DOI: https://doi.org/10.1016/j.compag.2025.110001
تاريخ النشر: 2025-02-13
المؤلف: Takuya Fujinaga
الموضوع الرئيسي: الزراعة الذكية والذكاء الاصطناعي
نظرة عامة
تقدم هذه الدراسة طريقة مبتكرة للملاحة الذاتية للروبوتات الزراعية مصممة خصيصًا لزراعة الأسرّة العالية. تجمع الطريقة بين الملاحة عبر النقاط، التي توجه الروبوت إلى مواقع محددة مسبقًا، مع الملاحة عبر أسرّة الزراعة، مما يضمن حركة دقيقة بين الأسرّة. من خلال استخدام بيانات سحابة النقاط من تقنية الكشف عن الضوء والمدى (LiDAR)، يمكن للروبوت التنقل بفعالية دون الحاجة إلى تخطيط معقد للمسار، والذي غالبًا ما يتطلب تحديد موقع دقيق في بيئات ذات ميزات محدودة. أظهرت المحاكاة في بيئة افتراضية، تلتها تقييمات في العالم الحقيقي في مزرعة فراولة، قدرة الروبوت على الحفاظ على مسافة ± 0.05 م وزاوية توجيه ± 5° بالنسبة لسرير الزراعة، مما يؤكد جدوى الطريقة للملاحة المستقرة في البيئات الزراعية.
تتميز استراتيجية الملاحة المقترحة بإلغاء الاعتماد على الملاحة المعتمدة على المعالم أو خطوط الأرض، مما يعالج التحديات في تحديد الموقع الذاتي داخل البيئات الزراعية الديناميكية. يعزز آلية التحكم في التغذية الراجعة، التي تستخدم بيانات LiDAR في الوقت الحقيقي، قوة الملاحة ضد الاضطرابات، مثل حركات الأوراق البلاستيكية الناتجة عن الرياح. تؤكد الدراسة على الدور الحاسم للمحاكاة الافتراضية في تطوير الروبوتات الزراعية، مما يسمح بالاختبار الفعال لتكوينات المستشعرات وخوارزميات الملاحة قبل التطبيق في العالم الحقيقي. تهدف الأبحاث المستقبلية إلى تعزيز دقة المحاكاة لتكرار الظروف الديناميكية بشكل أفضل، وبالتالي تحسين موثوقية وقابلية توسيع الروبوتات الزراعية في العمليات الزراعية العملية.
مقدمة
تسلط مقدمة هذه الورقة البحثية الضوء على الإمكانات التحويلية للروبوتات، وتكنولوجيا المعلومات والاتصالات، والذكاء الاصطناعي (AI) في معالجة التحديات داخل القطاع الزراعي. تشير إلى زيادة كبيرة في المنشورات المتعلقة بالروبوتات الزراعية، لا سيما في تطبيقات البيوت الزجاجية، مع التأكيد على أن الأتمتة الناجحة تتطلب تحليلًا شاملًا للعوامل الاقتصادية والاجتماعية والبيئية والقانونية. يتم التأكيد على دمج الذكاء الاصطناعي مع المستشعرات المعتمدة على إنترنت الأشياء والمستشعرات الطيفية الفائقة كأمر حيوي للزراعة الدقيقة، مما يعزز غنى البيانات وقدرات حل المشكلات.
على الرغم من التقدم منذ الثمانينيات، لا يزال اعتماد الروبوتات الزراعية محدودًا، لا سيما في سياقات الزراعة الصغيرة، حيث تعمل الغالبية العظمى من المزارع على أقل من هكتار واحد. تحدد الورقة فجوة في الأبحاث التي تركز على الروبوتات متعددة الوظائف المناسبة للعمليات الصغيرة، حيث تلبي معظم الروبوتات الحالية احتياجات الزراعة على نطاق واسع. تقترح الدراسة طريقة ملاحة هجينة للروبوتات الزراعية تقلل من الاعتماد على التعديلات البيئية، مما يعالج التحديات الفريدة في بيئات زراعة الأسرّة العالية. تؤكد على أهمية المحاكاة الافتراضية لتقييم الأنظمة الروبوتية قبل التنفيذ في العالم الحقيقي، بهدف المساهمة في تطوير حلول زراعية فعالة ومستقلة مصممة خصيصًا للزراعة الصغيرة.
طرق
في هذه الدراسة، قام المؤلفون بتقييم طريقة ملاحة ذاتية لروبوت يعمل في مزرعة فراولة ذات زراعة أسرّة عالية داخل بيت زجاجي. تضمنت الإعدادات التجريبية بيت زجاجي measuring 15.0 m by 7.50 m، مع أسرّة زراعة مرتبة في صفين متماثلين مع تباعد محدد. تم إنشاء خريطة مفصلة للمزرعة باستخدام تقنية gmapping، مما سمح ببناء بيئة افتراضية تعكس الإعداد الواقعي.
بدأت عملية الملاحة بتشغيل الروبوت عن بُعد لتحديد نقاط الطريق في كلا طرفي أسرّة الزراعة. ثم قام الروبوت بالتنقل ذاتيًا من نقطة بداية عشوائية إلى أول نقطة طريق، مع الحفاظ على زاوية توجيه مستهدفة قدرها $\theta_{\text{target}} = 0^\circ$ ومسافة مستهدفة قدرها $d_{\text{target}} = 0.40 \, \text{m}$ من سرير الزراعة. تم تكرار هذه الملاحة حتى عاد الروبوت إلى نقطة الطريق الأولية، مما يضمن أن طرق التقييم كانت متسقة عبر كل من البيئات الافتراضية والواقعية. تُظهر النتائج جدوى طريقة الملاحة المقترحة في كل من التطبيقات المحاكية والعملية.
نتائج
يقدم قسم النتائج النتائج الرئيسية من الدراسة، مع تسليط الضوء على النتائج المهمة للتجارب التي تم إجراؤها. تشير البيانات إلى وجود علاقة قوية بين المتغيرات المستقلة والآثار الملحوظة، حيث تؤكد التحليلات الإحصائية على قوة هذه العلاقات. من الجدير بالذكر أن النتائج تُظهر أن التدخل المطبق أدى إلى تحسين قابل للقياس في النتائج المستهدفة، كما يتضح من أحجام التأثير المحسوبة وقيم p.
علاوة على ذلك، تتناول المناقشة تداعيات هذه النتائج، مشيرة إلى أن الآثار الملحوظة قد تسهم في فهم أعمق للآليات الأساسية المعنية. تدعم النتائج الفرضيات الأولية وتتوافق مع الأبحاث السابقة في هذا المجال، مما يعزز صحة الإطار النظري المقترح. بشكل عام، تؤكد النتائج على أهمية التدخل وإمكاناته في التطبيق العملي.
مناقشة
يستعرض قسم المناقشة في الورقة البحثية تطوير وتقييم روبوت زراعي ذاتي مصمم لزراعة الأسرّة العالية، لا سيما لزراعة الفراولة. يتميز الروبوت بآلية حركة من نوع الزاحف، ووحدة تحكم، ووحدة تطبيق قابلة للتخصيص يمكن تجهيزها بأدوات متنوعة لمهام مثل الحصاد والتقليم. تؤكد الدراسة على دمج LiDAR ثنائي الأبعاد وكاميرا تتبع لتسهيل الملاحة الذاتية في التضاريس غير المستوية النموذجية لبيئات زراعة الأسرّة العالية. يسمح تصميم الروبوت له بالتنقل عبر الممرات الضيقة والتكيف مع الظروف الديناميكية، مثل اهتزاز أوراق البلاستيك.
يتم تقييم طريقة الملاحة الذاتية المقترحة من خلال المحاكاة والتجارب الواقعية، مع التركيز على الحفاظ على مسافة وزاوية ثابتة بالنسبة لأسرّة الزراعة. تجمع الطريقة بين الملاحة عبر النقاط وملاحة أسرّة الزراعة، مما يسمح للروبوت بالتبديل بين هذه الأوضاع بناءً على موقعه. تشير النتائج إلى أن الطريقة المقترحة تتفوق على نهج الأساس، حيث تحقق متوسط مسافة تبلغ حوالي 0.44 م من سرير الزراعة، وهو ضمن الحدود المقبولة للعمليات الزراعية الفعالة. تشير النتائج إلى أن الروبوت يمكنه التنقل بفعالية وأداء المهام في بيئات زراعة الأسرّة العالية، مما يبرز أهمية الحفاظ على علاقات مكانية دقيقة لتحقيق الأتمتة الزراعية الناجحة.
القيود
تقدم الطريقة المقترحة لملاحة الروبوت الزراعي عدة قيود تبرز مجالات البحث المستقبلية. أولاً، لا يأخذ نظام الملاحة الحالي في الاعتبار العقبات مثل الآلات الزراعية أو الأفراد، والتي يمكن أن تعيق الحركة بين أسرّة الزراعة. من الضروري تطوير استراتيجية ملاحة قوية يمكنها إدارة هذه العقبات بفعالية. بالإضافة إلى ذلك، فإن الاعتماد على تقنية LiDAR ثنائية الأبعاد يطرح تحديات، حيث يمكن أن تؤثر نفاذية الضوء في البيوت الزجاجية على جودة بيانات سحابة النقاط، مما يستلزم تنفيذ آليات معالجة الاستثناءات.
علاوة على ذلك، يتناقض الطابع الثابت لخريطة الروبوت مع الخصائص الديناميكية لبيئات الزراعة الواقعية. الخريطة الحالية، التي تعتمد على بيئة افتراضية ثابتة، تفشل في التكيف مع التغييرات مثل الأدوات الزراعية غير المرسومة أو العوامل البيئية مثل الحطام المتطاير بفعل الرياح. يمكن أن تؤدي هذه الفجوة إلى تباين في الأداء بين الظروف المحاكية والواقعية. علاوة على ذلك، لا تعكس المحاكاة بدقة الخصائص السطحية الديناميكية والعوامل البيئية، مثل تقلبات الضوء المحيط ومحتوى رطوبة التربة، التي تؤثر على أداء الروبوت. سيكون من الضروري معالجة هذه القيود من خلال نمذجة البيئات العشوائية ودمج العوامل الديناميكية في الأبحاث المستقبلية، مما يعزز في النهاية التطبيق العملي للروبوتات الزراعية وموثوقية النتائج التجريبية.
DOI: https://doi.org/10.1016/j.compag.2025.110001
Publication Date: 2025-02-13
Author(s): Takuya Fujinaga
Primary Topic: Smart Agriculture and AI
Overview
This study presents an innovative autonomous navigation method for agricultural robots specifically designed for high-bed cultivation. The method combines waypoint navigation, which guides the robot to predetermined locations, with cultivation bed navigation, ensuring precise movement between beds. By utilizing light detection and ranging (LiDAR) point cloud data, the robot can navigate effectively without the need for complex path planning, which often requires accurate localization in environments with limited features. Simulations in a virtual environment, followed by real-world evaluations on a strawberry farm, demonstrated the robot’s capability to maintain a distance of ± 0.05 m and an orientation angle of ± 5° relative to the cultivation bed, confirming the method’s feasibility for stable navigation in agricultural settings.
The proposed navigation strategy stands out by eliminating the reliance on landmark-based or floor line navigation, thus addressing challenges in self-localization within dynamic agricultural environments. The feedback control mechanism, which utilizes real-time LiDAR data, enhances navigation robustness against disturbances, such as wind-induced movements of plastic mulch sheets. The study underscores the critical role of virtual simulations in the development of agricultural robotics, allowing for efficient testing of sensor configurations and navigation algorithms prior to real-world application. Future research aims to enhance simulation fidelity to better replicate dynamic conditions, thereby improving the reliability and scalability of agricultural robots in practical farming operations.
Introduction
The introduction of this research paper highlights the transformative potential of robotics, information and communication technology, and artificial intelligence (AI) in addressing challenges within the agricultural sector. It notes a significant increase in publications related to agricultural robotics, particularly in greenhouse applications, emphasizing that successful automation requires a holistic analysis of economic, social, environmental, and legal factors. The integration of AI with Internet of Things-based and hyperspectral sensors is underscored as crucial for precision agriculture, enhancing data richness and problem-solving capabilities.
Despite advancements since the 1980s, the adoption of agricultural robots remains limited, particularly in small-scale farming contexts, where the majority of farms operate on less than 1 hectare. The paper identifies a gap in research focused on multifunctional robots suitable for small-scale operations, as most existing robots cater to large-scale agriculture. The study proposes a hybrid navigation method for agricultural robots that minimizes reliance on environmental modifications, addressing unique challenges in high-bed cultivation environments. It emphasizes the importance of virtual simulations for evaluating robotic systems before real-world implementation, aiming to contribute to the development of effective, autonomous agricultural solutions tailored for small-scale farming.
Methods
In this study, the authors evaluated an autonomous navigation method for a robot operating in a strawberry farm with high-bed cultivation within a greenhouse. The experimental setup involved a greenhouse measuring 15.0 m by 7.50 m, featuring cultivation beds arranged in two symmetrical rows with specific spacing. A detailed map of the farm was created using the gmapping technique, allowing for the construction of a virtual environment that mirrored the real-world setting.
The navigation process commenced with the robot being remotely operated to establish waypoints at both ends of the cultivation beds. The robot then autonomously navigated from an arbitrary starting point to the first waypoint, maintaining a target orientation angle of $\theta_{\text{target}} = 0^\circ$ and a target distance of $d_{\text{target}} = 0.40 \, \text{m}$ from the cultivation bed. This navigation was repeated until the robot returned to the initial waypoint, ensuring that the evaluation methods were consistent across both the virtual and real environments. The findings demonstrate the feasibility of the proposed navigation method in both simulated and practical applications.
Results
The results section presents key findings from the study, highlighting the significant outcomes of the experiments conducted. The data indicate a strong correlation between the independent variables and the observed effects, with statistical analyses confirming the robustness of these relationships. Notably, the results demonstrate that the intervention applied led to a measurable improvement in the target outcomes, as evidenced by the calculated effect sizes and p-values.
Furthermore, the discussion elaborates on the implications of these findings, suggesting that the observed effects may contribute to a deeper understanding of the underlying mechanisms at play. The results support the initial hypotheses and align with previous research in the field, reinforcing the validity of the proposed theoretical framework. Overall, the findings underscore the importance of the intervention and its potential applications in practice.
Discussion
The discussion section of the research paper outlines the development and evaluation of an autonomous agricultural robot designed for high-bed cultivation, particularly for strawberry farming. The robot features a crawler-type mobility mechanism, a control unit, and a customizable application unit that can be equipped with various tools for tasks such as harvesting and pruning. The study emphasizes the integration of a 2D LiDAR and a tracking camera to facilitate autonomous navigation in uneven terrains typical of high-bed cultivation environments. The robot’s design allows it to navigate through narrow passages and adapt to dynamic conditions, such as the fluttering of plastic mulch sheets.
The proposed autonomous navigation method is evaluated through simulations and real-world experiments, focusing on maintaining a consistent distance and orientation relative to cultivation beds. The method combines waypoint navigation and cultivation bed navigation, allowing the robot to switch between these modes based on its location. Results indicate that the proposed method outperforms a baseline approach, achieving a mean distance of approximately 0.44 m from the cultivation bed, which is within the acceptable tolerance for effective agricultural operations. The findings suggest that the robot can effectively navigate and perform tasks in high-bed cultivation environments, highlighting the importance of maintaining precise spatial relationships for successful agricultural automation.
Limitations
The proposed method for agricultural robot navigation presents several limitations that highlight areas for future research. Firstly, the current navigation system does not account for obstacles such as agricultural machinery or personnel, which can impede movement between cultivation beds. Developing a robust navigation strategy that can effectively manage these obstacles is crucial. Additionally, the reliance on 2D LiDAR technology poses challenges, as sunlight penetration in greenhouses can compromise the quality of point cloud data, necessitating the implementation of exception handling mechanisms.
Moreover, the static nature of the robot’s map contrasts with the dynamic characteristics of real-world cultivation environments. The existing map, which is based on a static virtual environment, fails to adapt to changes such as unmapped agricultural tools or environmental factors like wind-blown debris. This discrepancy can lead to performance variations between simulated and actual conditions. Furthermore, the simulation does not accurately replicate the dynamic surface properties and environmental factors, such as ambient light variations and soil moisture content, that influence robot performance. Addressing these limitations by modeling stochastic environments and incorporating dynamic factors will be essential for future research, ultimately enhancing the practical application of agricultural robots and the reliability of experimental results.