物联网数据收集为精准农业提供支持
编者注：这篇由我们全球总编辑 Rich Quinnell 撰写的文章是 AspenCore Media“农业技术”特别项目的一部分，该项目着眼于物联网、分析和传感器技术正在给农业和粮食生产带来根本性的变化。
两个强大的趋势——物联网 (IoT) 和数据分析——正在为其工业和基础设施应用产生大量压力。但在这些技术的应用中，还有另一个应用领域正在悄然获得动力：食品生产。农民正在通过更有针对性地使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”的出发点是数据，传感器和无线网络在收集数据中起着关键作用。
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。平台类型倾向于使用的传感器和网络技术确实有所不同，尽管也有一些重叠。不过，这些平台共有的一件事是，针对这一应用领域的众多竞争产品的功能集具有巨大的多样性。
图 1 – 多旋翼无人机是一种越来越受欢迎的空中平台，用于中小型农田的精准农业。 （来源：ublox）
空中平台寻求使用遥感从上方收集有关作物和田地的数据。传感器可能位于有人驾驶的飞机或卫星上，但越来越多地由无人驾驶飞行器 (UAV) - 无人机 - 固定翼或多旋翼设计。无人机配备精密定位传感器，如Ublox F9精密GNSS模块，特别适合中小型植物健康监测领域的测量，飞机和卫星提供更大面积的测量。
植物健康监测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 图像传感器的量子效率（即灵敏度），在这种情况下来自安森美半导体，作为波长的函数。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，但即使有蓝色滤光片，红外波长仍具有相当高的灵敏度。因此，大多数通用相机都会在传感器前添加一个红外阻隔滤光片，以便更准确地呈现可见光着色。
图 2 – 典型的彩色图像传感器还包括 NIR 灵敏度，这是通用相机试图过滤掉的。 （来源：安森美半导体）
红外感应
然而，对于植物健康监测，这种红外灵敏度是一种福音。健康植物的叶子会比受胁迫的植物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 NDVI 传感器，如 Sentera AGX710。空中平台提供了用单一系统调查整个田地植物健康所需的视角。
图 3 – NDVI 调查提供了对整个田间植物健康状况的详细洞察，指出水和肥料等资源需要或多或少应用的地方。
物联网技术