Mens vi venter på den fuldautomatiske drone

Forskning Det er næsten kun fantasien som sætter grænser for, hvad der kan kortlægges med en drone. Kan man se det, man ønsker at kortlægge på billederne, kan man som udgangspunkt også lave et kort over det. Det gælder også meget små genstande såsom ukrudtskimplanter.

Jesper4201

Der er næppe tvivl om, at droner vil vinde større indpas i de kommende år. De kan få et reelt gennembrud, hvis fuldautomatiserede droner, som selv kan flyve ud til markerne og indsamle data, bliver tilladt. Der kommer nye EU-droneregler efter nytår, og der åbnes sandsynligvis i et eller andet omfang op for autonome flyvninger uden pilot. Reglerne er dog meget komplekse og handler om flysikkerhed, overvågning og datasikkerhed.

© Jesper Rasmussen
Momentum+

For fotografer, ejendomsmæglere og landmålere er droner blevet et dagligdagsværktøj. Vi har alle set dronebilleder i ejendomsannoncer og dronevideoer i fjernsynsudsendelser.

Når det handler om landbruget, har droner haft noget vanskeligere ved at vinde indpas. Der er dog næppe tvivl om, at de vil vinde større indpas i de kommende år, og at de kan få et reelt gennembrud, hvis fuldautomatiserede droner, som selv kan flyve ud til markerne og indsamle data, bliver tilladt.

Droners rolle og konkurrencesituation

Droner kan udfylde flere roller i landbruget. I Danmark er der næsten udelukkende fokus på deres evne til at indsamle data, men de kan også udføre arbejdsopgaver. Flere steder i Asien bruges de til at sprøjte pesticider ud (sprøjtedroner), men under vore himmelstrøg anses deres potentiale først og fremmest for at ligge i dataindsamling.

Droner konkurrerer med satellitter, når det handler om at dataindsamle, og i en årrække har landbruget satset mere på satellitdata end dronedata. Det skyldes, at det er nemmere at få adgang til satellitdata end dronedata.

Satellitdata er dog ikke bedre. Tværtimod. Droner kan levere mere detaljerede oplysninger om afgrøders vækst og stresspåvirkninger, og de er i modsætning til satellitter upåvirket af skydække.

Der er grund til at antage, at lovgivningen på et tidspunkt kommer på omgangshøjde med teknologien, så det bliver muligt at flyve droner uden pilot.

Med droner kan man detektere små genstande, som ligger langt under satellitters detekteringsgrænse. Det kan fx være kålhoveder eller græskar, som kan tælles og  størrelsesbestemmes før høst. Det kan være plantetal, og det kan være ukrudt og plantesygdomme.

Når satellitter alligevel fremhæves som mere anvendelige end droner, skyldes det ene og alene brugervenligheden, som har vist sig at være afgørende for digitale teknologiers udbredelse. Det viser historien om landbrugets anvendelse af satellitdata også.

Fuldautomatisk monitering af afgrøder

For snart halvtreds år siden blev de første satellitter i Landsat 1-serien sendt i kredsløb, og der var store forventninger til dem i forhold til landbruget.

I mange år opretholdt man forventningerne, selvom der var et ’lille’ problem, som skulle løses, inden de kunne anvendes i praksis: I en lang periode tog det nemlig mindst 4-6 uger af få fat i data, og så var det for sent, hvis man skulle handle i forhold til dem.

Tidligt i satellitternes historie var man klar over, at dataflowet fra satellit til slutbruger skulle forbedres, men der kom til at gå mange årtier, før dataflowet blev så automatiseret, at landmanden havde en reel mulighed for at udnytte satellitdata i produktionen.

I dag findes der flere gratis dataplatforme, hvor man kan hente satellitdata og udarbejde tildelingskort til eksempelvis gødningssprederen, så gødningen bliver fordelt efter afgrødens vækststatus i marken (gradueret tildeling af gødning).

Her kan nævnes CropSat og OneSoil. Der skulle således gå mange årtier fra de første satellitters opsendelse, til man kunne begynde at realisere forventningerne, og det er først nu, at man for alvor kan begynde at vurdere den praktiske værdi.

Droner og piloter

Små civile droner har en ganske kort, men eksplosiv udviklingshistorie. Indsamling og bearbejdning af dronedata er langt hen ad vejen blevet automatiseret inden for de seneste år, selvom der stadig er hurdler, som må ryddes af vejen, før droner kan forventes at få et stort gennembrud i landbruget.

Jesper4202

I modsætning til satellitter kan droner operere under et tæt skydække. Varierende skydække under fotograferingen er imidlertid udfordrende, hvis billedanalysen foretages på grundlag af farver – eller for multispektrale kameraer på grundlag af spektrale refleksioner. På billedet kan man se en ortomosaik, som er sammensat af billeder optaget under varierende skydække.

© Jesper Rasmussen

Den største hurdle er regelsættet omkring brugen af droner. Det siger nemlig, at der altid skal være en dronepilot tilstede, når dronen er i luften. Dette er en afgørende forskel i forhold til indsamling af satellitdata, hvor indsamlingen foregår fuldautomatisk set fra slutbrugerens synsvinkel.

Dronepiloten skal have visuel kontakt med dronen, hvilket betyder, at droner højest må flyve 300-400 meter væk fra piloten. Den væsentligste grund er, at der skal være et menneske til at overvåge luftrummet omkring dronen, så dronen ikke flyver ind i andre flyvende genstande.

Dette er til trods for, at der nu er udviklet sense-and-avoid-teknologi, der kan klare denne opgave lige så godt som mennesker. Der er derfor grund til at antage, at lovgivningen på et tidspunkt kommer på omgangshøjde med teknologien, så det bliver muligt at flyve droner uden pilot.

Med den nuværende teknologi er der ikke behov for en dronepilot. Man kan kvit og frit downloade en autopilot til sin drone, der kan styre selv små, billige droner som DJI Phantom og Mavic droner.

En autopilot er en lille app, som kan installeres på en smartphone eller tablet, og derfra kan alle aspekter af dronens flyvning og billedindsamling planlægges og styres. Til DJI droner, som er langt de mest udbredte i Danmark, kan eksempelvis DJI GS Pro anvendes.

Fuldautomatisk fotogrammetri

Når billederne er indsamlet, skal de sættes sammen til et målfast kort, og i dag behøver man ikke at vide noget om fotogrammetri for at gøre det. Der findes brugervenlige fotogrammetriprogrammer udviklet til dronebilleder, som sætter billederne sammen til såkaldte ortomosaikker, der indeholder geografiske oplysninger, så de kan læses ind i GIS-programmer og traktorcomputere.

Jesper4203

Tidsler detekteret i roer ved hjælp af et kunstigt neuralt netværk (deep learning), som er trænet til at detektere tidsler. Til venstre ses udsnit af ortomosaik og til højre er tidslerne markeret med rødt. Netværket er inspireret af hjernens opbygning og fungerer fint, selvom der er farveforskelle på billederne forårsaget af varierende skydække under fotograferingen. Det neurale netværk er trænet til at detektere tidsler, men er udviklet til andre formål.

© Jesper Rasmussen

Man kan enten selv installere programmerne på sin computer eller lade et firma klare opgaven. Der findes flere forskellige programmer til formålet, fx Pix4Dfields, og flere forskellige firmaer, som kan klare opgaven, fx Solvi.

Hvis man vælger firmaløsningen, er alt, man skal gøre, at uploade billederne til skyen. Derefter får man adgang til den dannede ortomosaik, og så kan man trække en række oplysninger ud, som kan være til gavn i produktionen.

Brugbare oplysninger

Billeddata fra droner har langt flere anvendelsesmuligheder end billeddata fra satellitter, men er man tilfreds med de oplysninger, man kan få fra satellitterne, kan de nemt trækkes ud.

Forsyner man dronen med et multispektralt kamera, kan fotogrammetriprogrammer levere nøjagtigt den samme type kort over afgrødevariationen, som man får fra satellitterne, og de kan også lave tildelingskort, præcis som de dataplatforme, der anvender satellitbilleder.

I modsætning til satellitter kan droner levere mange flere typer oplysninger om afgrøderne end satellitterne. Kortlægning af ukrudt er et godt eksempel, hvor satellitterne ikke kan være med på grund af den lave billedopløselighed. Selv for at detektere store ukrudtsplanter som tidsler kræves der en så fin billedopløselighed, at både nutidens og fremtidens satellitter kommer til kort.

Det er næsten kun fantasien, som sætter grænser for, hvad der kan kortlægges med en drone. Kan man se det, man ønsker at kortlægge på billederne, kan man som udgangspunkt også lave et kort over det. Selv meget små genstande såsom ukrudtskimplanter kan kortlægges. Her må man dog anvende en anden fotograferingsteknik, end den man normalt anvender, hvor hele arealet fotograferes.

Skal man kortlægge små planter, kræves der meget fin billedopløselighed, og dronen skal flyve lavt. Det er uoverkommeligt og økonomisk urentabelt, hvis det er hele marker, som skal fotograferes fra lave højder (fx fem meters højde). Derfor kan firmaer, der behandler dronefotos (fx Solvi), nu også bearbejde billeder, som er taget med en vis afstand (fx i 20 x 20 m grid). I dataanalysen vil der ske en interpolation således, at ukrudtet mellem billederne beregnes ud fra geostatistiske modeller.

Brugervenlighed og automatisering

Det er vigtigt for den videre udvikling, at det er nemt for brugeren at få adgang til de relevante oplysninger, som dronebillederne måtte indeholde, og som kan gøre en forskel i produktionen. På dette område er der endnu meget at gøre, men der sker hele tiden fremskridt.

Jesper4204

Droner kan levere mere detaljerede oplysninger om afgrøders vækst og stresspåvirkninger, og de er i modsætning til satellitter upåvirket af skydække.

© Colourbox

I skrivende stund arbejder SEGES på at kunne tilbyde landmænd at få deres billeder analyseret for tidsler i korn, så de kan pletsprøjte dem i stedet for at sprøjte hele marken. Pletsprøjtning af tidsler baseret på dronefotos har vist sig at være et rentabelt alternativ til sprøjtning af hele marker, og selvom der endnu er vanskeligheder, som skal overvindes, har de første landmænd lært sig teknikken og demonstreret den i 2020.

Det er svært at spå om fremtiden, og forventninger til fremtidens teknologi viser sig ofte at være urealistiske. Når det gælder droner, er der dog et forhold, som skal tages med i betragtning. Udviklingen af droner drives af mange spillere, og der er en enorm efterspørgsel efter droner i den størrelsesklasse, som er relevant for landbruget. I 2020 forventes det eksempelvis, at salget af droner vil overstige én million i Tyskland.

På billedanalysesiden er det heller ikke landbruget, som skal drive udviklingen. Interessen for machine learning og neurale net er enorm, og nye resultater har vist, at det er muligt at anvende neurale net til at detektere ukrudt, selvom de er udviklet til et helt andet formål.

Det skønnes derfor, at i takt med, at softwaren til billedanalysen bliver forbedret, vil dronerne vinde større udbredelse, og når (hvis?) reglerne for droneflyvning bliver lempet, så droner kan indsamle data uden pilot, vil der ske et gennembrud.

Der kommer nye EU-droneregler 1. januar 2021, og der åbnes sandsynligvis i et eller andet omfang for autonome flyvninger uden pilot. Reglerne er dog meget komplekse. Droneregler handler om flysikkerhed, overvågning og datasikkerhed, og luftfarten er ikke meget for at dele luftrummet med droner – derfor har det været meget svært at få moderniseret dronereglerne.

Der er dog nu så stort et pres fra dronesektoren, at autonome droner vil blive en realitet – under skrappe sikkerhedsforanstaltninger.