Door de groeipatronen van gewassen te monitoren, krijgen boeren een sterke indicatie van de potentiële opbrengst, waardoor ze het gewasbeheer kunnen aanpassen om de productie te stimuleren. Nutsvoorzieningen, KAUST-onderzoekers hebben aangetoond dat het gebruik van onbemande luchtvaartuigen (UAV's) met vaste vleugels voor het verzamelen van gegevens over de hoogte van de vegetatie gedurende de gehele gewasgroeicyclus een goedkope, eenvoudige manier om de plantgezondheid op bedrijfsbrede schaal te monitoren.

"Boeren hebben regelmatig problemen met het identificeren van gebieden in hun velden die aandacht nodig hebben:ze kunnen niet zien wat er gebeurt in een veld van 2 meter hoge maïs met een diameter van 800 meter, " zegt KAUST promovendus Matteo Ziliani, die samen met collega's aan het project werkte onder supervisie van Matthew McCabe.

"Bijgevolg, boeren vaak uniform bemesten en watervelden, ongeacht welke gebieden meer of minder nodig hebben. UAV's kunnen helpen bij het realiseren van effectieve precisielandbouw, geld en middelen besparen en gewassen van betere kwaliteit verbouwen.

Ziliani wilde aantonen dat de beeldgegevens die door UAV's worden verzameld, net zo nuttig zijn als gegevens die worden opgehaald door duurdere LiDAR-laserscanning. Om dit te doen, het team nam gedurende het groeiseizoen meerdere foto's van hetzelfde maïsveld van 50 hectare op verschillende punten - een reeks kleurenfoto's gemaakt door UAV en de andere door LiDAR op de grond. De onderzoekers gebruikten elke beeldset om driedimensionale luifelmodellen te bouwen en om te vergelijken hoe nauw de UAV-beelden de nauwkeurige LiDAR-gegevens repliceerden.

"We kunnen driedimensionale modellen van objecten maken met behulp van sets van tweedimensionale afbeeldingen die vanuit verschillende hoeken zijn genomen, op dezelfde manier als het menselijk brein onze binoculaire visie verwerkt, ' zegt Ziliani.

De digitale veldkaarten die zijn gegenereerd met behulp van UAV-gegevens, gaven een nauwkeurige weergave van de gewashoogte in de loop van de tijd, vergelijkbaar met die gemaakt met LiDAR. Ziliani erkent dat er nog meer moet worden gedaan, bijvoorbeeld, de rekenkracht die nodig is om de gegevens te verwerken is momenteel te groot om door een gemiddelde desktopcomputer te worden verwerkt.

Ook, toen de planten nog heel jong waren, de UAV had moeite om hun structurele details op te pikken. Dit kan worden opgelost door op lagere niveaus te vliegen, maar dit beperkt het gebied dat in de beschikbare vliegtijd wordt bestreken, die op zijn beurt gekoppeld is aan de levensduur van de batterij. Inderdaad, de levensduur van de batterij zal moeten worden verbeterd als de UAV-technologie zijn potentieel wil benutten bij het monitoren van gewassen in grotere regio's, op zoek naar gebieden met productief en onproductief land, of stormschade onderzoeken.