مطالعه موردی: استفاده از ماژول‌های دوربین در پهپادهای کشاورزی – تحول در کشاورزی دقیق برای افزایش محصول، پایداری و سود

ساخته شده در 11.14

صنعت کشاورزی جهانی با یک عمل تعادل بی‌سابقه مواجه است: تأمین غذا برای 9.7 میلیارد نفر پیش‌بینی شده تا سال 2050 در حالی که با تغییرات اقلیمی، کاهش زمین‌های قابل کشت و افزایش هزینه‌های ورودی دست و پنجه نرم می‌کند. برای دهه‌ها، کشاورزان به نیروی کار دستی، حدس و گمان و شیوه‌های یکسان برای همه تکیه کردند—که اغلب منجر به استفاده بیش از حد از آب، کودها و آفت‌کش‌ها، هدر رفت منابع و تولیدات نامنظم محصولات شد. امروز، کشاورزی دقیق (PA) در حال تغییر شکل این بخش است و در قلب این تحول یک فناوری حیاتی قرار دارد: ماژول‌های دوربین برای پهپادهای کشاورزی.

متفاوت از پهپادهای مصرفی با دوربین‌های پایه، پهپادهای مخصوص کشاورزیماژول‌های دوربینطراحی شده‌اند تا داده‌هایی را جمع‌آوری کنند که چالش‌های واقعی کشاورزی را حل می‌کند—از تشخیص زودهنگام آفات تا آبیاری با نرخ متغیر. این مطالعه موردی به دو پیاده‌سازی واقعی (یک مزرعه غلات با اندازه متوسط در ایالات متحده و یک کشت نخل روغنی بزرگ در برزیل) می‌پردازد، فناوری دوربینی که انتخاب شده و تأثیر قابل اندازه‌گیری بر محصول، هزینه و پایداری.

درک ماژول‌های دوربین پهپاد کشاورزی: فراتر از "عکس گرفتن"

برای درک ارزش آن‌ها، تشخیص ماژول‌های دوربین با درجه کشاورزی از دوربین‌های مصرفی استاندارد بسیار مهم است. این ابزارهای تخصصی برای جمع‌آوری داده‌های کشاورزی قابل اقدام طراحی شده‌اند، نه فقط تصاویر. رایج‌ترین انواع مورد استفاده در کشاورزی دقیق شامل:

1. ماژول‌های دوربین RGB

پایه‌گذاری تصویربرداری با پهپادهای کشاورزی، دوربین‌های RGB (قرمز-سبز-آبی) نور مرئی را ضبط می‌کنند—مشابه دوربین‌های گوشی‌های هوشمند اما بهینه‌سازی شده برای ثبات پهپاد و نقشه‌برداری با وضوح بالا. آن‌ها در ایجاد نقشه‌های 2D/3D از مزارع، شناسایی فرسایش خاک، پیگیری چگالی ایستادن گیاهان و تشخیص ناهنجاری‌های بزرگ‌مقیاس (مانند خسارت سیل یا آلودگی علف‌های هرز) برتری دارند. ماژول‌های RGB مدرن برای کشاورزی معمولاً شامل ویژگی‌هایی مانند شاترهای مکانیکی (برای جلوگیری از تاری حرکت در حین پرواز) و دامنه دینامیکی بالا (HDR) برای مدیریت نور خورشید درخشان یا ردیف‌های سایه‌دار هستند.

2. ماژول‌های دوربین چندطیفی

"اسب بارکش" کشاورزی دقیق، دوربین‌های چندطیفی نوری را فراتر از طیف مرئی ضبط می‌کنند—معمولاً نزدیک به مادون قرمز (NIR)، لبه قرمز و گاهی اوقات باندهای آبی یا سبز. گیاهان بر اساس سلامت خود، نور را به طور متفاوتی منعکس و جذب می‌کنند: محصولات تحت استرس (از خشکسالی، کمبود مواد مغذی یا بیماری) نور NIR کمتری نسبت به گیاهان سالم منعکس می‌کنند. با تجزیه و تحلیل این امضاهای طیفی، کشاورزان می‌توانند مشکلات را هفته‌ها قبل از بروز علائم بصری شناسایی کنند (به عنوان مثال، کمبود نیتروژن یا آفت زودرس در گوجه‌فرنگی‌ها).

3. ماژول‌های دوربین حرارتی

تصویرسازی حرارتی الگوهای حرارتی را شناسایی می‌کند و آن را برای مدیریت آبیاری و شناسایی آفات ایده‌آل می‌سازد. گیاهان سالم آب را تبخیر می‌کنند که باعث خنک شدن برگ‌های آن‌ها می‌شود—بنابراین مناطق خنک‌تر در یک مزرعه معمولاً نشان‌دهنده رطوبت کافی هستند، در حالی که نقاط گرم‌تر ممکن است نشانه‌ای از استرس خشکی باشند. ماژول‌های حرارتی همچنین به شناسایی نقاط داغ آفات (به عنوان مثال، کلونی‌های حشراتی که حرارت تولید می‌کنند) یا شناسایی خاک آب‌زده (که حرارت را به طور متفاوتی نسبت به خاک خوب زهکشی شده نگه می‌دارد) کمک می‌کنند.

4. ماژول‌های دوربین هایپر طیفی (نوظهور)

در حالی که به دلیل هزینه‌های بالاتر کمتر رایج هستند، دوربین‌های هایپر طیفی صدها باند طیفی باریک را ضبط می‌کنند و بینش‌های فوق‌العاده دقیقی در مورد بیوشیمی محصولات کشاورزی (مانند محتوای کلروفیل، سطح قند یا وجود سموم) ارائه می‌دهند. آن‌ها به طور فزاینده‌ای در محصولات با ارزش بالا (مانند انگور، کانابیس) یا کاربردهای تحقیقاتی استفاده می‌شوند.

جادوی این ماژول‌های دوربین در ادغام آن‌ها با نرم‌افزار پرواز پهپاد و پلتفرم‌های تجزیه و تحلیل کشاورزی نهفته است. داده‌های تصویری خام به بینش‌های قابل اقدام تبدیل می‌شوند—مانند نقشه‌های کاربرد متغیر (VRA) برای کودها یا مناطق اسپری هدفمند آفت‌کش—که نیاز به تفسیر داده‌های طیفی پیچیده توسط کشاورزان را از بین می‌برد.

مطالعه موردی ۱: مزرعه غلات با اندازه متوسط (آیووا، ایالات متحده) – افزایش عملکرد ذرت/سویا با دوربین‌های چندطیفی + RGB

پس‌زمینه

مزرعه خانواده اسمیت یک عملیات ۵۰۰ هکتاری در مرکز آیووا است که ذرت (۳۰۰ هکتار) و سویا (۲۰۰ هکتار) را به صورت تناوبی کشت می‌کند. به مدت چند دهه، این مزرعه به گشت‌زنی دستی (۲–۳ کارگر که بیش از ۱۰ ساعت در هفته در فصل اوج کار می‌کنند) و کاربرد یکنواخت کود متکی بود. تا سال ۲۰۲۱، چالش‌هایی بروز کرد: افزایش هزینه‌های کود نیتروژنی (افزایش ۶۰ درصدی نسبت به سال گذشته)، عملکرد نامنظم در مزارع (به دلیل باروری متغیر خاک) و دشواری در شناسایی زودهنگام فشار آفات (مانند کرم ریشه ذرت) قبل از گسترش آن.

هدف

هزینه‌های ورودی (کود، آفت‌کش‌ها) را بیش از ۱۰% کاهش دهید، تولید را بیش از ۸% افزایش دهید و زمان بررسی را ۵۰% کاهش دهید—همه این‌ها در حالی که تأثیرات زیست‌محیطی را به حداقل می‌رسانید.

انتخاب و پیاده‌سازی ماژول دوربین

مزرعه با یک ارائه‌دهنده کشاورزی دقیق همکاری کرد تا پهپادهای DJI Agras T40 را که با دو ماژول دوربین مجهز شده‌اند، مستقر کند:

• ماژول دوربین RGB DJI P1: ۴۵ مگاپیکسل، شاتر مکانیکی، قابلیت‌های HDR برای نقشه‌برداری سه‌بعدی و تحلیل تعداد ایستاده.

• ماژول دوربین چندطیفی MicaSense Altum: 6 باند (RGB، NIR، لبه قرمز، حرارتی)، وضوح 12 مگاپیکسل و کالیبراسیون برای داده‌های یکسان در پروازها.

فرآیند پیاده‌سازی ساده بود:

1. برنامه‌ریزی پرواز: پهپادها به گونه‌ای برنامه‌ریزی شده بودند که در ارتفاع 400 فوتی از سطح زمین با سرعت 15 مایل در ساعت پرواز کنند و در 3 پرواز (تقریباً 2 ساعت در مجموع) هر 2 هفته در طول فصل رشد (مه–اوت) تمام مزرعه را پوشش دهند.

2. پردازش داده‌ها: تصاویر به یک پلتفرم تحلیلی (AgriTech Insights) بارگذاری شدند که تولید کرد:

◦ نقشه‌های NDVI (شاخص تفاوت نرمالized پوشش گیاهی) برای شناسایی تغییرات سلامت محصول.

◦ گزارش‌های شمارش ایستاده برای ارزیابی موفقیت جوانه‌زنی.

◦ نقشه‌های کاربرد نیتروژن با نرخ متغیر (VRN) متناسب با نوع خاک و سلامت محصول.

3. عمل: دستگاه کاشت/پخش‌کننده کود جان دیر مزرعه با نقشه‌های VRN همگام‌سازی شده و 15–20% نیتروژن کمتری در مناطق با سلامت پایین (جایی که محصولات نمی‌توانستند از مواد مغذی اضافی استفاده کنند) و 5–10% بیشتری در مناطق با پتانسیل بالا اعمال شد. بررسی‌ها تنها بر روی "مناطق هشدار" که توسط داده‌های چندطیفی علامت‌گذاری شده بودند، متمرکز بود و نه بررسی‌های تصادفی در مزرعه.

نتایج (2022 در مقابل 2021)

• افزایش عملکرد: عملکرد ذرت از ۲۱۰ بوشل در هکتار به ۲۳۵ بوشل در هکتار (+۱۱.۹٪) افزایش یافت؛ عملکرد سویا از ۶۵ بوشل در هکتار به ۷۲ بوشل در هکتار (+۱۰.۸٪) افزایش یافت.

• صرفه‌جویی در هزینه: هزینه‌های کود نیتروژنی به دلیل کاربرد هدفمند ۱۸٪ کاهش یافت (تقریباً ۳,۲۰۰ دلار در مجموع). استفاده از آفت‌کش‌ها پس از شناسایی زودهنگام کرم ریشه ذرت ۱۲٪ کاهش یافت که اجازه داد تا اسپری نقطه‌ای به جای درمان‌های کامل مزرعه انجام شود.

• کسب بهره‌وری: زمان جستجو ۶۵٪ کاهش یافته است (از ۱۰+ ساعت در هفته به ۳–۴ ساعت در هفته)، که نیروی کار را برای وظایف دیگر آزاد می‌کند.

• تأثیر زیست‌محیطی: کاهش نشت نیتروژن (که از طریق آزمایش‌های خاک اندازه‌گیری شده) به میزان ۲۲٪، هم‌راستا با ابتکارات کیفیت آب آیووا.

نکته کلیدی

برای مزارع متوسط، ترکیب ماژول‌های دوربین RGB و چندطیفی بازگشت سرمایه فوری را با پرداختن به دو نقطه درد بحرانی ارائه می‌دهد: هزینه‌های اضافی بر روی ورودی‌ها و نیروی کار ناکارآمد. خانواده اسمیت اشاره کردند که "هشدار زودهنگام" از داده‌های چندطیفی تغییر دهنده بازی بود: "ما معمولاً کمبود مواد مغذی را زمانی پیدا می‌کردیم که ذرت قبلاً زرد شده بود—خیلی دیر برای اصلاح. اکنون ما مشکلات را زمانی می‌بینیم که برای چشم نامرئی هستند و بلافاصله کود را تنظیم می‌کنیم."

مطالعه موردی ۲: کشت نخل روغنی در مقیاس بزرگ (ماتو گروسو، برزیل) – دوربین‌های حرارتی + چندطیفی برای مدیریت آبیاری و بیماری

پس‌زمینه

AgroBrasil Plantations مدیریت 10,000 هکتار نخل روغن در ایالت ماتو گروسو برزیل را بر عهده دارد - یکی از تولیدکنندگان پیشرو روغن نخل در جهان. این کشتزار با دو چالش فوری مواجه بود:

1. ضایعات آبیاری: با دسترسی محدود به آب شیرین (وابسته به بارش‌های فصلی و یک مخزن)، آبیاری یکنواخت منجر به هدر رفتن 25% از آب در مناطق اشباع شده بود، در حالی که 15% از کشت تحت استرس خشکی قرار داشت.

2. بیماری لکه برگ: یک بیماری قارچی (Mycosphaerella fijiensis) به سرعت در حال گسترش در سراسر کشتزار بود و باعث ریزش برگ و 8–10% کاهش محصول سالانه می‌شد. پایش دستی 10,000 جریب کند و نامنظم بود که منجر به تأخیر در درمان می‌شد.

هدف

مصرف آب را بیش از ۱۵٪ کاهش دهید، خسارات ناشی از بیماری لکه برگ را بیش از ۵۰٪ کاهش دهید و کارایی عملیاتی را در یک سایت بزرگ و دورافتاده بهبود بخشید.

انتخاب و پیاده‌سازی ماژول دوربین

AgroBrasil یک ناوگان از 8 پهپاد ثابت‌بال WingtraOne Gen II (مناسب برای پوشش مناطق وسیع) را مستقر کرد که مجهز به:

• ماژول دوربین حرارتی FLIR Vue Pro R: وضوح 640x512، دامنه دما از -20°C تا 150°C، بهینه‌سازی شده برای شناسایی تغییرات دمای پوشش گیاهی.

• ماژول دوربین چندطیفی Parrot Sequoia: ۴ باند (سبز، قرمز، لبه قرمز، NIR) با کالیبراسیون داخلی، طراحی شده برای پروازهای با ارتفاع بالا (تا ۶۵۰ فوت) بر روی پوشش گیاهی متراکم.

پیاده‌سازی شامل:

1. برنامه‌ریزی پرواز خودکار: پهپادها روزانه (در سپیده‌دم/غروب برای جلوگیری از نور شدید خورشید) در شبکه‌های از پیش برنامه‌ریزی شده پرواز کردند و هر پهپاد روزانه ۱,۲۵۰ جریب را پوشش داد. داده‌های حرارتی به‌صورت هفتگی جمع‌آوری شد تا نیازهای آبیاری را نظارت کند؛ داده‌های چندطیفی به‌صورت دو هفته‌ای جمع‌آوری شد تا پیشرفت بیماری را پیگیری کند.

2. ادغام داده‌ها: تصاویر در پلتفرم مدیریت کشت AgriWebb پردازش شدند، که:

◦ نقشه‌های آبیاری حرارتی تولید شده که مناطق تحت فشار خشکسالی (سقف‌های گرم‌تر) و مناطق بیش از حد آبیاری شده (سقف‌های خنک‌تر) را برجسته می‌کنند.

◦ نقشه‌های ریسک بیماری را با تحلیل باندهای لبه قرمز و NIR ایجاد کرد (عفونت‌های قارچی کلروفیل را کاهش می‌دهند و امضاهای طیفی را تغییر می‌دهند).

◦ هشدارهای لحظه‌ای را از طریق یک برنامه موبایل به مدیران میدانی ارسال کرد، با مختصات GPS برای اقدام هدفمند.

3. اقدام: سیستم‌های آبیاری تنظیم شدند تا آب را فقط به مناطق تحت فشار خشکسالی تحویل دهند (از طریق آبیاری قطره‌ای همزمان با نقشه‌های حرارتی). قارچ‌کش‌ها از طریق پهپاد به نقاط داغ بیماری (که توسط داده‌های چندطیفی علامت‌گذاری شده بودند) به جای اسپری‌های کامل کشت اعمال شدند.

نتایج (2023 در مقابل 2022)

• صرفه‌جویی در آب: استفاده از آب شیرین ۲۰٪ کاهش یافته است (تقریباً ۱.۲ میلیون متر مکعب صرفه‌جویی شده)، ظرفیت مخزن را در فصل‌های خشک افزایش داده و هزینه‌های پمپاژ را ۱۷٪ کاهش داده است (تقریباً ۴۵,۰۰۰ دلار در سال).

• کنترل بیماری: خسارات مربوط به بیماری لکه برگ از 9% به 3% (-66.7%) کاهش یافت. استفاده از قارچ‌کش‌ها به دلیل درمان‌های موضعی 28% کاهش یافت (تقریباً 68,000 دلار در سال صرفه‌جویی شد).

• افزایش بازده: بازده کلی روغن نخل از ۳.۸ تن در هکتار به ۴.۳ تن در هکتار (+۱۳.۲٪) افزایش یافت و ۲۲۰,۰۰۰ دلار درآمد اضافی ایجاد کرد.

• مقیاس‌پذیری: ناوگان پهپاد در 8 روز 10,000 جریب را پوشش داد—در مقایسه با 30 روز با تیم‌های شناسایی دستی.

نکته کلیدی

برای مزارع بزرگ، ماژول‌های دوربین حرارتی و چندطیفی چالش‌های مقیاس‌پذیری و مدیریت منابع را حل می‌کنند. مدیر زراعت AgroBrasil اشاره کرد: "مزارع روغن نخل برای نظارت مؤثر انسان‌ها بسیار بزرگ هستند. دوربین‌های پهپادها به ما نمایی از بالا از سلامت و نیازهای آبی هر درخت می‌دهند—دیگر حدس نمی‌زنیم؛ به داده‌ها پاسخ می‌دهیم."

عوامل کلیدی موفقیت: چه چیزی ماژول‌های دوربین پهپاد را در کشاورزی مؤثر می‌سازد

هر دو مطالعه موردی سه عامل کلیدی را که موفقیت را تعیین کردند، برجسته می‌کنند—درس‌هایی که برای هر مزرعه یا کشت‌زار که به فناوری دوربین پهپاد فکر می‌کند، قابل استفاده است:

1. ادغام داده‌ها با ابزارهای موجود

ماژول‌های دوربین تنها در صورتی ارزشمند هستند که داده‌های آن‌ها به‌طور یکپارچه با تجهیزات کشاورزی (مانند کاشت‌کننده‌ها، سم‌پاش‌ها) و نرم‌افزارهای مدیریت ادغام شوند. توانایی خانواده اسمیت برای همگام‌سازی نقشه‌های VRN با تجهیزات جان دیر و ادغام AgroBrasil با سیستم‌های آبیاری قطره‌ای اطمینان حاصل کرد که داده‌ها به‌طور مستقیم به عمل تبدیل شوند.

2. کالیبراسیون و سازگاری

داده‌های کشاورزی بی‌فایده است اگر نادرست باشد. هر دو مزرعه به کالیبراسیون دوربین (به عنوان مثال، استفاده از پنل‌های کالیبراسیون MicaSense برای دوربین‌های چندطیفی) و پارامترهای پروازی ثابت (ارتفاع، زمان روز) اولویت دادند تا داده‌های قابل اعتماد و قابل مقایسه‌ای در پروازها تضمین شود.

3. تخصص زراعی + فناوری

ماژول‌های دوربین داده‌ها را جمع‌آوری می‌کنند—اما کشاورزان آن را تفسیر می‌کنند. هر دو عملیات با متخصصان کشاورزی دقیق همکاری کردند تا نقشه‌های NDVI، داده‌های حرارتی و هشدارهای بیماری را به تصمیمات کشاورزی قابل اجرا تبدیل کنند. فناوری به تنهایی کافی نیست؛ باید با دانش کشاورزی میدانی ترکیب شود.

چالش‌ها و نحوه غلبه بر آن‌ها

در حالی که نتایج چشمگیر است، پیاده‌سازی ماژول‌های دوربین پهپاد بدون چالش نیست. در اینجا نحوه‌ی برخورد دو مطالعه موردی با چالش‌های رایج آورده شده است:

1. سرمایه‌گذاری اولیه

مزارع متوسط ممکن است در مورد هزینه اولیه (پهپاد + ماژول‌های دوربین + نرم‌افزار = ۱۵,۰۰۰–۳۰,۰۰۰) تردید کنند. خانواده اسمیت این مشکل را با اجاره تجهیزات (تقریباً ۵۰۰ دلار در ماه) با تضمین عملکرد حل کردند و اطمینان حاصل کردند که قبل از متعهد شدن به خرید، بازگشت سرمایه (ROI) را تضمین کنند.

2. بارگذاری داده‌ها

مزارع بزرگ در معرض خطر غرق شدن در ترابایت‌ها داده‌های تصویری هستند. AgroBrasil از تجزیه و تحلیل‌های مبتنی بر هوش مصنوعی برای فیلتر کردن داده‌ها به "هشدارهای قابل اقدام" (به عنوان مثال، "استرس خشکسالی در بخش 7B") به جای تصاویر خام استفاده کرد و خستگی تصمیم‌گیری را کاهش داد.

3. انطباق با مقررات

پروازهای پهپاد در اکثر کشورها تنظیم شده‌اند (به عنوان مثال، FAA در ایالات متحده، ANAC در برزیل). هر دو عملیات با اپراتورهای پهپاد دارای گواهینامه همکاری کردند و مجوزهای لازم را دریافت کردند، از جریمه‌ها جلوگیری کردند و پروازهای ایمنی را بر روی مزارع و املاک همسایه تضمین کردند.

روندهای آینده: تکامل بعدی ماژول‌های دوربین پهپاد کشاورزی

مطالعات موردی نمایانگر وضعیت پیشرفته امروز هستند—اما ماژول‌های دوربین فردا حتی قدرتمندتر خواهند بود، با ظهور سه روند کلیدی:

1. پردازش هوش مصنوعی درون‌سازمانی

سیستم‌های کنونی داده‌ها را در ابر پردازش می‌کنند، که می‌تواند بینش‌ها را با تأخیر چند ساعته مواجه کند. ماژول‌های دوربین آینده دارای هوش مصنوعی داخلی خواهند بود، که به پهپادها اجازه می‌دهد داده‌ها را در حین پرواز تحلیل کنند و هشدارهای آنی ارسال کنند (به عنوان مثال، "تشخیص لکه برگ در منطقه ۵—فوراً اسپری کنید").

2. کوچک‌سازی و چندمنظوره بودن

ماژول‌های دوربین کوچک‌تر، سبک‌تر و چندمنظوره‌تر خواهند شد—که قابلیت‌های چندطیفی، حرارتی و هایپرطیفی را در یک دستگاه ترکیب می‌کند. این امر هزینه‌ها را کاهش داده و دسترسی به تصویربرداری پیشرفته را برای کشاورزان کوچک‌مقیاس فراهم می‌آورد.

3. ادغام با داده‌های IoT و ماهواره

داده‌های دوربین پهپاد با حسگرهای IoT (رطوبت خاک، دما) و تصاویر ماهواره‌ای ترکیب خواهد شد تا یک "نمای ۳۶۰ درجه" از سلامت مزرعه ایجاد کند. به عنوان مثال، داده‌های چندطیفی یک پهپاد می‌تواند استرس خشکی که توسط حسگرهای خاک شناسایی شده است را تأیید کند و امکان تنظیمات دقیق آبیاری را فراهم کند.

نتیجه‌گیری: ماژول‌های دوربین – قهرمان ناشناخته کشاورزی دقیق

مطالعات موردی خانواده اسمیت و AgroBrasil ثابت می‌کند که ماژول‌های دوربین پهپاد کشاورزی بیشتر از "دوربین‌های شیک" هستند—آن‌ها ابزارهایی هستند که درآمدزایی می‌کنند و منابع را صرفه‌جویی می‌کنند و به بزرگ‌ترین چالش‌های صنعت پاسخ می‌دهند. با تبدیل سیگنال‌های نامرئی سلامت محصول به بینش‌های قابل اقدام، این ماژول‌ها به کشاورزان این امکان را می‌دهند که با کمتر، بیشتر تولید کنند: آب کمتر، کود کمتر، نیروی کار کمتر و تأثیرات زیست‌محیطی کمتر.

برای مزارع با هر اندازه‌ای، کلید موفقیت انتخاب ماژول دوربین مناسب (RGB برای نقشه‌برداری، چندطیفی برای سلامت، حرارتی برای آبیاری) و ادغام آن با تخصص‌های کشاورزی و ابزارهای موجود است. با پیشرفت فناوری، ماژول‌های دوربین حتی بیشتر در دسترس و قدرتمند خواهند شد و نقش خود را به عنوان یک سنگ بنای کشاورزی پایدار و سودآور در قرن بیست و یکم تثبیت خواهند کرد.

اگر آماده‌اید تا مزرعه خود را با ماژول‌های دوربین پهپاد کشاورزی دقیق متحول کنید، از کوچک شروع کنید: ترکیبی از دوربین‌های RGB و چندطیفی را در یک مزرعه آزمایش کنید، تأثیر آن را بر روی محصول و هزینه‌ها اندازه‌گیری کنید و از آنجا مقیاس را افزایش دهید. داده‌ها دروغ نمی‌گویند و نتایج نیز همین‌طور.

ماژول‌های دوربین RGB، ماژول‌های دوربین چندطیفی، ماژول‌های دوربین حرارتی، پهپادهای کشاورزی

تماس

اطلاعات خود را وارد کنید و ما با شما تماس خواهیم گرفت.

درباره ما

محصولات

درباره ما

پشتیبانی

+8618520876676

+8613603070842

اخبار

leo@aiusbcam.com

vicky@aiusbcam.com

WeChat