数据收获饲料农业 4.0

农民正在收集传感器数据，以从预防性农业转向预测性农业。

从一开始，工业革命就集中在生产过程的自动化上。现在我们进入了工业4.0时代，大部分工业流程都以数据为中心，一般涉及数据操作的五个步骤：采集、传输、存储、分析，最后是展示。最后一步是让人类参与其中，但数据也可以反馈到某些驱动设备，从而将过程带入机器人领域。

在过去的两个世纪里，农业也未能幸免于工业化，近年来，农业 4.0 势头强劲。正如工业生产向数据管理过渡一样，农业现在也走上了这条道路。传统上服务于工业部门的公司现在为农业部门提供类似的以数据为中心的方法，我们甚至看到农业设备制造商扩展到工业设备制造。尽管与传统工业制造业相比，农业通常具有非结构化环境的特点，但以数据为中心的新技术的多功能性正在帮助农业成为一个以与汽车或航空航天相同的方式进行试点的行业。农民和其他工程师一样成为了工程师。

这一切都始于 1990 年代，第一台用于高价值乳制品行业的自动化设备——主要是来自瑞典制造商利拉伐和荷兰 Lely 等公司的挤奶机。与此同时，总部位于日本的 Satake 和总部位于瑞士的 Bühler 等公司开发了谷物，尤其是大米的光学分选机。其中一些分拣技术最终再次用于高端农产品，例如葡萄园葡萄。法国南部的 Pellenc 开发了这种机器人设备，将农民转变为数据科学家。

事实上，一旦新一代农民实现自动化，他们就有机会更进一步，不仅被动地关注他们的产量，而且会主动采取行动来提高农产品的质量和数量。过去的小规模农业经营可以依靠农民的眼睛和直觉来监控日常活动，而今天的大规模农业经营不再依赖于人类的感官。数据技术已成为引导农场朝着正确方向发展的核心。无论是放牧、农作物生产，还是葡萄酒等高端生产，数据都是农业4.0的重点。

相机在农业中的应用

农业数据管理的最佳示例之一是使用无人机对田地进行监控。总部位于巴黎的 Parrot 是该领域的关键参与者，这主要归功于其美国子公司 MicaSense。然而，这家法国公司在 1 月份宣布已同意以 2300 万美元将 MicaSense 出售给总部位于美国的数据收集、分析、航空成像服务和无人机公司 AgEagle Aerial。 MicaSense 开发了一种使用不同波长来计算归一化差异植被指数 (NDVI) 地图的相机，这已成为监测作物生长和发现问题区域的公认方式。现在最先进的方法是将 NDVI 地图下载到拖拉机，从而调整输送到田间的肥料。

美国联邦航空管理局 (FAA) 最近报告称，美国 160 万架注册无人机中有 7% 用于农业用途。这代表了美国有超过 100,000 架活跃的农业无人机。虽然仅占整个商用无人机市场的一小部分，但农业无人机细分市场已成为一个重要的创收现实。数据的收集越来越成为机器人的角色。无论是自动化谷仓、农业无人机还是自动拖拉机，数据都不再是新的石油；这是新作物。

IMU 在农业中的应用

智能农业中使用的机器人分为两大类：空中（无人机）和陆基（如拖拉机和收割机）。在这两种情况下，机器人的功能都依赖于各种类型的传感器。其中一项功能是用于导航和稳定的惯性系统，它必须满足高性能、可靠性和准确性的要求；低偏置漂移；低偏置不稳定性；以及在温度范围内的稳定性能——所有这些都以实惠的价格——来证明投资的合理性。

点击查看全尺寸图片

（来源：Yole Développement）

点击查看全尺寸图片

（来源：Yole Développement）

无人机可以（通过摄像头）监测农田的健康和状况，通常用于中小型农田（<20 公顷）的施肥，作为更昂贵的基于飞机的施肥解决方案的替代方案。将相机对准地面时，无人机导航和稳定非常重要，因为必须知道相机正在捕捉什么。在10米的高度，5°的误差导致80厘米的误差。

虽然 GPS 对无人机导航来说已经足够准确，但相机稳定需要强大的惯性测量单元 (IMU) 解决方案。

用于农业的陆基机器人车辆导航作物行，需要厘米级精度以避免损坏植物。这些机器大多都有精确的GPS系统，可以让司机知道车辆的位置，防止双受精或缺肥。然而，在机器人驾驶的情况下，GPS 可能会受到限制，例如在树下，信号可能会丢失。这就是需要 IMU 或姿态航向参考系统 (AHRS) 解决方案的地方。基于微机电系统 (MEMS) 的 IMU 能够满足陆基应用对高性能、低尺寸、重量、功率和成本 (SWAP-C) 的要求。