DJI Mavic 3M - Multispektralni dron
Dron sa multispektralnom kamerom može detektovati bolest, stres ili napad štetočina nedeljama pre nego što simptomi postanu vidljivi golim okom. Saznajte kako monitoring voćnjaka iz vazduha funkcioniše u praksi, šta NDVI mape zaista otkrivaju, i zašto rana informacija o stanju zasada može biti vredna više od bilo kojeg naknadnog tretmana – direktno u vašem budžetu i prinosu.
Zamislite da jednom nedeljno možete da obiđete svaki hektar svog voćnjaka, pogledate zdravstveno stanje svakog stabla i uočite problem pre nego što postane vidljiv golim okom. To nije budućnost – to je ono što dron sa odgovarajućom kamerom danas već može da uradi.
Savremeni monitoring voćnjaka pomoću dronova ide daleko dalje od običnog fotografisanja zasada. Dronovi opremljeni multispektralnim kamerama i senzorima analiziraju na način koji ljudsko oko ne može – beleženjem svetlosti u delovima spektra koji otkrivaju promene u fotosintezi, sadržaju hlorofila i vlažnosti lista, često nedeljama pre nego što se pojave vidljivi simptomi bolesti ili stresa.
Za voćara u Srbiji, to znači jednu ključnu stvar: mogućnost da reaguje na vreme – dok još postoji prostor za efikasnu i racionalnu intervenciju, a ne tek kada je šteta već nastala.
Monitoring voćnjaka dronom je sistematsko praćenje zdravstvenog stanja zasada pomoću bespilotne letelice opremljene multispektralnim kamerama i senzorima. Za razliku od povremenog obilaska zasada ili vizuelnog pregleda stabala, dronski monitoring pruža:
Pogled odozgo na ceo zasad: u jednom preletu moguće je snimiti i kartirati celu površinu voćnjaka, bez slepih tačaka
Analizu u više spektralnih opsega: kamere beleže svetlost koju ljudsko oko ne vidi – i upravo tu se kriju rani znaci problema
Prostornu preciznost: svaki piksel na snimku odgovara tačnoj lokaciji u zasadu, što omogućava ciljanu intervenciju
Ponovljivost i praćenje tokom sezone: isti zasad može se snimati više puta i pratiti kako se stanje menja tokom vegetacije
Rezultat nije samo fotografija – to je mapa stanja zasada koja agronomu i voćaru govori gde tačno postoji problem, kolika je zahvaćena površina i da li se situacija popravlja ili pogoršava.
Ljudsko oko registruje samo vidljivu svetlost. Biljke, međutim, sa svetlošću komuniciraju mnogo šire. Listovi apsorbuju, reflektuju i propuštaju svetlost različito u zavisnosti od:
sadržaja hlorofila i aktivnosti fotosinteze
vlažnosti lista i vodenom bilansu biljke
strukture tkiva lista – koja se menja pri napadu bolesti ili štetočina
opšteg fiziološkog stanja i nivoa stresa biljke
Multispektralne kamere na dronovima snimaju voćnjak u precizno definisanim spektralnim opsezima nevidljivih ljudskom oku – pre svega u bliskom infracrvenom (NIR) i tzv. red-edge regionu spektra. Ovi delovi spektra izuzetno su osetljivi na promene u metabolizmu biljke.
Praktično rečeno: dok voćar sa zemlje vidi zelen list, multispektralna kamera vidi koliko je taj list zaista zdrav, koliko efikasno obavlja fotosintezu i da li se u biljci već dešavaju promene koje će tek kasnije postati vidljive.
Promena u načinu na koji list reflektuje blisko infracrvenu svetlost može biti detektovana i do nekoliko nedelja pre nego što se pojave vidljivi simptomi bolesti ili stresa biljke.
Dronski monitoring nije rešenje za sve probleme u voćnjaku, ali je izuzetno efikasan u otkrivanju sledećih kategorija problema:
Gljivične i bakterijske bolesti menjaju fiziološko stanje lista pre nego što se pojave vidljivi simptomi. Pepelnica, krastavost, antrakoza, plamenjača i mnoge druge bolesti ostavljaju trag u spektralnom odgovoru lista – koji kamera registruje pre oka.
Sarka sljive (Plum pox virus), jedna od ekonomski najštetnijih bolesti u srpskom voćarstvu, menja fiziologiju lista pre nego što se pojave tipične promene boje i deformacije ploda. Istraživanja su pokazala da dron može da registruje ove promene u ranoj fazi, ukazujući na stabla koja zahtevaju detaljniji pregled.
U zasadima krušaka i jabuka, bakterijska plamenjača (Erwinia amylovora) jedna je od najopasnijih pretnji. Istraživači su pokazali da zaražena stabla već u ranoj fazi menjaju način na koji reflektuju svetlost u crvenom i bliskom infracrvenom delu spektra. Na nivou pojedinačnih stabala, dron je mogao da sa oko 85% tačnosti razlikuje zdrava od zaraženih stabala (Schoofs i sar., 2020).
Biljka pod stresom od suše ili nedostatka azota menja boju i strukturu lista na način koji multispektralna kamera registruje mnogo pre nego što voćar to može da uoči. Ovo je posebno važno u periodima suše koji su u Srbiji sve češći usled klimatskih promena.
U kontrolisanim uslovima, istraživanja su pokazala da je moguće direktno prepoznati prisustvo određenih štetočina na listovima i granama analizom snimaka iz drona. Tačnost identifikacije pojedinih štetočina u ovim istraživanjima prelazila je 90%, što otvara mogućnost da se napadi uoče prostorno precizno i tretmani svedu samo na delove zasada gde su zaista potrebni.
Svaki voćnjak ima zone u kojima stabla rastu brže, a zone gde je rast sporiji ili je potencijal roda manji. Monitoring dronom jasno prikazuje ovu prostornu heterogenost, što voćaru omogućava da diferencirano pristupa prihrani, zalivanju ili intervencijama u zasadu.
Nauka je poslednjih godina testirala dronski monitoring na konkretnim voćnim vrstama. Evo šta neka od istraživanja pokazuju:
Voćna vrsta | Šta se detektuje | Tehnologija | Tačnost / napomena |
|---|---|---|---|
Jabuka | Pepelnica, rda, pegavosti lista, stres hlorofila | RGB + multispektralni snimci, YOLO/Mask R-CNN | Detekcija pre vidljivih simptoma |
Kruška | Bakterijska plamenjača (Erwinia), antrakoza, fiziološki stres | Spektralna kamera, NIR i red-edge opseg | ~85% tačnosti na nivou stabla (Schoofs i sar., 2020) |
Šljiva | Sarka (Plum pox virus), fiziološki stres lista | Multispektralni senzori, spektralni odgovor lista | Rana detekcija pre pojave deformacija |
Breskva | Zdravstveno stanje krošnje, smanjenje lisne mase | RGB-D senzori, dubinski modeli segmentacije | Identifikacija zona slabije vegetacijske aktivnosti |
Trešnja | Struktura krošnje, zone smanjene vegetacijske aktivnosti | Vizuelni i multispektralni podaci | Identifikacija patogenog stresa u zasadu |
Lešnik | Razlikovanje zdravih i oslabljenih žbunova, prostorna heterogenost | Vegetacioni indeksi + prostorni modeli | Visoka prostorna preciznost detekcije |
Izvor za krušku: Schoofs i sar. (2020). Izvor za jabuku: Wang, Juxia i sar. (2025). Podaci za ostale vrste zasnovani na dostupnoj stručnoj literaturi.
Osnova analize multispektralnih snimaka su vegetacioni indeksi – matematički izračunate vrednosti koje kombinuju podatke iz različitih spektralnih opsega i prevode ih u merljive pokazatelje zdravlja biljke.
NDVI (Normalized Difference Vegetation Index) je najčešće korišćeni indeks u dronskom monitoringu. Računa se kao odnos vrednosti u crvenom i bliskom infracrvenom opsegu spektra. Zdrave biljke imaju visoke vrednosti NDVI, dok bolesne, stresovane ili suve biljke pokazuju niže vrednosti.
Na mapi NDVI voćnjaka, zdrava stabla se prikazuju zelenom bojom, dok zone sa problemima prelaze u žutu i crvenu. Takva mapa voćaru odmah pokazuje gde postoji problem – bez potrebe da fizički obilazi svako stablo.
Za ranu detekciju bolesti i stresa, red-edge indeksi su često osetljiviji od standardnog NDVI. Oni prate promene u delu spektra koji je posebno osetljiv na sadržaj hlorofila i rane fiziološke promene u listu – što ih čini idealnim za detekciju problema pre pojave vidljivih simptoma.
Najnovija istraživanja kombinuju više vegetacionih indeksa sa algoritmima mašinskog učenja i veštačke inteligencije. Sistemi zasnovani na dubokim neuronskim mrežama (kao što su YOLO i Mask R-CNN) omogućavaju automatsko prepoznavanje bolesti i štetočina na snimcima iz drona, čime se analiza ubrzava i preciznost povećava.
Istraživanja (Wang i sar., 2025) pokazuju da kombinacija RGB i multispektralnih snimaka sa algoritmima dubokog učenja ostvaruje bolju tačnost detekcije od svakog od tih pristupa ponaosob.
U voćarstvu, vreme često igra presudnu ulogu. Razlika od nekoliko dana može značiti:
razliku između lokalnog žarista bolesti i širenja na ceo zasad
razliku izmeđju korektivne prehrane i trajnog gubitka potencijala roda
razliku između ciljanog tretmana jednog reda i skupog šireg prskanja celog voćnjaka
Proaktivan pristup upravljanju zasadom – umesto reaktivnog – može značiti razliku između dobre i loše sezone. Dron koji jednom nedeljno snima voćnjak ne zamenjuje agronoma, ali mu daje informaciju na vreme: dok još postoji prostor za efikasnu intervenciju.
Kada se tačno zna gde postoji problem, tretmani se mogu usmeriti samo na kritične zone. To znači manje potrošenih sredstava, manje vremena prskanja i manje opterećenja životne sredine. Monitoring dronom ne služi samo kao alat za snimanje – on postaje deo sistema odlučivanja koji direktno smanjuje troškove zaštite po hektaru.
Primer: detekcija žarista bakterijske plamenjače na 3 stabla u ranoj fazi može sprečiti širenje na ceo red ili sektor zasada – i uštedeti višekratno više od troškova monitoringa.
Ovo je možda najvažnije što treba razumeti o monitoringu dronom: dron ne donosi odluke umesto voćara ili agronoma. On pruža informacije – ranije, preciznije i na većoj površini nego što je to moguće klasičnim obilaskom zasada.
Agronomi koji koriste dronske snimke imaju konkretne prednosti:
Obilje objektivnih podataka: umesto procene na osnovu ograničenog broja stabala koje mogu fizički da pregledaju, agronomi dobijaju podatke o celom zasadu
Prostorna preciznost: tačno se zna koja stabla ili koji deo reda pokazuju promene – bez nagađanja
Praćenje tokom sezone: poređenjem snimaka različitih datuma vidi se da li se stanje poboljšava, pogoršava ili ostaje stabilno
Prioritizacija intervencija: ograničena radna snaga i sredstva mogu se usmeriti tamo gde su najpotrebnija
Upravo u tome leži najveća vrednost dronskog monitoringa za savremenu srpsku voćarsku praksu: ne zamena za stručno znanje, već alat koji to znanje čini efikasnijim i pravovremenijim.
Proces monitoringa može se odvijati na više načina, u zavisnosti od veličine zasada, opreme i cilja snimanja:
Definiše se ruta leta, visina, preklapanje snimaka i tip kamere u zavisnosti od cilja – detekcija bolesti, procena prinosa, praćenje rasta ili identifikacija stresa. Softver automatski planira rutu i parametre leta.
Dron autonomno preleti zasad po planiranoj ruti, snimajući u više spektralnih opsega. Za voćnjak od 5 ha, snimanje traje svega 20-30 minuta u zavisnosti od visine leta i broja spektralnih kanala.
Snimci se preuzimaju i obrađuju softverom koji ih spaja u ortofoto mozaik i izračunava vegetacione indekse. Rezultat je mapa stanja zasada sa prostornom tačnošću od nekoliko centimetara po pikselu.
Agronomi analiziraju mape, identifikuju problematične zone i donose odluku o intervenciji. Ovo je ključni korak u kome stručno znanje igra odlučujuću ulogu – dron pruža podatke, čovek donosi odluku.
Na osnovu mape, tretman se sprovodi precizno – samo na zahvaćenim zonama. Time se smanjuje ukupna primena pesticida i troškova zaštite, uz očuvanje ili poboljšanje efekta.
Učestalost monitoringa zavisi od faze vegetacije i preovladavajućih rizika. U kritičnim periodima – cvetanje, intenzivan porast ploda, period pred berbu – preporučuje se snimanje jednom nedeljno ili na dve nedelje. Van kritičnih perioda, mesečno snimanje može biti dovoljno za praćenje opšteg stanja zasada.
Ne potpuno. Dron sa multispektralnom kamerom može da identifikuje zone u zasadu gde postoje spektralne anomalije koje ukazuju na mogućnost bolesti ili stresa. Međutim, finalna dijagnoza uvek zahteva pregled agronoma i, u slučaju sumnje, laboratorijsku analizu. Dron pokazuje gde treba pogledati – čovek donosi zaključak.
Preciznost zavisi od bolesti, voćne vrste i korišćene tehnologije. Istraživanje Schoofs i sar. (2020) pokazalo je tačnost od oko 85% u razlikovanju zdravih i zaraženih stabala krušake kod bakterijske plamenjače. Kod detekcije štetočina u kontrolisanim uslovima, tačnost je prelazila 90%. U praksi, preciznost može biti niža zbog senki, promenljive krošnje i vremenskih uslova.
Za voćnjake ispod 2-3 ha, sopstvena nabavka drona za monitoring možda nije ekonomski opravdana. Međutim, uslužni monitoring – koji nude specijalizovane agencije ili savetodavne službe – dostupan je i za manje zasade po prihvatljivim cenama. Cena jednog snimanja može biti manja od troškova jednog propuštenog tretmana ili kasne detekcije bolesti.
Za puki vizuelni pregled zasada dovoljna je standardna RGB kamera. Za napredni monitoring – detekciju bolesti, stresa i izradu NDVI mapa – neophodna je multispektralna kamera sa NIR i red-edge kanalima. Popularni sistemi za ovu namenu su DJI Mavic 3M i slični. Za kombinovane sisteme – tretmani i monitoring – veliki dronovi poput DJI Agras T100 mogu biti opremljeni senzorima za snimanje.
Da – i to je jedan od pravaca razvoja preciznog voćarstva. NDVI mape i indeksi vlažnosti lista mogu se koristiti kao ulazni parametri za sisteme preciznog navodnjavanja koji diferencirano primenjuju vodu u zonama gde je deficit vlage detektovan. Ovo je posebno relevantno za voćnjake sa sistemima za kap po kap navodnjavanje.
Dron kao oko iz vazduha nije marketinška metafora – to je konkretan opis uloge koju ova tehnologija već danas ima u naprednim voćarskim sistemima. Sposobnost da se u kratkom vremenu analizira ceo zasad, detektuju problemi pre nego što postanu vidljivi golim okom i na osnovu objektivnih podataka donese pravilna odluka – to je prednost koja ima direktnu ekonomsku vrednost.
Za srpske voćare, monitoring dronom nije luksuz rezervisan za veće farme. To je alat koji – bilo kroz sopstvenu opremu ili uslužni monitoring – može da promeni način upravljanja zasadom: od reaktivnog ka proaktivnom, od nagađanja ka odlučivanju na osnovu podataka.
Dron ne zamenjuje agronoma ni voćarevo iskustvo. On ih čini efikasnijim – i daje im informaciju pre nego što problem postane skup.
Na platformi preciznapoljoprivreda.rs nudimo kompletna rešenja za primenu dronova u voćarstvu:
Prodaju DJI Agras T100, T70P, T50, T25 i T25P poljoprivrednih dronova.
Kompletnu profesionalnu obuku za operatere na Poljoprivrednom fakultetu u Novom Sadu — teorija i intenzivna praktična nastava, prepoznata kao jedna od najboljih u Srbiji.
Savetodavnu podršku pri podnošenju zahteva za subvencije i podsticaje Ministarstva poljoprivrede
Post-prodajnu podršku, servis i rezervne delove
Viber grupu za tehničku podršku i razmenu iskustava između kupaca
Konsultacije o poslovnom modelu pružanja usluga i strateškom planiranju
Svaki kupac prolazi detaljnu obuku i posle kupovine ima aktivnu podršku tima sa višegodišnjim iskustvom u primeni dronova na terenu.
Kontaktirajte nas danas za besplatnu konsultaciju i demonstraciju prskanja dronom: info@preciznapoljoprivreda.rs ili na +38169720739
U saradnji sa profesorima Poljoprivrednog fakulteta u Novom Sadu.
Schoofs, H., Menzel, K., Bareth, G., & Bolten, A. (2020). Fire blight monitoring in pear orchards by UAV systems carrying spectral sensors. Agronomy, 10(5), 615.
Wang, Juxia, Yu Zhang, Fei Han, Zhenpeng Shi, Fu Zhao, Fengzi Zhang, Weizheng Pan, Zhiyong Zhang, & Qingliang Cui (2025). Estimation of Canopy Chlorophyll Content of Apple Trees Based on UAV Multispectral Remote Sensing Images. Agriculture, 15(12), 1308.
