Система мониторинга сельскохозяйственных показателей в видимом, инфракрасном и гиперспектральном режимах съемки

КАРТОЧКА ПРОЕКТА ФУНДАМЕНТАЛЬНЫХ И ПОИСКОВЫХ НАУЧНЫХ ИССЛЕДОВАНИЙ,
ПОДДЕРЖАННОГО РОССИЙСКИМ НАУЧНЫМ ФОНДОМ

Информация подготовлена на основании данных из Информационно-аналитической системы РНФ, содержательная часть представлена в авторской редакции. Все права принадлежат авторам, использование или перепечатка материалов допустима только с предварительного согласия авторов.

ОБЩИЕ СВЕДЕНИЯ

Номер проекта 20-69-47110

НазваниеСистема мониторинга сельскохозяйственных показателей в видимом, инфракрасном и гиперспектральном режимах съемки

Руководитель Сойфер Виктор Александрович, Доктор технических наук

Организация финансирования, регион федеральное государственное автономное образовательное учреждение высшего образования "Самарский национальный исследовательский университет имени академика С.П. Королева" , Самарская обл

Конкурс №47 - Конкурс 2020 года «Проведение фундаментальных научных исследований и поисковых научных исследований по поручениям (указаниям) Президента Российской Федерации (междисциплинарные проекты)»

Область знания, основной код классификатора 09 - Инженерные науки; 09-708 - Лазерно-информационные технологии

Ключевые слова Гиперспектральная аппаратура, гиперспектральные изображения, точное сельское хозяйство, цветовая константность

Код ГРНТИ29.31.26

ИНФОРМАЦИЯ ИЗ ЗАЯВКИ

Аннотация
Гиперспектральные методы в настоящее время позволяют обеспечить почти все потребности точного сельского хозяйства в измерении параметров растительности. Они позволяют определять влажность почв, обеспеченность растительности минеральными веществами, наличие болезней и вредителей. Однако оперативность получения гиперспектральной информации с космических аппаратов не может обеспечить потребностей точного сельского хозяйства. В результате возникает необходимость в разработке гиперспектральных сенсоров наземного базирования. Причем набор требований к характеристикам таких сенсоров будет существенно отличаться от требований к гиперспектральной аппаратуре для космических аппаратов (КА). Так в гиперспектрометрах для КА основное внимание уделялось получению максимально возможных оптических характеристик, при этом техническая сложность прибора (влияющая на его стоимость) в внимание практически не принималась. Для наземных же гиперспектральных датчиков получение максимальных оптических параметров, таких как спектральное и пространственное разрешение не является первоочередной задачей. Эти параметры могут быть на некотором минимально достаточном уровне для решения вышеуказанных задач. При этом техническая сложность конструкции таких датчиков должна быть минимизирована для возможности их массового использования. В настоящем проекте предлагается разработка таких гиперспектральных датчиков на основе использования новых дисперсионных элементов на основе элементов плоской оптики со сложной структурой. В настоящее время плоская оптика используется, в основном в виде, дифракционных оптических элементов (ДОЭ), которые позволяют решать многие технические задачи, связанные с управлением когерентным излучением. Преимущество использования плоской оптики очевидно: в первую очередь это компактность оптической системы, а комбинируя микрорельеф с дифракционными и рефракционными свойствами можно разрабатывать оптические системы для формирования мульти и гиперспектральных изображений. В настоящей заявке предлагается использовать элементы плоской оптики с высоким микрорельефом, который могут в одном элементе выполнять несколько разных задач. Например сочетание фазовых функций гармонической линзы и фазовой функции дифракционной решетки дают возможность одним элементом формировать изображение и раскладывать его в спектр. Таким образом гиперспектральная камера превращается в предельно простое устройство, которое по сложности конструкции сопоставимо с обычной видеокамерой, в которой вместо объектива стоит сложноструктурированный ДОЭ, который одновременно раскладывает в спектр и формирует изображение. Использование таких камер должно сделать массовый регулярный сельскохозяйственный мультиспектральный мониторинг экономически эффективным. При этом возникают дополнительные алгоритмические задачи. Так, огромный задел мультиспектральных данных для решения сельскохозяйственных задач был создан на основании спутниковых данных. Следовательно, необходимы методы сравнительного анализа спутниковых мультиспектральных изображений и новых данных, полученных с мультиспектральных камер с другим набором функций чувствительности и потенциально менее точной калибровкой. Один из возможных подходов к данной проблеме является предлагаемое в данном проекте решение задачи спектрального переноса, т.е. предсказания по изображению, снятому имеющейся (мультиспектральной) камерой, изображения, которое было бы получено откалиброванной мультиспектральной камерой со «стандартным» (т.е. использовавшимся при построении методики расчета индекса) набором функций чувствительности, как это делается в камерах видимого диапазона с целью стандартизации цветопередачи. Другой проблемой применения наземных датчиков является вариативность освещения. Влияние облачности на освещение зависит от типа и плотности облаков. Более того, даже при солнечной погоде повышаются требования к учету спектра освещения. При использовании КА таких проблем не возникает, поскольку наблюдения в большинстве случаев выполняются с солнечно-синхронной орбиты, минимизирующей вариативность угла падения солнечного света на наблюдаемую поверхность. Таким образом, аналогично ранее рассмотренной проблеме вариативности функций чувствительности, актуальна задача учета вариативности освещения в методиках обработки мультиспектральных данных, и, аналогично, в целях минимизации сложности применения, предлагается решить задачу компенсации вариативности освещения, т.е. оценки параметров освещения для конкретных условий наблюдения и пересчета мультиспектрального изображения с использованием стандартных параметров освещения, совместимых с использованными при построении прикладной аналитической методики.

ОТЧЁТНЫЕ МАТЕРИАЛЫ

Публикации

1. Скиданов Р.В., Стрелков Ю.С., Волотовский С.Г., Бланк В.А., Ганчевская С.В., Подлипнов В.В., Ивлиев Н.А., Казанский Н.Л. Compact imaging systems based on annular harmonic lenses Sensors, Volume 20, Issue 14, 2 July 2020, Номер статьи 3914, Pages 1-15 (год публикации - 2020)
10.3390/s20143914

2. Казанский Н.Л., Ивлиев Н.А., Подлипнов В.В., Скиданов Р.В. An airborne offner imaging hyperspectrometer with radially-fastened primary elements Sensors, Volume 20, Issue 12, Номер статьи 3411, Pages 1-10 (год публикации - 2020)
10.3390/s20123411

3. Казанский Н.Л., Батт М.А., Хонина С.Н. Nanodots decorated MIM semi-ring resonator cavity for biochemical sensing applications PHOTONICS AND NANOSTRUCTURES-FUNDAMENTALS AND APPLICATIONS, Volume 42, 100836 (год публикации - 2020)

4. Евдокимова В.В., Петров М.В., Клюева М.А., Зыбин Е.Ю., Косьянчук В.В., Мищенко И.Б., Новиков В.М., Сельвесюк Н.И., Ершов Е.И., Ивлиев Н.А., Скиданов Р.В., Казанский Н.Л., Никоноров А.В. Нейросетевая реконструкция видеопотока в дифракционных оптических системах массового производства Компьютерная оптика (год публикации - 2021)

5. Бланк В.А., Скиданов Р.В., Досколович Л.Л., Казанский Н.Л. Spectral diffractive lenses for measuring a modified red edge simple ratio index and a water band index Sensors, Sensors 2021, 21(22), 7694 (год публикации - 2021)
10.3390/s21227694

6. Казанский Н.Л., Хонина С.Н., Бутт М.А., Камерчак А., Пирамидович Р. A numerical investigation of a plasmonic sensor based on a metal-insulator-metal waveguide for simultaneous detection of biological analytes and ambient temperature Nanomaterials, 2021, 11 (10), 2551 (год публикации - 2021)
10.3390/nano11102551

7. Хонина С.Н., Казанский Н.Л., Бутт М.А. Spectral characteristics of broad band-rejection filter based on Bragg grating, one-dimensional photonic crystal, and subwavelength grating waveguide Physica Scripta, 2021,6, 055505 (год публикации - 2021)
10.1088/1402-4896/abe6be

8. Казанский Н.Л., Хонина С.Н., Бутт М.А., Камерчак А., Пирамидович Р. State-of-the-art optical devices for biomedical sensing applications—a review Electronics, 2021, 10(8), 973 (год публикации - 2021)
10.3390/electronics10080973

9. Хамза М.М., Хаманди А., Макаров А.Р., Подлипнов В.В., Скиданов Р.В. Hyperspectral camera – attachment for microscopy Journal of Biomedical Photonics and Engineering, 7(3), 2021,030405 (год публикации - 2021)
10.18287/JBPE21.07.030405

10. Евдокимова В.В., Петров М.В., Клюева М.А., Зыбин Е.Ю., Косьянчук В.В., Мищенко И.Б., Новиков В.М., Сельвесюк Н.И., Ершов Е.И., Ивлиев Н.А., Скиданов Р.В., Казанский Н.Л., Никоноров А.В. Deep learning-based video stream reconstruction in mass-production diffractive optical systems Компьютерная оптика, 2021, 45(1), 130 - 141 (год публикации - 2021)
10.18287/2412-6179-CO-834

11. Казанский Н.Л., Бутт М.А., Хонина С.Н. Silicon photonic devices realized on refractive index engineered subwavelength grating waveguides-A review Optics and Laser Technology, 138, 2021,106863 (год публикации - 2021)
10.1016/j.optlastec.2020.106863

12. Скиданов Р.В., Ганчевская С.В., Васильев В.С., Подлипнов В.В. Экспериментальное исследование изображающего объектива на основе дифракционных линз, корректирующих аберрации Оптика и спектроскопия, 2021, 129(4), 443-447. (год публикации - 2021)
10.21883/OS.2021.04.50772.304-20

13. Бланк В.А., Скиданов Р.В., Досколович Л.Л. Спектральные линзы как дисперсионные элементы для регистрации спектральных индексов Тезисы докладов XVIII Международной конференции по голографии и прикладным оптическим технологиям., 2021, 229-234 (год публикации - 2021)

14. Фирсов Н.А., Подлипнов В.В., Ивлиев Н.А., Николаев П.П., Машков С.В., Ишкин П.А., Скиданов Р.В., Никоноров А.В. Нейросетевая классификация гиперспектральных изображений растительности с формированием обучающей выборки на основе адаптивного вегетационного индекса Компьютерная оптика, 2021, 45(6), 887-896 (год публикации - 2021)
10.18287/2412-6179-CO-1038

15. Расторгуев А.А., Харитонов С.И. , Казанский Н.Л. Моделирование работы космического гиперспектрометра, основанного на схеме Оффнера, в приближении волновой оптики Компьютерная оптика, Том 46, номер 1, с. 56-65 (год публикации - 2022)
10.18287/2412-6179-CO-1034

16. Макаров А.Р., Подлипнов В.В., Ивлиев Н.А., Никоноров А.В., Ульянов Д.И., Фирсов Н.А. Neural network classification of coffee varieties on hyperspectral images IEEE, 2022 VIII International Conference on Information Technology and Nanotechnology (ITNT) (год публикации - 2022)
10.1109/ITNT55410.2022.9848735

17. Хамза М.М. , БланкВ.А , Подлипнов В.В., Досколович Л.Л., Скиданов Р.В. , Фан Б. Спектральные линзы для выделения кровеносных сосудов на коже Компьютерная оптика, Том 46, номер 6, с. 899-904 (год публикации - 2022)
10.18287/2412-6179-CO1155

18. Фирсов Н.А., Подлипнов В.В., Ивлиев Н.А., Рыськова Д.Д., Пирогов А.В., Музыка А.А., Макаров А.Р., Платонов В.И., Бабичев А.Н., Монастырский В.А., Ольгаренко В.И., Николаев Д.П., Скиданов Р.В., Никоноров А.В., Казанский Н.Л., Сойфер В.А. Ансамбли спектрально-пространственных сверточных нейросетевых моделей для задачи классификации типов почв на гиперспектральных изображениях Компьютерная оптика (год публикации - 2023)

19. Бланк В.А., Скиданов Р.В., Досколович Л.Л. Investigation of a spectral lens for the formation of a normalized difference vegetation index NDV Оптический журнал, Том 89, номер 3, с. 137-141 (год публикации - 2022)
10.1364/JOT.89.000137

20. Подлипнов В.В. , Фирсов Н.А., Ивлиев Н.А. ,Машков С.В. , Ишкин П.А., Скиданов Р.В. , Никоноров А.В. Spectral-spatial neural network classification of hyperspectral vegetation images IOP Conf. Series: Earth and Environmental Science, 1138, 012040 (год публикации - 2023)
10.1088/1755-1315/1138/1/012040

21. Хамза М.М., Скиданов Р.В., Подлипнов В.В. Visualization of Subcutaneous Blood Vessels Based on Hyperspectral Imaging and Three-Wavelength Index Images Sensors, Том 23, выпуск 21, 8895 (год публикации - 2023)
10.3390/s23218895

22. М.М. Хамза, Е.В. Бурнаев, О.А. Басова, Р.В. Скиданов, В.В. Подлипнов Метод поиска индексных формул на примере задачи визуализации кровеносных сосудов кожи человека Компьютерная оптика (год публикации - 2023)

Публикации