Атлас дронов для сельского хозяйства (СХБЛА) и рынок, 2018-2025 гг.
Точное земледелие или «умное» сельское хозяйство невозможно без получения и обработки первичных данных, поступающих из самых разнообразных источников, но, прежде всего, с беспилотных летательных аппаратов. По сравнению с другими источниками данных (ДЗЗ, сельхозтехника, датчики «в полях» и т.д.) именно дроны генерируют более точные и оперативные данные о состоянии сельскохозяйственных культур, что может помочь фермерам оптимизировать использование ресурсов (семена, удобрения, воду), быстрее реагировать на угрозы (сорняки, вредители, грибки), экономить время, улучшить состав вносимых удобрений, а также повысить свою рентабельность. J’son & Partners Consulting представляет результаты исследования «Атлас дронов для сельского хозяйства (СХБЛА) и рынок, 2018-2025 гг.».
Значение БЛА в сельском хозяйстве
Беспилотные летательные аппараты в сельском хозяйстве (СХБЛА) — это новый, высокоточный способ получения с воздуха визуальных данных в различных спектрах в привязке к координатам местности, а также выполнения ряда важных с/х работ (обработка посевов, высадка деревьев, отпугивание вредителей). Как правило, СХБЛА управляется дистанционно с земли, либо запрограммирован и полностью автономен. Основные задачи большинства моделей СХБЛА используемых сегодня – это сбор разнообразной визуальной информации о состоянии сельхозугодий и орошение полей. Но также растет использование СХБЛА для орошения посадок и выполнения других задач.
СХБЛА используется в качестве элемента т.н. «беспилотной авиационной системы» (БАС), которая включает в себя:
- Непосредственно сам БЛА (дрон)
- Установленные на нём сенсоры
- Бортовое и внешнее программное обеспечение для анализа и визуализации полученных данных
- Систему телеметрии (для управления и передачи картинки в режиме реального времени)
- Блок (пульт) радиоуправления
- Площадки запуска/наклонной стрелы (если требуются)
Работа сельскохозяйственной БАС включает последовательные этапы:
- Планирование миссии
- Выполнение миссии (полет)
- Выгрузка данных с дрона и загрузка в ПО/сервис/облако
- Обработка данных, визуализация на устройствах пользователя
- Формирование отчетов с аналитикой (десктоп, мобильные устройства).
- Интеграция данных в процессы хозяйства/бизнеса/компании
- Формированные скорректированной новой миссии
- Загрузка новой миссии в дрон и остальную с/х технику для исполнения
![\"\"](\"/public/images/general/2018/12/28/20181228121632-3101.jpg\")
Летающие дроны могут быть задействованы практически во всех этапах производственного цикла в сельском хозяйстве, за исключением уборки урожая – в подготовительных работах, посадочных работах, выращивании и защите, анализе и планировании. Они способны за несколько часов работы обследовать сельскохозяйственные участки внушительных размеров, а информация, собираемая с помощью камеры и сенсоров, позволяет фермеру: создавать электронные 3D карты полей, рассчитывать нормализованный вегетационный индекс с целью эффективного удобрения культур, инвентаризировать проводимые работы, охранять сельхозугодия и т.д.
Основные задачи, решаемые с помощью СХБЛА:
- Визуальное наблюдение (съемка в видимом диапазоне, мультиспектральная/спектрозональная)
- Выполнение сельскохозяйственных работ, как уже ставших традиционными (распыление удобрений и химикатов, поливка, посевные работы, отпугивание птиц), так и перспективых (опыление растений, сбор урожая, выпас скота и т.д.)
- Выполнение прочих работ (ретрансляция радио и навигационных сигналов для контроля животных, экологический мониторинг)
Основные барьеры при использовании СХБЛА:
- Приверженность традициям и неготовность использования
- Конкуренция с данными спутникового ДЗЗ
- Технические ограничения
- Финансовые риски
- Нормативные ограничения
Воздушные кодексы многих стран мира, как правило, ограничивает коммерческую или гражданскую эксплуатацию БЛА свыше определенной массы и свыше определенной высоты, и дальности полета, без специального разрешения. Поэтому даже, если технические возможности дрона позволяю покрыть всю территорию поля за один раз, текущее консервативное законодательство не позволяет вылет за пределами видимости оператора. Кроме того, как правило, самолеты и дроны используют т.н. пересекающееся воздушное пространство, по этой причине каждый вылет СХБЛА должен быть заранее согласован с регуляторами воздушного пространства и получен полетный план.
Подходы к оценке целесообразности использования СХБЛА
В настоящий момент в мире нет единой методики и формул оценки целесообразности использования БЛА в разных сферах бизнеса в сравнении с традиционным авиатранспортом. Это связано как с большим числом представленных моделей дронов на рынке, когда их цена и технические возможности отличаются очень существенно, так и с особенностями бизнеса в разных отраслях. Стоимость ежемесячного использование СХБЛА будет отличаться в больших пределах в зависимости от используемой модели и частоты использования.
Крупные агропромышленные конгломераты такие как Monsanto начали оказывать комплексные услуги на базе СХБЛА и специализированного ПО, позволяющего сразу п&
Детальные результаты исследования представлены в полной версии отчета
«Атлас дронов (БЛА) для сельского хозяйства, прогноз 2018-2025 гг.»
Содержание
1. Об исследовании
2. Введение
3. Определение дронов для сельского хозяйства (СХБЛА)
4. Сферы применения дронов в сельском хозяйстве
5. Кейсы применения СХБЛА в мире
5.1. «Лети и смотри» (Россия)
5.2. Агрохолдинг ИМК (Россия)
5.3. Агро-Регион (Россия)
5.4. Syngenta (Россия)
5.5. Подсчет кокосовых пальм (Самоа)
5.6. Планирование оросительных каналов (Нигерия)
5.7. Предотвращение миграций саранчи (Африка)
5.8. Контроль самозахвата земель (Панама)
6. Классификация СХБЛА
7. Экосистема рынка СХБЛА
8. Оценка влияния использования БЛА в сельском хозяйстве
8.1. Проблемы традиционного сельского хозяйства
8.2. Преимущества использования дронов в сельском хозяйстве
8.3. Недостатки использования СХБЛА
8.4. Барьеры использования СХБЛА
8.1. Подходы к оценке целесообразности использования СХБЛА
9. Мировой рынок СХБЛА
10. Перспективы развития рынка СХБЛА
11. Российский рынок СХБЛА
12. Дроны для сельского хозяйства
12.1. 3D Robotics
12.1.1. Aerial Technology International (США)
12.1.2. AeroHawk (США)
12.1.3. Aeromao (Канада)
12.1.4. AeroVironment (США)
12.1.5. AgEagle Aerial Systems (США)
12.1.6. Airborne Robotics (Австрия)
12.1.7. ALTI – Бывший SteadiDrone (ЮАР)
12.1.8. ASTA Technology (Китай)
12.1.9. AX Drones (Китай)
12.1.10. BirdsEye View Aerobotics (США)
12.1.11. Clear Flight Solutions (Голландия)
12.1.12. Delair Technologies Inc. / Trimble (Франция)
12.1.13. DJI (Китай)
12.1.14. DreamEagle (Китай)
12.1.15. Dronee (Эстония)
12.1.16. Droneseed (США)
12.1.17. Foxtech (Китай)
12.1.18. Homeland Surveillance Electronics LLC (США)
12.1.19. Honeycomb (США)
12.1.20. Horus (Бразилия)
12.1.21. Intel - AscTec (Германия)
12.1.22. JMRRC Shenzhen GC electronics Co., Ltd. (Китай)
12.1.23. Joyance Tech (Китай)
12.1.24. Kray Technologies (Украина)
12.1.25. Lockheed Martin (США)
12.1.26. MMC (Китай)
12.1.27. ОКБ “Матрица технологий” (Украина)
12.1.28. ООО \"НПО \"Итек\" (Украина)
12.1.29. Megadrone (Украина)
12.1.30. OpenRobotix Labs (США)
12.1.31. Parrot (Франция)
12.1.32. Precision Hawk (США)
12.1.33. RJX (Китай)
12.1.34. SenseFly - Parrot (Швейцария)
12.1.35. Sentera (США)
12.1.36. SkyDrones (Бразилия)
12.1.37. Skywalker (Китай)
12.1.38. Swift Aeroplanes (США)
12.1.39. Top Flight Technologies (США)
12.1.40. Walkera Technology (Китай)
12.1.41. XactSense (США)
12.1.42. Yamaha Corporation (Япония)
12.1.43. Zerotech (Китай)
12.1.44. Agrofly (Россия)
12.1.45. Агроскан (Россия)
12.1.46. ООО «Геоскан»
12.1.47. ООО «БОЗОН» (Россия)
13. Программное обеспечение для СХБЛА
13.1. AgLeader (США)
13.2. AgPixel (США)
13.3. Agribotix (США)
13.4. AgWorks (США)
13.5. Airinov (Франция) – совместно с Parrot
13.6. Airmap (США)
13.7. BotLink (США)
13.8. Drone Deploy (США)
13.9. Mavrx (США)
13.10. MicaSense (США)
13.11. Myagcentral (США)
13.12. New Science Technologies - Cropio (США)
13.13. Pix4D (Швейцария)
13.14. Precision Hawk (США)
13.15. Sensfly (Швейцария)
13.16. Sentera (США)
13.17. Simactive (Канада)
13.18. SkyWards (США)
13.19. Proagrica - SST Summit (США)
13.20. Trimble (США)
13.21. AgiSoft (Россия)
13.22. Агро Дрон Груп (Россия)
13.23. ExactFarming (Россия)
14. Сенсоры и оборудование
15. Основные выводы
Список рисунков
Рис. 1. Средняя урожайность с/х культур в РФ и в других странах, 2003-2012 гг.(ц/Га).
Рис. 2. Схема работы БАС
Рис. 3. Пример визуальных данных по кадастру
Рис. 4. Пример визуальных данных по определению границ земель
Рис. 5. Пример визуальных данных по подсчету деревьев на участке
Рис. 6. Пример визуальных данных по мониторингу здоровья растений
Рис. 7. Пример визуальных данных по наличию стоячей воды
Рис. 8. «Ковровая» посадка с дронов
Рис. 9. Пример изображения с прогнозом урожайности
Рис. 10. Пример изображения с прогнозом вегетационного индекса (NDVI)
Рис. 11. Пример изображения с прогнозом потребности во внесении азотных удобрений
Рис. 12. Модифицированные мультикоптеры потребительского и коммерческого классов
Рис. 13. Подсчет пальм с помощьью анализа данных аэрофотосъемки с БЛА
Рис. 14. Оценка структуры беспилотной техники в с/х по типам
Рис. 15. Примеры СХБЛА с планером типа «неподвижное крыло»
Рис. 16. Примеры СХБЛА типа «квадрокоптер»
Рис. 17. Пример СХБЛА вертолетного типа
Рис. 18. Пример СХБЛА типа «дирижабль»
Рис. 19. Примеры производителей СХБЛА
Рис. 20. Примеры разработчиков ПО и решений для анализа данных
Рис. 21. Корреляция между уровнем охвата получаемых данных и их детализацеий. Чем выше от земли – тем ниже уровень
Рис. 22. Статус регулирования полетов БЛА в разных странах мира, 2016 г.
Рис. 23. Пример плана миссий максимально разрешенного радиуса в пределах прямой видимости оператора БЛА
Рис. 24. Оценка и прогноз продаж СХБЛА на мировом рынке, млрд долл. США в 2016-2025 гг.
Рис. 25. Прогноз динамики доли СХБЛА в общей структуре рынка БЛА, % от млрд $
Рис. 26. Оценка и прогноз продаж СХБЛА на мировом рынке, единиц в 2016-2025 гг.
Рис. 27. Прогноз динамики доли СХБЛА в общей структуре рынка БЛА, % от единиц в 2016-2025 гг.
Рис. 28. Оценка предложения СХБЛА на мировом рынке по типам БЛА. На основе анализа портфелей крупнейших производителей, 2018
Рис. 29. Оценка предложения СХБЛА на мировом рынке по функциям выполняемым БЛА. На основе анализа портфелей крупнейших производителей, 2018
Рис. 30. Оценка распределения стоимости СХБЛА, 2018 год, в долл. от предложений на рынке
Рис. 31. Оценка распределения стоимости СХБЛА, 2018 год, в долл. от предложений на рынке
Рис. 32. Оценка распределения стоимости мультикоптеров для орошения, 2018 год, в долл. от предложений на рынке
Рис. 33. Корреляция между стоимостью СХБЛА и максимальным временем его полета с нагрузкой, 2018 год
Рис. 34. Оценка доли США в стоимости продаж СХБЛА на мировом рынке в 2018 гг.
Рис. 35. Оценка и прогноз продаж СХБЛА в России, млн. долл.$ в 2016-2025 гг.
Рис. 36. Оценка и прогноз продаж СХБЛА в России, единиц в 2016-2025 гг.
Рис. 37. Доля России в продажах СХБЛА, 2018 и 2025, % от стоимости долл.США и от количества
Рис. 38. Топ регионов использующих ТЗД
Список таблиц
Табл. 1. Модели использования СХБЛА в ТЗД
Табл. 2. Достоинства и недостатки различных типов СХБЛА
Табл. 3. Достоинства и недостатки различных типов СХБЛА
Табл. 4. Матрица выбора целесообразных средств для сбора авиа-данных
Табл. 5. Сравнение доли СХБЛА в стоимости и в объеме
