровой вычислительной машины (БЦВМ) возможна обработка регистрируемых изображений непосредственно на борту БПЛА.

Зарегистрированные в процессе аэросъемки данные обрабатывались в наземном пункте обработки, либо на борту БПЛА и затем поступали в базу данных наземного пункта обработки (на фигурах для краткости именуется как Система) и/или память БЦВМ, установленную на БПЛА (фиг. 2). Если обработка поступающей информации (изображений) осуществляется в реальном времени, после формирования рекомендаций по составу и дозам внесения СЗР, удобрений, воды и, на их основе, соответствующей программы обработки проблемных участков, возможно совмещение по времени задач аэросъемки и обработки посевов. Обработка изображений проводилась с помощью специального программного обеспечения (СПО) на основе нейронной сети, гарантирующей монотонное снижение ошибок распознавания изображений всходов, сорняков и др. за счет постоянного увеличения в банке данных количества поступающих в обработку изображений после каждой аэросъемки посевов. В частности, в качестве такого СПО могут быть использованы программы: Faster rcnn, DETR, DINO, SWTN и др. По опыту заявителя, на практике свою эффективность подтвердили СПО на базе RetinaNet (как детектор растений), CNN (определяет вид растения и фенофазы культур), ElasticNet (прогноз урожайности), MLR(определение границ полей). Результатами обработки являлись:

- распознанные проблемные участки посевов с указанием для каждого его площади и положения на цифровой карте полей сельскохозяйственного предприятия,

- наименования видов посеянных культур, фенофаз (при необходимости), поражающих/угнетающих посевы факторов и их распределения (вариабельности) по проблемному участку, а для пораженных растений и/или сорняков - количество и географические координаты их расположения (фиг. 3),

- общее количество всходов (на ранних стадиях вегетации, до смыкания в единый массив их листового покрова) с указанием точек отсутствия всхода и/или наличия более одного всхода в данной точке посадки на обследованном поле и, отдельно, на проблемном участке, с указанием географических координат положения каждого (фиг. 4).

Все указанные выше материалы съемки и результаты их обработки поступали в банк данных, где накапливаются аналогичные массивы данных за все время проведения аэросъемок посевов.

По данным метеопрогноза погодных условий в районе расположения обследуемых и затем обрабатываемых полей (температура и влажность воздуха и почвы, направление и скорость ветра, облачность, количество осадков), откорректированного по измерениям метеостанций марки Imetos или аналогов, расположенных вблизи обследованных полей, определяли предпочтительные по метеоусловиям интервалы времени для обработки посевов. Правильный выбор времени обработки весьма существенно влияет на качество обработки проблемных участков, поскольку метеоусловия в процессе агрохимической обработки, особенно, сильный ветер и интенсивный дождь могут практически полностью обесценить действие вносимых СЗР препаратов или удобрений: могут быть быстро смыты (при дожде) с растений, или отнесены ветром в сторону от посевов (фиг. 5).

Далее, на основании результатов обработки материалов проведенной аэросъемки, архивных данных и определенных по прогнозным и измеренным метеоданным предпочтительных интервалов времени проведения обработки посевов, в автоматизированном режиме (фиг. 6) формировалась программа дифференцированной обработки посевов, закладываемая в бортовую систему управления обрабатывающего агрегата, например, с воздуха - дроном марки DJI, или наземным опрыскивателем марки ОПЫТ-3000 с бортовым компьютером Bravo 400s. Суммарный вес и/или объем средств обработки, загружаемых в бортовые контейнеры и/или емкости вышеуказанных агрегатов, рассчитывались на основании размеров обрабатываемого участка посевов и программы дифференцированной агрохимической обработки отдельных растений/сорняков и/или участков посевов.

По заложенной в бортовую систему управления агрегата программе, проводилась агрохимическая обработка проблемных участков посевов.

По прошествии интервала времени, необходимого и достаточного для однозначной оценки результатов проведенной обработки, выполнялась контрольная аэросъемка обработанных участков, в процессе которой получали привязанные к географическим координатам изображения, а затем, после их обработки, новый массив данных о географических координатах проблемных участков посевов, поражающих/угнетающих факторов, их вариабельности по площадям участков, а также количество всходов и сорных растений с привязкой к географическим координатам каждого отдельного всхода/сорняка и точек пропусков/наличия более одного всхода в точках посева. Материалы контрольной аэросъемки и результаты их обработки передавались в банк данных.

Оценка эффективности проведенной агрохимической обработки посевов выполнялась по данным, накопленным в банке данных путем сравнения состояния посевов до и после их обработки. При этом определяли количество оставшихся сорняков, степень пораженности растений вредителями или болезнями и принимались решения о необходимости и экономической оправданность проведения повторных обработок посевов.

По данным съемок до и после обработки посевов, а также результатам определения проблемных участков посевов и др., уточняли с учетом оценки эффективности агрохимобработки цифровые образы сорняков и поврежденных растений, рекомендации по составу, количеству вносимых СЗР/удобрений, норм полива и срокам проведения обработки в данном и последующих циклах (годах) выращивания данной культуры. Делали это в наземном и/или бортовым средстве обработки информации на основе накопленных в базе данных сведений.

По пункту 2, по результатам обработки материалов съемки в наземном пункте или на борту средства съемки посевов рядковых культур (соя, овощные культуры и др.) вскоре после появления и начала роста их всходов, определяли и закладывали в бортовую систему управления (автопилот) обрабатывающего агрегата типа Тримбл и т.п. маршрут перемещения по посевам в точном соответствии с фактической формой линии каждого ряда и координатами всех всходов и/или сорняков внутри и вне ряда, проводя при этом индивидуальную обработку каждого растения и/или сорняка.

По пункту 3. Данный пункт является реализацией программы движения обрабатывающего агрегата по полю и обработки посевов, разработанной в пункте 2.

По пункту 4, выбор средства съемки (из космоса или воздушным средством) выполняли автоматически, путем задания ряда количественных критериев (требуемое разрешение изображений по поверхности Земли, прогноз и/или фактическая бальность облачности над подлежащим съемке участкам посевов, наличие доступа к средствам съемки - космические аппараты, БПЛА и т.п.). Такими средствами съемки являются КА Синтенел, Планет и др., а также специализированные для съемок посевов БПЛА типа Альбатрос.

По пункту 5 действия предполагали ручной выбор средства съемки специалистами агрономических служб предприятия. Данный вариант выбора может реализовываться в сложных случаях, например, когда в базе данных отсутствуют образы пораженных неизвестной болезнью растений, появившихся в посевах сорняков и других ситуациях, не предусмотренных в программном обеспечении по п. 4. Также этот вариант является дублирующим для п. 4.

По пункту 6 помимо своего прямого назначения - планирования и проведения агрохимической обработки посевов, предлагаемый способ позволяет прогнозировать урожайность культур, начиная с ранних стадий вегетации. Это возможно на основании точных данных о количестве, расположении и состоянии каждого всхода и/или сорняка на полях, а также путем уточнения всех этих данных в процессе развития и обработки посевов (фиг. 7).

Таким образом, заявленный способ агрохимической обработки посевов обеспечивает повышение эффективности индивидуализированной автоматизированной обработки посевов на всех стадиях вегетации, снижение негативного воздействия на посевы засоряющих и/или повреждающих факторов,снижение количества расходуемых материалов - средств защиты растений, удобрений, воды и др., снижение негативного влияния метеорологических факторов на эффективность обработки посевов, а также, сокращение суммарного времени обработки посевов.

Изобретение относится к области сельского хозяйства, в частности к автоматизированным и/или автоматическим системам агротехнической обработки посевов. Способ включает проведение съемки с помощью беспилотного летательного аппарата, или самолета, или аэростата по меньшей мере одной зоны посевов сельскохозяйственных культур с помощью по меньшей мере одной камеры, на основании которой получают набор изображений, характеризующих по меньшей мере один вид растения. Определяют по меньшей мере одну зону обработки растений, вид обработки и план обработки растений, включающий маршрут перемещения автоматизированного средства обработки растений для каждой соответствующей зоны на основании данных о состоянии растения. Передают данные о зоне обработки растений на по меньшей мере одно автоматизированное средство обработки растений. Определяют площадь засеянного растения с каждым типом состояния здоровья, включающим в себя по меньшей мере здоровые растения, больные растения без возможности излечения, погибшие растения, больные растения с возможностью излечения. Вид обработки растений выбирается из группы: орошение, внесение средств защиты растений, внесение удобрений или уборка растений, осуществляют определенный вид обработки. Выбирают средство съемки на всех стадиях вегетации растений с требуемым геометрическим разрешением на поверхности Земли, от высокого разрешения в диапазоне 0,01 м - 1,00 м до среднего разрешения в диапазоне 15 м - 100 м. Съемку посевов и обработку результатов осуществляют не реже одного раза до и одного раза после обработки посевов на каждой фазе вегетации. Обрабатывают каждое изображение из набора, полученного при проведении съемки, программным обеспечением на основе нейронной сети. После обработки материалов каждой последующей съемки выделяют с помощью программного обеспечения на основе нейронной сети на каждом изображении фрагменты поверхности Земли, содержащие только поля с посеянными растениями, отделяя их от дорог, строений, необрабатываемых земель, водоемов и природных и/или техногенных объектов. Распознают с помощью программного обеспечения, основанного на нейронной сети, на выделенных фрагментах изображений фенофазы, виды выращиваемых растений, задавая географическими координатами границы участков их посевов, представленных как минимум одним растением, и задают географическими координатами расположение как минимум одного здорового и/или поврежденного растения, с одновременной оценкой степени его повреждения, а также вид и географические координаты расположения как минимум одного сорняка, и/или источника засорения, и/или повреждения посевов, путем последовательного сравнения в указанном программном обеспечении изображений всех распознанных на выделенных фрагментах растений сорняков, и источников засорения и/или повреждения посевов, с хранящимися в базе данных эталонными изображениями здоровых и поврежденных в различной степени растений, а также сорняков и/или источников их повреждения. Определяют суммарные количества растений здоровых и/или с одинаковыми степенями повреждения, суммарное количество каждого вида сорняков и/или источников засорения/повреждения посевов на каждом выделенном участке с посевами одного вида. Планируют на основании приведенных выше данных составы и количества агрохимических средств или воды для полива для всех выделенных фрагментов в отдельности и суммарно. По данным метеопрогноза погодных условий, уточненного по измерениям метеостанций, расположенных в месте проведения обработки, в районе расположения обследуемых и затем обрабатываемых полей, определяют предпочтительные по метеоусловиям интервалы времени для обработки посевов, формируют на основании данных о географических координатах и общих площадях всех участков, и/или отдельных растений, и/или сорняков каждого вида и состояния посеянных растений, определенных выше, закладывают в бортовую систему обрабатывающего агрегата и реализуют программу индивидуальной обработки посевов в предпочтительные по метеоусловиям интервалы времени. После обработки посевов выполняют их контрольные съемки в задаваемые агрономической службой интервалы времени. По результатам контрольных съемок определяют эффективность проведенной обработки, корректность выбора средств обработки, метеоусловий, а также фазы вегетации, даты и времени проведения обработки. Уточняют рекомендуемые составы и количество средств защиты растений или удобрений, воды, погодные условия и сроки обработки поврежденных посевов, цифровые образы сорняков, здоровых и пораженных растений, на основе сохраняемых в банке данных сведений о состоянии посевов до обработки и после нее, а также результатов об эффективности реализованных ранее агрохимических работ. Способ обеспечивает повышение эффективности индивидуализированной автоматизированной обработки посевов на всех стадиях вегетации, снижение негативного воздействия на посевы засоряющих и/или повреждающих факторов, снижение количества расходуемых материалов - средств защиты растений, удобрений, воды, снижение негативного влияния метеорологических факторов на эффективность обработки посевов, а также сокращение суммарного времени обработки посевов. 5 з.п. ф-лы, 9 ил., 1 пр.

1. Способ агрохимической обработки посевов, включающий проведение съемки с помощью беспилотного летательного аппарата, или самолета, или аэростата по меньшей мере одной зоны посевов сельскохозяйственных культур с помощью по меньшей мере одной камеры, на основании которой получают набор изображений, характеризующих по меньшей мере один вид растения, определяют по меньшей мере одну зону обработки растений, вид обработки и план обработки растений, включающий маршрут перемещения автоматизированного средства обработки растений для каждой соответствующей зоны на основании данных о состоянии растения, передают данные о зоне обработки растений на по меньшей мере одно автоматизированное средство обработки растений, определяют площадь засеянного растения с каждым типом состояния здоровья, включающим в себя по меньшей мере здоровые растения, больные растения без возможности излечения, погибшие растения, больные растения с возможностью излечения, вид обработки растений выбирается из группы: орошение, внесение средств защиты растений, внесение удобрений или уборка растений, осуществляют определенный вид обработки, отличающийся тем, что выбирают средство съемки на всех стадиях вегетации растений с требуемым геометрическим разрешением на поверхности Земли, от высокого разрешения в диапазоне 0,01 м - 1,00 м до среднего разрешения в диапазоне 15 м - 100 м, съемку посевов и обработку результатов осуществляют не реже одного раза до и одного раза после обработки посевов на каждой фазе вегетации, обрабатывают каждое изображение из набора, полученного при проведении съемки, программным обеспечением на основе нейронной сети, после обработки материалов каждой последующей съемки выделяют с помощью программного обеспечения на основе нейронной сети на каждом изображении фрагменты поверхности Земли, содержащие только поля с посеянными растениями, отделяя их от дорог, строений, необрабатываемых земель, водоемов и природных и/или техногенных объектов, распознают с помощью программного обеспечения, основанного на нейронной сети, на выделенных фрагментах изображений фенофазы, виды выращиваемых растений, задавая географическими координатами границы участков их посевов, представленных как минимум одним растением, и задают географическими координатами расположение как минимум одного здорового и/или поврежденного растения, с одновременной оценкой степени его повреждения, а также вид и географические координаты расположения как минимум одного сорняка, и/или источника засорения, и/или повреждения посевов, путем последовательного сравнения в указанном программном обеспечении изображений всех распознанных на выделенных фрагментах растений, сорняков и источников засорения и/или повреждения посевов, с хранящимися в базе данных эталонными изображениями здоровых и поврежденных в различной степени растений, а также сорняков и/или источников их повреждения, определяют суммарные количества растений здоровых и/или с одинаковыми степенями повреждения, суммарное количество каждого вида сорняков и/или источников засорения/повреждения посевов на каждом выделенном участке с посевами одного вида, планируют на основании приведенных выше данных составы и количества агрохимических средств или воды для полива для всех выделенных фрагментов в отдельности и суммарно, по данным метеопрогноза погодных условий, уточненного по измерениям метеостанций, расположенных в месте проведения обработки, в районе расположения обследуемых и затем обрабатываемых полей, определяют предпочтительные по метеоусловиям интервалы времени для обработки посевов, формируют на основании данных о географических координатах и общих площадях всех участков, и/или отдельных растений, и/или сорняков каждого вида и состояния посеянных растений, определенных выше, закладывают в бортовую систему обрабатывающего агрегата и реализуют программу индивидуальной обработки посевов в предпочтительные по метеоусловиям интервалы времени, после обработки посевов выполняют их контрольные съемки в задаваемые агрономической службой интервалы времени, по результатам контрольных съемок определяют эффективность проведенной обработки, корректность выбора средств обработки, метеоусловий, а также фазы вегетации, даты и времени проведения обработки, уточняют рекомендуемые составы и количество средств защиты растений или удобрений, воды, погодные условия и сроки обработки поврежденных посевов, цифровые образы сорняков, здоровых и пораженных растений на основе сохраняемых в банке данных сведений о состоянии посевов до обработки и после нее, а также результатов об эффективности реализованных ранее агрохимических работ.

2. Способ агрохимической обработки посевов по п. 1, отличающийся тем, что для рядковых посевов определяют фактическое расположение линии каждого ряда и отклонения географических координат каждого растения от планировавшихся их координат при посеве.

3. Способ агрохимической обработки посевов по п. 2, отличающийся тем, что рядковые растения обрабатывают по заложенным в бортовую программу данным о фактическом расположении рядков.

4. Способ агрохимической обработки посевов по п. 1, отличающийся тем, что выбор средств съемки выполняют автоматически.

5. Способ агрохимической обработки посевов по п. 1, отличающийся тем, что выбор средств съемки выполняют агрономические службы.

6. Способ агрохимической обработки посевов по п. 1, отличающийся тем, что прогнозирование урожайности посевов на обследованной территории осуществляют на ранних стадиях вегетации растений с использованием данных о количестве растений, их состоянии, географических координатах, а также видах сорняков и/или повреждающих посевы факторов, их количестве и географических координатах.