Újabb Copernicus műhold vár a kilövésre

Kép: ESA

A Copernicus program

A Sentinel-2A műhold pályára állításával újabb lökést kap az Európai Űrügynökség az ESA (Wikipédia link) Copernicus programja. A műhold nagy mennyiségű távérzékelési adatot fog mezőgazdasági területekről gyűjteni. A nagy-felbontású multispektrális képek használatával a jelenleginél is több információt kapunk a szántóföldekről, így akár a Talking Fields térképekhez hasonló új termékek és szolgáltatások is születhetnek.

Sentinel-2A start élőben

Az ESA a műhold fellövését élőben közvetíti. A start tervezett időpontja közép-európai idő szerint 2015.06.23 03:52, és ezen a honlapon lehet követni. Az Airbus Defence and Space (Wikipédia link) által épített 1140 kg tömegű műhold 786 km magasságban fog a Föld körül keringeni. Ez a második az összesen 10 Sentinel műhold közül, melyeket 2021-ig szeretne az ESA földkörüli pályára juttatni.

SMS a tehéntől

Image courtesy of Master isolated images at FreeDigitalPhotos.net

M2M az állattenyésztésben

A Smart Farming és úgy általában a digitalizáció nem szűkíthető le a mezőgazdaság egyes ágazataira, hanem mindenhol megjelenik, így az állattenyésztés is kiveszi a részét az új megoldásokból. A már viszonylag sok helyen működő M2M technológia (Wikipédia link), azaz a gépek önálló, egymás közötti kommunikációja, kiváló lehetőséget biztosít a szenzoradatok továbbítására és adott esetben a kijelölt emberek riasztásában.

Ivarzás jelzése

A szarvasmarha tenyésztés gazdaságosságának egyik kritikus pontja a szaporodásbiológia. Az ivarzások pontos felismerése és a mesterséges termékenyítés megfelelő időzítése alapvető fontosságú. Ehhez az állományt éjjel-nappal figyelni kell, lehetőleg teljesen automatikusan. A francia Medria cég által kifejlesztett HeatPhone ezt a feladatot veszi át a gazdálkodótól. Az alkalmazott megoldás lényege az, hogy az állatok nyakán olyan szenzorok vannak, melyek többek között az állatok aktivitásáról, mozgásáról gyűjtenek adatokat. Ezek az adatok a mobilhálózaton keresztül jutnak el egy szerverre. Amennyiben a beérkező adatok a termékenyítés lehetőségének közelgő időpontját jelzik, úgy a rendszer egy SMS küldésével riasztja az illetékeseket.

Ellés és takarmányfogyasztás

Az ivarzást figyelő rendszer további komponensekkel is kiegészíthető. A VelPhone a borjú közelgő születésére figyelmeztet SMS küldéssel, míg a SanPhone a tehenek táplálkozását figyeli és ezzel a betegségek korai felismerését segíti.

A fajta helye, szerepe, és a táblán belüli váltogatott fajtahasználattal kapcsolatos kérdések a precíziós gazdálkodásban

A gazdálkodásban általában egységesen művelt földdarabot értünk „termőhely” megnevezés alatt, s e szerint tulajdonítunk neki a tőle természetes vagy mesterséges határokkal elválasztott területektől megkülönböztető sajátságokat. E – legtöbbször pontosan alig ismert – sajátságok összességének eredője alapján minősítjük a termőhelyet, s rendelünk hozzá, termeszthető terményeket, technológiát, minőséget.
A fajta és a termőhely kapcsolatát csak akkor tudjuk igazán kihasználni, ha a fajta tulajdonságairól, különösen ami a tápanyag hasznosító képességet, gyomirtó szer toleranciát és szárazság stresszt illeti, a jelenleginél szélesebb ismeretekkel rendelkezünk. (Figyelemfelkeltő cikk)
Szieberth Dénes

NASA: Drónok vezérlése a mobilhálózat használatával

Mobilhálózat és a drónok

A NASA (Wikipédia link) és a szintén amerikai Verizon (Wikipédia Link) mobilszolgáltató közösen azt kutatja, hogy miként lehet a mobilhálózat segítségével a drónokat irányítani és felügyelni. A kisebb méretű és alacsonyan repülő drónok irányításhoz a szinte teljes lefedettséggel kiépített mobilhálózatok kiváló alapot biztosíthatnak. A Guardian információi szerint az 500.000 US-Dollar költségvetéssel rendelkező projekt célja az, hogy kidolgozza a drónok irányításának rendszerét a mobilhálózat használatával.

Légügyi szabályozás

Az amerikai légügyi hatóság az FAA (Wikipédia Link) javaslata szerint a 25 kilogrammnál könnyebb drónok maximun 160 km/óra sebességgel és 150 méter magasan repülhetnének, valamint a repülés teljes ideje alatt a pilóta látótávolságában kell maradniuk. A projekt egyik célja a mobilhálózat cellái segítségével eljuttatni az irányítási parancsokat a drónnak. A végső cél a teljes távvezérlés a mobil hálózaton keresztül, beleértve a repülés követését és dokumentálását is.

Amazone és Google is fejleszt

A drónok gyors elterjedésére számítva a NASA további fejlesztési segítséget vár olyan nagy cégektől, mint az Amazone és a Google. A Verizon projekt az elvárások szerint már 2017-ben eredményeket hozhat. A kész rendszer tervezett időpontja pedig 2019.

A távérzékelés és a szenzortechnika kombinációja

AO Greenseeker ISOBUS

A precíziós gazdálkodás és a Smart Farming

A Smart Farming egy evolúciós folyamat része, azaz bevezetése egy üzemben nem ugrásszerűen történik, hanem lépésről-lépésre. Ebben a folyamatban egy megkerülhetetlen fokozat a precíziós gazdálkodás megléte, hiszen ez adja a gépi oldalról azt az alapfeltételt, ami az intelligens mezőgazdasághoz szükséges, valamint a másik oldalról ez biztosítja azt a szoftver hátteret, mely a keletkező adatokat feldolgozza és kiértékeli, valamint a gazdaság számára jogszabályokban meghatározott dokumentációkat (pl. Gazdálkodási Napló, permetezési napló stb.) elkészíti. A precíziós gazdálkodás esetében a helyspecifikus anyagkijuttatás, azon belül is elsősorban a műtrágya és vetőmag mennyiségének a szabályozása az, mely a már korábban összegyűjtött adatok kiértékelésén és feldolgozásán alapul. Ezek az adatok lehetnek saját felvételezések, pl. hozamtérkép, lehetnek távérzékelési adatok, pl. Talking Fields térképek és lehetnek laboradatok is, pl. talajvizsgálati eredmények. Az így összeállított adatok lehetnek ugyan nagyon pontosak, de tagadhatatlanul egy vagy több korábbi aratási év eredményeit adják vissza, az aktuális állapotra nem reflektálnak. A múltbeli tényadatokból kényelmesen tudunk a számítógépünkön változtatható anyagkijuttatást vezérlő applikációs térképeket készíteni. Amennyiben valós idejű, az aktuális növényállomány állapotát is figyelembe vevő anyagkijuttatást szeretnénk végezni, akkor már szenzorokra is szükségünk van a vezérléshez.

N-szenzorok

Az utóbbi időben rohamosan terjed a nitrogénszenzorok használata, melyekkel a tápanyag-utánpótlást lehet optimalizálni. A különböző gyártmányú szenzorok nagyon hasonló elven működnek és a növényállomány fejlettségéről és nitrogénellátottságáról az úgynevezett NVDI érték (Wikipédia Link) formájában adnak tájékoztatást. Az NDVI érték közvetlenül felhasználható a műtrágyaszóró vezérlésére. A nitrogénszenzor kizárólagos használatának ugyanaz az előnye, ami egyben a legnagyobb hátránya is: A szenzor csak a valós idejű értékeket veszi figyelembe, így a múltbeli tapasztalatok nélkül, automatikusan az aktuális állapot alapján vezérel, ami nem feltétlenül jelenti az optimális kijuttatást. Az igazi előrelépést az jelenti, ha a múltbeli adatokat (hozamtérkép, Talking Fields, talajvizsgálat) és a valós idejű adatokat (N-szenzor) egymással kombináljuk és így alapozzuk meg a gazdaságilag optimális tápanyag kijuttatást.

A kulcs a Map Overlay

A Map Overlay használatával egyszerűen lehet kombinálni a múltbeli, térkép alapú és a valós idejű adatokat és így a nitrogénkijuttatást még pontosabban lehet szabályozni. A Map Overlay lényege, hogy egy applikációs térkép segítségével korrigáljuk az NDVI adatok alapján kijuttatandó tápanyagmennyiséget. Így roppant egyszerűen lehet az általunk kiválasztott helyekre minimális vagy maximális értéket megadni, függetlenül attól, hogy az NDVI érték szerint az adott pontra kevesebb vagy több lenne a tápanyag-kijuttatás. Természetesen ez csak akkor működik, ha a rendszerünk összes eleme, hardver és szoftver egyaránt, támogatja ezt megoldást.

Egy gyakorlati példa

A valóságban a Map Overlay felhasználása a következő példában részletezett módon zajlik. Első lépésként feldolgozzuk az érintett táblák Talking Fields alaptérképeit az AO Agrár-Office programcsomag segítségével, majd adott esetben a talajvizsgálati eredményeket is figyelembe véve, elkészítjük a programmal a Map Overlay applikációs térképet. Az applikációs térkép alapján elkészített feladatot (előírást) a szokásos módon feltöltjük egy John Deere Greenstar 2630 (GS3) monitorra. Ezután a traktorunkra felszerelt AO Greenseeker ISOBUS nitrogénszenzorunkkal úgy vezérelhetjük a GS 2630 monitoron keresztül az ISOBUS (Wikipédia Link) műtrágyaszórónkat, hogy az aktuális NDVI érték alapján meghatározott szórási mennyiség a Map Overlay applikációs térképpel korrigálásra kerül. Miután az AO Greenseeker ISOBUS eszköz esetében tetszőlegesen határozhatjuk meg az adott NDVI tartományhoz tartozó kijuttatási értékeket a Greenstar monitoron, így a teljes kijuttatási stratégia a kezünkben marad. Ez egyben ennek, az itt felvázolt rendszernek a legfontosabb jellemzője is. Az összegyűjtött és feldolgozott adatok, továbbá a valós idejű szenzoradatok összehangolásával és együttes alkalmazásával pontosan az a stratégia kerül megvalósításra (adott helyen, adott mennyiségű műtrágya kijuttatása), amit szakmailag a legjobbnak tartunk.

Az AGATA projekt – Nagy mennyiségű komplex adat feldolgozása

Image courtesy of Stuart Miles at FreeDigitalPhotos.net

A mezőgazdasági termelés során keletkező adatok és információk mennyisége a modern gépek és új technológiák használatával ugrásszerűen nő. Az adatok gyűjtésével, feldolgozásával, kértékelésével és összekapcsolásával új, eddig feltáratlan lehetőségek nyílnak meg a felhasználók előtt. Az egyre gyorsabb számítógépek, az új programok és intelligens algoritmusok használata lehetővé teszi, a Big Data összefüggéseinek felismerését és az információk új szemszögből történő interpretálását.
Az AGATA projekt célkitűzése, egy olyan önállóan is tanulni képes segítő rendszer kifejlesztése, mely a termelés során keletkező adatok figyelésével és kiértékelésével összefüggéseket talál a termelési folyamat, a gépbeállítások és az egyéb külső tényezők között. A rendszer hibáiról és eltéréseiről nyert információk komoly segítséget nyújtanak a gépek használatának optimalizálásában és az egész termelés hatékonyabbá tételében.
Természetesen egy ilyen rendszer rendkívül komplex, hiszen ha csak az aratást vesszük példának, már akkor jól látható, hogy egy mai korszerű kombájn akár 500 szenzor- és paraméteradatot is produkálhat, részben másodpercenkénti gyakorisággal. A beállítások és a külső tényezők (pl. tábla hossza, lejtése, napsugárzás, szél, csapadék stb.) függvényében nagy mértékben változhat az aratás hatékonysága. Első körben itt a legfontosabb feladat az adott helyzetnek optimálisan megfelelő gépbeállítás, mely a keletkezett adatok elemzésével érhető el.
Az AGATA projekt DFKI sajtóközleménye itt érhető el, német nyelven (AGATA projekt).

A digitalizáció jogi kockázatai

Image courtesy of renjith krishnan at FreeDigitalPhotos.net

Új jogi kérdések

A termelés digitalizálásával nemcsak új esélyek nyílnak meg, hanem új kockázatok is napvilágra kerülnek. Ezek közül az egyik lényeges elem azoknak a jogi kérdéseknek a feltérképezése, melyek a az új technológiák és a digitalizáció elterjedésével törvényszerűen megjelennek. A robotok és automaták, az autonóm módon (önállóan) közlekedő eszközök (traktorok, kombájnok, drónok, autók stb.), de még a dolgok internete (IoT) is, nagyon komolyan feszegeti a termékfelelősség kérdésének jelenleg használatos határait. Ki a felelős, ha egy robot balesetet okoz? Ki tartozik kártérítéssel? A gyártó? Az üzemeltető? A jogászoknak azonban nemcsak a klasszikus jogi kérdéseket kell tisztázniuk, hanem komplex technikai, technológiai összefüggéseket is meg kell érteniük. Ebben a szituációban a nagy multinacionális konszernek természetesen nagy előnnyel rendelkeznek a technológiai és infokommunikációs szektorban nagy számmal jelenlévő és az innováció egyik fő hajtóerejeként működő startup (Wikipédia link) cégekkel szemben.

Termékfelelősség

A termékfelelősség speciális esetét képezik a szoftverekkel kapcsolatos jogi kérdések, hiszen különösen a felhő alapú (cloud) szolgáltatások esetében nem léteznek sem országhatárok, sem egyéb területi kötöttségek, mint például a cég falain belüli vagy azon kívüli programhasználat.
A termelés digitalizációjával együtt jár, hogy egy esetlegesen fellépő hiba esetén sokkal nehezebb lesz beazonosítani, hogy a folyamat mely részében keletkezett a hiba, és ki az aki ezért felelős.

Adatbiztonság és tulajdon

Egy további központi téma az adatbiztonság, hiszen egy cég összes adata, dokumentuma, digitális formában megszerezhető úgy, hogy adott esetben nincs is szükség a fizikai hozzáférésre. Nemcsak a belső hálózatokat, számítógépeket kell megfeleően védeni a külső támadások, kémkedések ellen, de a munkatársaknak is tisztában kell lenniük azzal, hogy egy titkosítás nélküli pendrive, vagy egy jelszó nélküli smartphone milyen következményekkel járhat. Arról nem is beszélve, hogy hány esetben hordozzák egy cég szinte minden adatát egy olyan laptopon, melynek merevlemeze sem titkosítva nincs, sem távolról nem törölhető.
Az adatokkal kapcsolatban is várhatók új jogi felvetések, hiszen gyakran nem egyértelmű, hogy az adott információ, fájl, vagy adat kinek a tulajdona. Mikor van egy adat “céges” tulajdonban és mikor számít az köztulajdonnak. A jövő adatkezelését a Big Data (Wikipédia link) és a kiértékeléseket, analíziseket végző adatbankok fogják meghatározni. Az ezekkel kapcsolatos jogi szabályozások is meglehetősen hézagosak, különösen nemzetközi viszonylatban.

Üzemanyagcellás drón akár 4 óra repülési idővel

A drónok használhatóságának egyik legnagyobb korlátja a rövid üzemidő. A legtöbb eszköz kevesebb mint 30 percet tud a levegőben tölteni, majd az akkumulátor hosszadalmas újratöltése következik. A szingapúri Horizon Unmanned Systems cég egy olyan üzemanyagcellával (Wikipédia Link) működő drónt fejleszt, mely akár 4 órát is képes a levegőben tölteni. A jármű a repüléshez szükséges elektromos áramot hidrogénből nyeri, üzemanyagcella segítségével.
A Hycopter névre keresztelt drón 120 gramm hidrogént tárol a vázszerkezetében 350 bar nyomáson. Ennek eredményeképp nincs szüksége külön üzemanyagtartályra. A Hycopter jelenleg még csak egy prototípus, a sorozatgyártás kezdete és a vételár még nem ismert.
Amennyiben egy jelentősen megnövelt repülési idő a mezőgazdasági használathoz nélkülözhetetlen kiegészítőkkel (kamera, szenzorok stb.) is realizálható, úgy a növénytermesztésben nagy előrelépést jelentene a mostani drónokkal szemben.

“Brillo”: A Google új operációs rendszere a dolgok internete (IoT) számára

Image courtesy of mapichai at FreeDigitalPhotos.net

Egyes hírek szerint a Google már gőzerővel dolgozik egy olyan új operációs rendszeren, mely a dolgok internete (IoT) számára készül. A “Brillo” kódnévre keresztelt operációs rendszer az Android családba tartozik, és olyan energiatakarékos, kisméretű számítógépekre készül, melyek a különböző használati eszközök internetre jutását biztosítják. A Brillo számára akár 32 MB memória is elegendő lehet. A kiszivárgott információk szerint a Brillo a Google Nest rendszerétől független, de azzal kompatibilis lesz.
A dolgok internete (IoT) a prognózisok szerint a következő évek egyik leggyorsabban fejlődő piaca lehet, melyről már egy korábbi blogbejegyzésben is beszámoltunk.

Az állatjólét monitoring rendszerének kiépítése

Image courtesy of bandrat at FreeDigitalPhotos.net

A Smart Farming nem csak a növénytermesztést érinti, hanem a teljes mezőgazdaságot, így magától értetődően az állattenyésztést is. Egy igen érdekes pályázati kiírást jelentetett meg a német agrártárca, melyben egy olyan monitoring rendszer kifejlesztését támogatja, mely megbízható módon dokumentálja az állatok közérzetét. A monitoring rendszer lefedi a termelés teljes folyamatát, azaz a születéstől a vágóhídig követni kell, hogy az állatok közérzete hogyan változik. A cél teljesen világos, hiszen az egészséges, jó közérzetű állat tartása nyilvánvalóan gazdaságosabb, jobban termel és az olyan ráfordítások is, mint pl. a gyógyszerek, jóval kisebbek. Persze a kérdést nem lehet pusztán ökonómiai szinten kezelni, hiszen az ember etikai felelőssége az állatok iránt alapvetően meghatározza kapcsolatunkat az állatjólléttel.
A monitoringrendszer kifejlesztése során fel kell térképezni azokat a paramétereket, melyek jól mérhetők és megbízhatóan utalnak az állatok közérzetére. Ezek a paraméterek állatfajonként eltérhetnek egymástól, sőt egy adott fajon belül is jelentős különbségek lehetnek mondjuk egy tej- vagy húshasznú szarvasmarha között. Az adatgyűjtést automatikusan a célnak megfelelő szenzorokkal lehet végezni, melyek lehetnek egyszerű lépésszámlálók, vagy mozgásérzékelők is. Valószínűleg olyan szenzorokra is szükség lesz, melyek bizonyos élettani paramétereket mérnek. A keletkező adatokat össze kell gyűjteni majd feldolgozni, hogy következtetéseket vonhassunk le, mind az egyes állatok, mind az egész állomány közérzetéről.