Tarım robotları

Otonom tarım robotları, günümüzde tarlalarda traktörlere bulunan alternatiftir. Yetiştiricilik işlemleri, tohum ekimi, ilaçlama, gübreleme ve hasat gibi gelecekte otonom tarım robotlarının filoları tarafından gerçekleştirilebilir. Tarımsal robot bazı temel yeteneklere ve birden çok uygulamayı destekleme imkânına sahip olmalıdır. Temel yetenekleri arasında güvenli ve otonom navigasyon için bir navigasyon sistemi gereklidir (Biber vd. 2012). Tarımda otonom araçların farklı uygulamaları geleneksel sistemlerle karşılaştırıldığında, ilk potansiyel pratik uygulamaların üç ana grupta; bitki yetiştirme, bitki bakımı ve seçici hasat olduğu tespit edilmiştir (Pedersen vd. 2008).

Astrand ve Baerveldt (2002) tarafından mekanik yabani ot kontrolü için otonom bir robot geliştirilmiştir (Şekil 7). Robotun bitkilerin oluşturduğu sıra yapısını tanıyabilen ve robotu sıralar boyunca yönlendirebilen bir tane gri seviyeli görü sistemi ile yabani ot bitkileri arasında tek bir bitkiyi tanımlayabilen renk tabanlı görü sistemi olmak üzere iki görü sistemi bulunmaktadır. Bu görü sistemi, bitki sırasındaki yabani otları temizleyen bir yabani ot aracını kontrol eder. Sıra tanıma sistemi yeni bir algoritmaya dayanmakta ve açık alan testlerinde kapsamlı bir şekilde test edilmiş ve ± 2 cm hassasiyetle robotu yönlendirebileceği belirlenmiştir.

Şeker pancarı bitkileri ile yabani otun yaklaşık aynı boyutta olması, sıra yapısının ve bitkilerin tanınmasını zorlaştırmaktadır (Şekil 8a). Bu nedenle algoritmada sıraları bulma görevi ve bitki tanımlama görevi ayrılmaktadır. Sıradaki konumu bulmak için yakın kızılötesi filtreli ileriye dönük bir kamera kullanılır. Daha sonra, tek bir bitki tanımlaması için bir renkli kamera sistemi kullanılır. Bu kamera, Şekil 7’de gösterildiği gibi aydınlatmayı kontrol edebilmek için robotun içine monte edilmiştir. Renkli bir kamera sistemi, renk kaymalarına neden olan aydınlatma değişikliklerine karşı özellikle hassastır ve bu nedenle sınıflandırma daha zorlaşır. Şeker pancarı ve yabani otlara ait örnek bir görüntüye karşılık gelen eşik değerleri Şekil 8b’de verilmektedir. Sınıflandırılmış görüntülerden, nesnelerin bir dizi özelliği çıkarılmıştır. Toplamda 19 özellik seçilmiştir. Bu özellikler; altı renk özelliği (üç normalize edilmiş renk bileşeni için standart sapma ve ortalama değer), yedi şekil özelliği (alan, çevre, yoğunluk, uzama, sağlamlık, biçim faktörü ve dışbükeylik) ve altı moment temelli özelliklerdir.

Van Henten vd. (2002) tarafından, serada salatalıkların hasat edilmesi için otonom bir robot geliştirilmiştir (Şekil 9a). Standart 2 ha’lık bir sera için yoğun sezon boyunca 4 hasat robotu ve bir adet yerleştirme istasyonu gerekmektedir (Şekil 9b). Ana yola dik her biri yaklaşık 60m uzunluğunda koridorlar ile seranın merkezi boyunca ana yol bulunmaktadır. Ana yolun her iki tarafında salatalık bitkileri bulunan 100 sıra vardır. Bir koridor, bir yol adı verilen bitki sıraları arasında bulunur. Koridorun her iki yanında iki sıra arasındaki mesafe 0.9m’dir. Sıradaki salatalık sapları arasındaki mesafe 0,35m’dir. Toplamda üst üste yaklaşık 180 sap olmaktadır. O zaman yoğunluk 3.6 sap/m2 dir. Koridorlarda yerdeki ısıtma boruları, mahsul bakımı ve hasat sırasında nakliye rayları olarak kullanılır.

Otonom olarak çalışan salatalık robotu; otonom araç, manipülatör, robot kol ucu, meyve ve çevrenin algılanması ve 3D görüntülenmesi için iki bilgisayar görü sistemi ile hasat sırasında manipülatör için çarpışmadan hareket üreten bir kontrol şemasından oluşmaktadır. Manipülatörün yedi serbestlik derecesi vardır. Bu hasat görevi için yeterlidir. Çalışma ortamıyla ilişkili manipülatör geometrisi Şekil 10’da verilmiştir. Robot kol ucu, meyveyi kalite kaybı olmadan tutacak şekilde tasarlanmış ve içerisindeki termal kesme cihazı virüslerin sera boyunca yayılmasını engellemektedir.

Bilgisayar görü sistemi, sera içindeki salatalıkların %95’inden fazlasını tespit edebilmektedir. Bilgisayar görüsü kullanılarak salatalık meyvesinin saptanması Şekil 11a’da görülmektedir. Geometrik modeller kullanarak salatalıkların olgunlukları belirlenmektedir (Şekil 11b). Arama algoritmasına dayanan bir hareket plancısı çarpışmadan göz-el koordinasyonunu sağlamaktadır. KAYNAK: Türkiye Ziraat Mühendisliği IX. Teknik Kongresi Bildiriler Kitabı-1