Development prospects of robotic technologies in plant cultivation

Abstract

It is shown that the basis of robotic technologies in plant cultivation is an unmanned mobile power unit for agricultural purposes on wheeled or tracked platform with hybrid power plant, motion control equipment and machine vision device. Technological operations are performed by technological robotic modules mounted on the platform.

Full Text

В рамках программы мер по формированию принципиально новых рынков и созданию условий для глобального технологического лидерства России к 2035 г., разработанной Агентством стратегических инициатив (АСИ), принята инициатива создания рынка AutoNet, подразумевающая реализацию к 2050 г. глобального, широкомасштабного проекта сети транспортных магистралей для грузопассажирских перевозок. В ней планируется использование беспилотных транспортных средств (БТС) с системой синхронизированного коллективного управления, исходя из целевой функции оптимизации, которая, во-первых, максимизирует характеристики безопасности, во-вторых, минимизирует суммарные транспортные издержки [1]. Рынок AutoNet должен иметь подсекцию AgroNet для учета аналогичной сети транспортных магистралей с.-х. назначения, где кроме БТС с.-х. назначения должны рассматриваться БМЭСХ для технологий возделывания растениеводческих культур. Это станет практической основой перспективного развития роботизированных технологий растениеводства. БМЭСХ - это колесная или гусеничная платформа, на которой размещаются гибридная энергоустановка, аппаратура управления движением, сенсорики и точного позиционирования, машинного зрения, а также управления роботизированными навесными рабочими органами для выполнения технологических операций в растениеводстве и сами рабочие органы. Рабочие органы подразделяются на виды в зависимости от технологий, применяемых в различных областях растениеводства: селекции, семеноводстве и полеводстве, садоводстве и питомниководстве, овощеводстве, в т.ч. тепличном. В ВИМе разработан и изготовлен опытный образец такой платформы (рис. 1) с ультрафиолетовыми облучателями (ВСТИСП) для бактерицидной обработки плодовых деревьев. Платформа имеет следующие характеристики: Габариты (длина×ширина×высота), мм ……………...……. 1000×1200×400 Мощность электродвигателей, кВт ……………………………………… 1,5 Тип привода ……………………………...……… трехфазный асинхронный Питание аккумуляторное …………………………………….. 12 В, 110 А· ч Передаточное число понижающего редуктора ……………….…………. 15 Момент на выходном валу редуктора, Н·м …………………..………… 145 Время работы до подзарядки, ч ………………………………………….. 4,5 Вес, кг ………………………………………………………...…………… 240 Машинное зрение - неотъемлемая часть рабочих органов каждой из областей растениеводства, поскольку значительную часть информации об окружающем мире, в т.ч. о состоянии растений (интенсивности роста, степени зрелости, наличии заболеваний, их протекании и лечении), получают через зрительные образы, а также системы управления движением, точного позиционирования. Наличие такой информации позволяет роботизированным рабочим органам принимать технологические решения и осуществлять требуемые технологические операции, а БМЭСХ - передвигаться согласно технологическому маршруту [2]. По мнению ведущего специалиста в области машинного (технического) зрения д-ра техн. наук, проф. А.М. Башилова (ВИЭСХ), для любого конкретного случая в растениеводстве можно создать систему технического зрения, намного превышающую возможности человеческого глаза, а порой и человека как анализатора изображений. При этом использование специальных алгоритмов обработки получаемого изображения позволяет добиться совершенно неожиданных по эффективности решений в невозможных, казалось бы, условиях (при большом ареале живых растений оценивать состояние каждого). Во времена технологических прорывов предложения новых решений часто опережают спрос, а потенциальные потребители этих новаций либо не знают о них, либо не могут применить на практике из-за отсутствия инвестиций. Для управления продукционными процессами в растениеводстве необходим системный взгляд на единичное растение, находящееся в зоне культивирования. Системный взгляд может быть сформирован благодаря модулю видеофиксации (рис. 2), охватывающему отдельные зоны растений и их поведенческие реакции, которые отражают ход развития и состояние роста. Непрерывное панорамно-объемное слежение за каждым растением позволит обеспечить видеосеть, которая способна различать отдельное растение в поле зрения видеокамер, расставленных в определенных технологических точках. Выборочная видеофиксация может происходить для отдельных растений с целью выявления отклонений в развитии, степени созревания, болезней и других технологических целей. Фиксация осуществляется со стационарной или подвижной интеллектуальной видеокамеры, распределяющей видеопоток в базу (видеоархив) персональных данных выявленной группы растений. В результате системно организованной видеосъемки для каждого растения составляется видео-временной ряд отслеженных ростовых актов, благодаря анализу которых можно получить информацию об идентификационном коде, геометрических параметрах растения и кинематических параметрах роста. Эта информация позволит обеспечить высокоточную биометрию, 3D-моделирование, построение этологической модели, указывающей на механизм формирования аномальных вариаций развития растения, диагностику физиологического состояния. Команды управления осуществляются путем сортирования, перераспределения, выделения, проведения профилактических и агротехнических мероприятий, направленных на обеспечение условий максимальной продуктивности и качества выходной продукции. Анализ видеоизображений и видеоклипов поведенческих актов растения может производиться специалистом зрительно по экрану монитора путем прокручивания видеоархива. При более высоком уровне анализа персонального видеоархива растения некоторые информативные признаки можно автоматически выделять из просматриваемых сюжетов с помощью специальных алгоритмов, запрограммированных видеоконтроллером. При самом высоком уровне анализа видеозаписей после автоматического распознавания и трехмерного моделирования возможно построение бонитировочной или этологической модели растения с матрицей биометрических данных. Такие взаимно интегрированные высокоточные виртуальные модели будут доступны для быстрого изучения индивидуальных особенностей каждого растения, особенно при смене вида машинной технологии. В базе данных будут находиться видеосессии каждого или интересующего растения, рассортированные по основным технологическим процессам: высев, культивация, мелиорация удобрениями, вегетация и др. При просмотре персональных данных растения в автоматическом режиме анализа формируется полная картина развития растения в суточных, сезонных или многолетних производственных циклах [3, 4]. Другая основополагающая функция БМЭСХ - позиционирование и управление движением по требуемой технологической траектории. Она может быть осуществлена с помощью спутниковых систем навигации (ориентации) или наземных средств позиционирования, в т.ч. машинного зрения и целеуказания, например лазерного путеуказателя или сенсорики препятствий [3]. Для обнаружения, позиционирования и идентификации чаще всего используются спутниковые навигационные системы GPS (в основном для мониторинга транспортных средств и с.-х. агрегатов [3]), телевизионное и цифровое видеонаблюдение [4], а в последние годы еще и системы позиционирования в режиме реального времени RTLS. Однако каждая из этих систем имеет свои ограничения. В таблице приведены сравнительные характеристики современных технологий идентификации и позиционирования подвижных объектов. Сравнительные характеристики применяемых технологий идентификации и позиционирования подвижных объектов[5] Технологии позиционирования Точность, м Дистанция, м Стоимость Системы спутниковой навигации ГЛОНАСС, GPS 10-15 В пределах доступности Низкая Сотовая связь 100-500 В пределах доступности Низкая Инфракрасное 0,1 3-10 Высокая Ультразвуковое 0,1 3-10 Высокая Активные RFID-системы радиочастотных идентификаторов 1-3 20-100 Средняя Сетевая беспроводная система локального позиционирования RTLS 1 >30 Средняя Лазерное наведение До 0,001 >1000 Высокая Спутниковые навигационные системы (GPS, ГЛОНАСС) обеспечивают позиционирование и идентификацию на огромных территориях, но не работают внутри помещений. Кроме того, требуется, чтобы контролируемый объект был снабжен устройством с уникальным кодом (меткой). Сетевая беспроводная система локального позиционирования RFID (Radio-frequency identification) используется для различных целей в разнообразных приложениях, позволяет контролировать местонахождение и движение объектов и надежно идентифицировать их как вне, так и внутри помещений. Но контролируемые объекты, как и при использовании GPS, должны быть снабжены метками. Объекты, не снабженные метками, система «не видит». Получается, что ни одна из перечисленных систем не может в полной мере решить поставленную задачу. Решением может стать их совместное использование. Такая интеграция открывает возможности, не доступные системам по отдельности [5]. Совместное использование систем глобальной навигации ГЛОНАСС/GPS, локального позиционирования RTLS и интеллектуального видеонаблюдения ITV может дать новые синергетические эффекты и возможности для решения задач в области повышения точности роботизированных агротехнологических процессов. Совместное использование RTLS и ГЛОНАСС/GPS позволяет распространить контроль перемещения транспортных средств и с.-х. машин на зоны, где отсутствует прямая видимость спутников, - крытые дворы, здания и другие сооружения. При этом появляются дополнительные возможности контроля локальных перемещений продукции и персонала в производственных и внепроизводственных помещениях закрытого и открытого типа. Совместное использование систем глобальной навигации ГЛОНАСС/GPS, локального позиционирования RTLS и интеллектуального видеонаблюдения ITV обусловлено разнообразием подвижных объектов (растущее растение, человек, мобильная и конвейерная техника), их распределенностью в пространстве (в пределах теплицы, хозяйства, района, области), масштабом оперативно-технологических процессов (количество угодий, делянок, единиц техники, персонала). В соответствии с этим их приоритетность будет меняться, однако высокая информативность, наглядность, оперативность, многофункциональность и универсальность видеоаналитической составляющей с нарастающей функцией длительного круглосуточного более пристального интеллектуального наблюдения за развитием растений и окружающей агропроизводственной инфраструктурой в перспективе будут иметь центральное значение. Что касается самих технологий и рабочих органов, то для их развития предстоит еще многое сделать. Подразумевается, что технологические операции будут выполняться навешиваемыми на платформу технологическими модулями [6], такими как: - модуль для мониторинга почвы и картирования полей, способный в автономном режиме осуществлять отбор почв и их транспортировку в лабораторию либо производить анализ на месте; - модуль для внутрипочвенного внесения жидких удобрений с автоматической системой управления движением, заправки удобрениями и определения места их внесения; - модуль культиватора-пропольщика для деликатной прополки низкорастущих насаждений; - модуль бура для поделки лунок при закладке садовых насаждений; - модуль для посадки семян в ленте без участия человека; - модуль для автоматизированной посадки саженцев без участия человека на основе манипуляторов и системы автоматической подачи саженцев к лункам; - модуль для автоматизированной посадки рассады без участия человека на основе манипуляторов и системы автоматической подачи саженцев в борозду; - модуль для дифференцированного внесения жидких химических препаратов по карте заданий; - модуль для определения спелости плодов на основе системы машинного зрения; - модуль для механического сбора урожая на основе системы машинного зрения и манипуляторов; - модуль мобильного (прицепного к роботу) конвейера для сортировки и калибровки урожая плодов и овощей на основе применения системы машинного зрения. Упомянутая в начале статьи деятельность АСИ хорошо известна благодаря девяти существующим проектам Национальной технологической инициативы (НТИ) по различным направлениям, а также работе по составлению дорожных карт по AeroNet, AutoNet и др. По результатам контактов с экспертами и руководителями рабочих групп, групп НТИ и представителями АСИ можно утверждать, что необходимо инициировать новый, десятый проект под условным названием AgroNet по созданию распределенной сети управления беспилотными с.-х. мобильными объектами. Имеется в виду создание беспилотных и роботизированных систем, которыми в ближайшем будущем могут быть заменены машины и оборудование, задействованные в АПК (тракторы, комбайны, самоходные шасси, транспортные средства с.-х. назначения, различные классы машин, применяемые в растениеводстве и полеводстве, животноводстве, виноградарстве, садоводстве, селекционной и семеноводческой деятельности и др.). Этот проект может стать одним из крупнейших успешно реализуемых под эгидой НТИ и АСИ. Рынок реализации результатов проекта огромен, только по тракторам и зерноуборочным комбайнам его объем составит более 150 млрд руб. в год по России. Частные примеры создания беспилотников, применяемых в сельском хозяйстве (рис. 3), демонстрируют некоторые отечественные НИИ, КБ, вузы и производственные объединения. Такие работы также ведутся крупными зарубежными фирмами, такими как John Deere, Case и др. Но для создания глобальной отечественной сети AgroNet этого недостаточно. Нужны всеобъемлющая распределенная сеть, современное аппаратное обеспечение (машины, оборудование, техника, приборы, приемо-передаточные устройства и т.д.), программное обеспечение (единая программная платформа распределенной сети, элементы машинного зрения, средства распознавания образов и искусственного интеллекта) и информационное обеспечение (базы данных, данные картирования, макро- и микропрофилей дорог и полей, нормативно-правовые материалы, характеристики технологических процессов, функциональные свойства машин и оборудования и др.). В создании глобальной распределенной сети AgroNet могут участвовать организации очень широкого спектра, подведомственные ФАНО и РАН, вузы, а также ведущие НИИ и КБ России. Предполагается, что ВИМ с целью продвижения данного проекта под эгидой АСИ в ближайшее время создаст инициативную рабочую группу по разработке дорожной карты AgroNet (срок - декабрь 2015 г.). Реализация проекта AgroNet намечена на 2016-2030 гг. Для включения в матрицу НТИ инициируемый проект AgroNet отвечает всем критериям (требованиям): - предполагаемый объем рынка AgroNet, значимого и заметного в глобальном масштабе, составит более 100 млрд долл. к 2030 г.; - на данный момент рынок не сформирован, на нем практически отсутствуют техническое, программное и информационное обеспечение; - рынок AgroNet в первую очередь ориентирован на организации АПК и с.-х. производителей как конечного потребителя; он будет представлять собой сеть, в которой посредники заменяются на управляющее программное обеспечение; - рынок важен с точки зрения обеспечения производственной безопасности России; - в России есть условия для достижения конкурентных преимуществ и занятия существенной доли рынка интеллектуальных машин для с.-х. производства; - в России есть производственники, предприниматели и бизнес-сообщества, обладающие амбициями и потенциалом для создания лидирующих компаний мирового уровня на новом высокотехнологичном рынке интеллектуальных машинных технологий АПК. Новый рынок AgroNet будет основан на сетевом структурном принципе построения с охватом широкого спектра с.-х. организаций, в т.ч. крупных агропромышленных холдингов.