Моделирование автономных квадрокоптеров в типовых задачах агропромышленного сектора
Ключевые слова:
автономный квадрокоптер, цифровое сельское хозяйство, осмотр местности, геоботанический мониторинг, обработка растений, autonomous quadcopter, digital agriculture, area monitoring, geobotanical monitoring, plant treatmentАннотация
Стремительный рост темпов производства мультироторных беспилотных летательных аппаратов, сопровождаемый непрерывным развитием технологий управления и обработки информации, создает перспективы для применения подобных устройств в широком спектре сельскохозяйственных задач. В настоящем исследовании анализируются подходы к моделированию автономных квадрокоптеров в задачах осмотра открытой местности, технических сооружений, садовых участков, а также для обработки посевных культур. Дана концептуализация процесса, относящегося к формированию иерархии моделей квадрокоптера и внешней среды. Предложена математическая формализация и методика комплексного исследования компьютерных моделей летательных аппаратов. Приводятся результаты модельных экспериментов.
Библиографические ссылки
Постановление Правительства РФ от 5 марта 2021 г. N 325 [Электронный реcурс]. – Режим доступа: https://base.garant.ru/ 400424658, свободный (дата обращения: 22.06.2025).
Материал посадочный плодовых и ягодных культур. Технические условия: ГОСТ Р 59653-2021: национальный стандарт РФ: дата введения 2021-08-26.
Приказ Минсельхоза России от 14.04.2023 N 388 [Электронный реcурс]. – Режим доступа: https://legalacts.ru/doc/prikaz-minselkhoza-rossii-ot-14042023-n-388-ob-utverzhdenii, свободный (дата обращения: 22.06.2025).
Федеральный закон от 19 июля 1997 г. N 109-ФЗ [Электронный реcурс]. – Режим доступа: https://base.garant.ru/11900732/, свободный (дата обращения: 22.06.2025).
Приказ Министерства сельского хозяйства РФ от 21 октября 2020 г. N 622 [Электронный реcурс]. – Режим доступа: https://base.garant.ru/74832099/, свободный (дата обращения: 22.06.2025).
Постановление Правительства РФ от 01 августа 2016 г. N 740 [Электронный реcурс]. – Режим доступа: https://base.garant.ru/71459762, свободный (дата обращения: 22.06.2025).
Торговля. Услуги доставки товаров розничным покупателям. Общие требования: ГОСТ Р 70760—2023: национальный стандарт РФ: дата введения 2023-12-01.
Роботы и робототехнические устройства. Сервисные мобильные роботы. Уровни автономности. Термины и определения: ГОСТ Р 60.6.0.1-2021: национальный стандарт РФ: дата введения 2021-05-20.
О.В. Рогозин, И.С. Пенской, “Метод траекторного управления мультироторным беспилотным летательным аппаратом в задаче следования за объектом,” Образовательные технологии, №. 4, С. 92-110, 2019.
N. Hwang, J. Kim and P. Jung, “Rule-Based Multiple Coverage Path Planning Algorithm for Scanning a Region of Interest,” Drones, vol. 9 (5), pp. 371, 2025.
W. Sun, Z. Luo, K. Huang and J. Shi, “Joint Deployment and Coverage Path Planning for Capsule Airports with Multiple Drones,” Drones, vol. 7 (7), pp. 457, 2023.
E.V. Vazquez-Carmona, J.I. Vasquez-Gomez, J.C.H. Lozada and M. Antonio-Cruz, “Coverage path planning for spraying drones,” arXiv:2105.08743, pp. 1-36, 2021.
N.R. Gatkal, S.M. Nalawade, G.B. Bhanage, R.K. Sahni, A.A. Walunj, P.B. Kadam and M. Ali, “Review of UAVs for efficient agrochemical spray application,” International Journal of Agricultural and Biological Engineering, vol. 18 (1), pp. 1-9, 2025.
S.M.Z. Younis and J. Iqbal, “Estimation of soil moisture using multispectral and FTIR techniques,” The Egyptian Journal of Remote Sensing and Space Science, vol. 18, pp. 151-161, 2015.
S.K. Nagendran and M.A.M. Ismail, “Application of UAV photogrammetry for quarry monitoring,” Warta Geologi, vol. 46 (2), pp. 76-81, 2020.
N.A. Idris, M. Kaamin, A.S. Sarif, M.S.M. Nawawi, H.M. Noh, M. Mokhtar and A.A. Kadir, “High-Rise Building Inspection by Using Unmanned Aerial Vehicles,” Construction Technologies and Architecture, vol. 4, pp. 195, 2023.
S. Alizadehsalehi, I. Yitmen, T. Celik and D. Arditi, “The effectiveness of an integrated BIM/UAV model in managing safety on construction sites,” International Journal of Occupational Safety and Ergonomics, vol. 26 (4), pp. 829-844, 2018.
Y. Li, Z. Li, Y. Liu, G. Sheng and X. Jiang, “Pin Bolt State Identification Using Cascaded Object Detection Networks,” Frontiers in Energy Research, vol. 10, pp. 813945, 2022.
P.Y. Ingle, Y. Kim and Y. Kim, “DVS: A Drone Video Synopsis towards Storing and Analyzing Drone Surveillance Data in Smart Cities,” Systems, vol. 10 (5), pp. 170, 2022.
H.D. Nguyen, B. McHenry, T. Nguyen, H. Zappone, A. Thompson, C. Tran, A. Segrest and L. Tonon, “Accurate Crop Yield Estimation of Blueberries using Deep Learning and Smart Drones,” arXiv:2501.02344v1, pp. 1-30, 2025.
R. Aburasain, E.A. Edirisinghe and A. Albatay, “Drone-Based Cattle Detection Using Deep Neural Networks,” Intelligent Systems and Applications (IntelliSys 2020), pp. 598-611, 2021.
P. Murugaiyan and S. Vijayakumar, “A Solution to Drone Routing Problems using Docking Stations for Pickup and Delivery Services,” Transportation Research Record Journal of the Transportation Research Board, vol. 2675 (1), pp. 1-19, 2021.
Загрузки
Опубликован
Выпуск
Раздел
Лицензия
Copyright (c) 2025 Системная инженерия и инфокоммуникации
Это произведение доступно по лицензии Creative Commons «Attribution-ShareAlike» («Атрибуция — На тех же условиях») 4.0 Всемирная.