Bilaga 1: Forskningsprogram

Bilaga 1: Forskningsprogram Introduktion Sedan femtiotalet har jordbruket i västvärlden blivit mer och mer beroende av kemisk bekämpning av ogräs och skadedjur. Den negativa påverkan detta har på miljön och på själva grödan har ökat efterfrågan efter ekologisk odlade grödor. Idag rensas ogräs för hand i kravodlingen. Detta är relativt dyrt och det är svårt att hitta personer som vill utföra detta jobb. Detta medför att kravodlingen är begränsad i storlek och att efterfrågan är större än tillgången, t.ex. för ekologisk socker. För att öka volymen av de ekologisk odlade grödorna behövs det en automatisering av den mekaniska ogräsbekämpningen i den ekologiska odlingen. Vårt pågående forskningsprojekt, som för närvarande finansieras av FORMAS och avslutas under 2003, syftar till att utveckla metoder för att kunna styra en maskin så att den på egen hand kan rensa ogräs mekanisk. För att identifiera och skilja på grödor och ogräs använder vi oss av en kamera. Projektet har särskild fokus mot ekologisk odling av sockerbetor. Vårt forskningsprojekt och dess resultat har rönt stark internationellt och nationellt intresse. Vi har t.ex. blivit inbjudna till Danmark och Tyskland som talare, och inbjudna som gästredaktör av en vetenskapligt tidskrift, en special utgåva kring robotik i jordbruket [1]. Vi har även blivit inbjudna att publicera i tidskiften ISJ - International Sugar Journal [2]. Projektet vann även tredjepriset i de nationella tävlingen MiljöInnovation 2002 bland 65 tävlande bidrag. Viktiga kriterium har varit positiv miljöpåverkan och på sikt även god möjlighet till framtida affärsverksamhet och lönsamhet. Det pågående forskningsprojekt kan betraktas som grundläggande forskning. Målet med nästa forskningsprojekt, som vi söker nu anslag för hos SJV, är att utveckla praktisk omsättbar kunskap och teknik baserad på vår tidigare forskning. Målet är att utveckla vår metod så att den klarar av att hantera variationer mellan olika fält, som t.ex. plantstorlek och jordtyp. Målet är även att utveckla ett specialanpassat datorsystem och rensningsverktyg så att ett kostnadseffektiv system uppnås. Utförliga försök på olika fält är planerad för att kunna uppnå en robust automatisering och för att få kunskap hur den ekologiska odlingen bör bedrivas för en effektiv automatisering. Litteratur genomgång Det finns ett fåtal forskningsprojekt som syftar till en automatisering av mekanisk ogräsbekämpning. Dessa projekt kommer nu att beskrivas kort. Principen för alla projekten är att det finns ett sensorsystem som kan identifiera de enskilda grödorna bland ogräset samt kan bestämma grödornas position. Sedan används denna information för att kunna styra ett verktyg att rensa ogräs mellan grödorna i raden. Tyskland På Fachhochschule i Osnabrueck har man utvecklat ett sensorsystem baserad på en videokamera som tar bilder av plantorna och ett sensorsystem som mäter plantornas höjd [3]. Med hjälp av både bild- och höjdinformation försöker man känna igen om det kommer en gröda eller ej. En intressant aspekt av deras system är själva rensningsverktyget. Verktyget består av några fingrar som kan dras in- och ut allt eftersom det kommer en gröda eller ej. Systemet är i första hand avsett och testat på en majsodling. Systemet har testats några gånger

i fält på majsplantor. På grund av att majsplantorna är relativ höga jämfört med ogräs visade det sig att det var en bra strategi att mäta höjden. Höjden avgjorde i stor grad om en planta klassades som gröda eller ogräs och de första resultaten var goda. Att använda deras system på sockerbetor leder enligt vår uppfattning inte till tillräckligt bra resultat eftersom höjden av sockerbetplantor inte skiljer sig från höjden av ogräset. Nederländerna I Wageningen har man utvecklat ett enkelt mätsystem som mäter enbart höjden av plantorna [4]. Överstiger ett objekt i fältet en viss höjd antas det vara en planta, dvs. antingen en gröda eller ett ogräs. Observera att höjden inte används för att klassificera mellan gröda och ogräs som forskare i Osnabrueck gör. Höjden används således enbart för att registrera plantor medan sensorsystemet förs längs en rad av grödor. Genom att komma ihåg vad systemet har sett under en sträcka av ca. 80 cm längs raden och genom att ta hänsyn till det förväntade plantavståndet, avgör systemet om det handlar om en gröda eller ett ogräs. En intressant aspekt av deras system är själva rensningsverktyget. Verktyget består av två knivar monterad på en roterande skiva. Genom en mycket bra konstruktiv lösning, kan knivarna väldigt snabbt dras in när en gröda kommer. Både mätsystemet och rensningsverktyget monteras på en redskapsbärare som dras fram av en traktor. Systemet har testas i laboratoriet på små palmplantor och en enstaka gång i fält på sockerbetsplantor utan något större ogrästryck (konventionell odling). Systemet har då fungerat bra. Problemet är dock att när det saknas en gröda, i sträckan av 80 cm, blir det mycket svårare att avgöra om en viss plantan är en gröda eller ej, enbart på dess position. Enligt vår bedömning är detta systemet inte tillräckligt för att kunna klara av de svenska förhållandena i den ekologiska sockerbetsodlingen som har relativt stort ogrästryck och med en plantuppkomst rund 80 %. Angreppssättet att titta på plantornas position bedömer vi dock som mycket lovande. Danmark I Danmark, på KVL i Taastrup och på DJF Forskningscentrum i Bygholm, pågår forskning som baseras på RTK, Real-Time Kinematic, GPS [5]. Detta GPS system har en positionerings noggrannhet på 1-2 cm. Genom att registrera positionen på fröna när de såtts, kan man bygga en karta som innehåller positionen av alla grödor i fältet. När man sedan rensar kan denna informationen användas för att styra ett rensningsverktyg. Nackdel är att RTK-GPS utrustningen är relativt dyrt och att det är tveksamt om den sammanlagda positionerings noggrannheten räcker, dvs. noggrannheten av RTK GPS när man sår, noggrannheten i var fröna exakt hamnar i jorden och noggrannheten av RTK GPS när man slutligen rensar. Sverige Kärnan i systemet från Osnabrueck är ett sensorsystem som försöker avgöra om varje planta är den önskade grödan eller ej. Sensorsystemet består av både en kamera och sensorer som mäter planthöjd. Kärnan i systemet från Wageningen, som består endast av sensorer som mäter höjd, är att sensorsystemet försöker avgöra om en viss plantan är ogräs eller en gröda genom att enbart titta på plantans position i ett område av 80 cm langs raden. Vår angreppsätt är att kombinera dessa metoder dvs. vi tittar både till den enskilda plantans egenskaper och dess position för att avgöra om det är en gröda eller ej. Vi mäter dock inte planthöjden och använder enbart en färgkamera. Vår metod är beskriven mer in detalj i nästa stycke.

Preliminära Resultat Svart-vit kamera med infrarött filter för radföljning Färg kamera för identifiering av plantor Datorer och kontrollelektronik Batteri Rensningsverktyg Batteri Kompressor Figur 1. En mindre försöksmaskin användes vid provning av plantigenkänning (här utan rensningsverktyg). Figur 2 Principskiss av försöksmaskinen. Färgkameran i mitten används för att identifiera de enskilda plantorna och bestämma dess position. Den svartvita kameran används för att identifiera raderna för navigering av roboten Radföljningssystem Mekanisk ogräsbekämpning för radodlade grödor kan delas in i två delar. Den första är att rensa ogräset mellan raderna. För detta används ett relativt enkelt redskap som förs mellan raderna med hjälp av en traktor. För att kunna rensa nära raderna är ett sensorbaserad radföljningssystem en fördel för att kunna styra redskapet med god precision. För det ändamålet har vi i ett nu avslutad forskningsprojekt utvecklad ett radföljningssystem baserat på en kamera [6]. Systemet har testas för att både kunna styra en vanligt radrensare monterad på en traktor och en mindre försöksmaskin som styrdes helt på egen hand (se fig. 1 och 2). Det visade sig att kamerasystemet kunde känna igen raderna även under högt ogrästryck (200 ogräs/m2) och även när några grödor saknades i raden med bibehållen god precision (+ 2 cm). Igenkänning av grödorna Figur 3. Plantor kan identifieras på dess egenskaper, t. ex. färg eller form, eller dess position i bilden. De inringade plantorna är sockerbetor planterade med ca 15 cm mellanrum i raden. Det andra, mer svårlösta problemet, är att rensa i själva raden. För det ändamålet krävs det att det finns ett sensorsystem som kan känna igen grödorna bland ogräset. I vårt pågående forskningsprojekt använder vi oss av två metoder. För det första kan man titta på de enskilda egenskaparna på plantorna, t.ex. färg, storlek eller form. För det andra kan man utnyttja

strukturinformationen i bilden, dvs. utnyttja att grödorna planteras med fixt avstånd, se fig. 3. För båda metoder kan man använda sig av en färgkamera för att få den informationen som krävs. Under 2001 och 2002 har vi utvecklad en metod som kombinerar egenskaper av den enskilda planta och plantans position i en rad för att avgöra om det handlar om en gröda eller ej. Preliminära tester som baseras på bilder ur vår bild-databas (mer än tusen bilder tagna på två olika sockerbetsfält), visar att vi kan känna igen mellan 70 och 95 % procent av antalet grödor beroende hur stora variationer vi tillåter mellan olika bilder, t.ex. vad gäller plantstorlek och ogrästryck. Testerna visar på att det är viktigt att metoderna kan anpassas sig själv efter dessa variationer för att kunna uppnå en tillräckligt bra klassificering. Rensningsverktyg Vi har utvecklad ett enkelt rensningsverktyg som helt enkelt dras upp när en gröda är detekterad. Denna prototypen är dock inte tillräckligt snabbt men räcker för att visa de första preliminära resultaten. Mindre försöksmaskin Vi har utvecklad en mindre försöksmaskin som styrs på egen hand för att kunna testa våra metoder (se fig. 1 och 2). Maskinen följer en rad med hjälp av vårt radföljningssystem, och har en inbyggd färgkamera för att kunna hitta grödorna bland ogräset. Vår enkla rensningsverktyg är kopplat efter maskinen. Vi har testat hela systemet inomhus i växthus med god resultat [7]. Under säsongen 2003 kommer denna försöksmaskin att användas för att testa våra nya metoder för att känna igen grödorna, som är beskriven ovan. Metodbeskrivning Baserat på vår tidigare forskningsresultat vill vi nu genomföra ett projekt som tar denna helt nya teknik ett betydande steg närmare användning. För att kunna ta det steget behövs det i huvudsak tillämpad forskning inom två områden: A) En vidare utveckling av våra metoder så att den klarar av att hantera skillnader som finns mellan olika delar av fältet, mellan olika fält och mellan olika odlingar. Skillnader kan handlar om plant storlek, ogrästryck, jordtyp med mera. För att klara av de olika skillnaderna krävs det en manuell justering av oss som har utvecklat systemet. Målet är att det inte skall behövas någon justering alls, dvs. våra metoder skall klara av den nödvändiga justeringen på egen hand, eller att en odlare lätt kan göra justeringen själv. För att uppnå detta målet krävs det många tester i fält på olika ekologiska odlingar. Detta ger ökad kunskap om hur inom och mellan fälts variationer påverkar metoderna samt ger kunskap hur den ekologiska odlingen bör bedrivas, t.ex. vad gäller plantavstånd och maximal tillåtna ogrästryck, för en effektiv automatisering. B) Det andra som behövs är forskning och utveckling av en maskinteknisk lösning som är kostnadseffektiv och som kan anpassas till olika typer av redskapsbärare. I figur 4 visas en modulär lösning, som till exempel kan monteras på en radrensare efter en traktor (se fig 5). En nyckelkomponent är utvecklingen av en speciellt datorsystem som är tillräckligt beräkningskraftigt samt kostnadseffektiv. Utvecklingen av datorsystemet bör ske i nära samverkan med utvecklingen av metoder (som i slutändan är en programvara), eftersom de ömsesidigt påverkar varandra för att nå en tillräckligt snabbt och kostnadseffektiv lösning. En annan nyckel komponent är utvecklingen av en kompakt, snabbt, och energisnålt rensningsverktyg. Här har vi som utgångspunkt att ta till vara på de goda lösningsansatser som finns i Osnabrueck och Wageningen.

Färgkamera för identifiering av plantor Rensningsverktyg Dator Plantor Figur 4. Modul bestående av plantigenkänningssystem och rensningsverktyg för rensning mellan grödorna i raden. När verktyget närmar sig plantan höjs verktyget och släpps sedan ner när det passerat plantan. Figur 5. Traktor med moduler (en för varje rad) för plantigenkänning och rensning. För styrning av redskapet används ett radföljningssystem baserat på bildbehandling. Tidsplan Under perioden oktober 2003 - april 2004 planerar vi att utveckla ett modul som kan monteras efter en traktor, samt att vidare utveckla våra metoder så att de bättre kan klara av skillnader mellan olika fält. Under perioden maj - augusti 2004 planerar vi att testa vårat system hos minst tre olika ekologiska odlare samt att dokumentera och utvärdera testerna. Under perioden september - april 2005, planera vi att vidare utveckla våra metoder så att de kan klara av skillnader mellan olika fält antingen på egen hand eller med hjälp av en enkel justering av en icke-expert. Under perioden maj - september 2005 planerar vi att testa vårat system hos minst tre olika ekologiska odlare samt att dokumentera och utvärdera testerna. Vi planera även att jämföra resultatet av vår automatiserade ogräsrensning med manuell ogräsrensning genom att räkna antalet ogräs före och efter rensningen och att väga skörden baserad på ett mindre försöksfält hos Hushållningssällskapet i Halland. Kompetens för projektet och samverkan Björn Åstrand är doktorand i det pågående projektet finansierad av FORMAS. Han förväntas avsluta sin doktorsavhandling under hösten 2003. Genom medel av SJV vill vi nu omsätta hans mer grundläggande forskning till mer praktisk omsättbar kunskap och teknik. Av ovanstående beskrivning av våra tidigare resultat framgår att han besitter den nyckel kompetensen, unikt i Sverige, för att nå målet med en kostnadseffektiv automatisering av den mekaniska ogräsbekämpningen. Avsikten är att han fortsätter sin verksamhet vid Högskolan i Halmstad som forskarassistent genom medel av SJV. En ny doktorand kommer att anställas och en forskningsingenjör, Tommy Salomonsson, knytts också till projektet framförallt för utvecklingen av datorsystemet. Professor Albert-Jan Baerveldt ansvarar för den vetenskapliga handledningen av projektet. Genom ett väl utbyggt kontaktnät med SBU Sockernäringens BetodlingsUtveckling, Hushållningsällskapet i Halland och Kristianstad, sockerbetsodlare och maskintillverkare för ekologisk odling knytts den nödvändiga odlingskompetensen till oss (se även Resultatsförmedlingsplan - Referensgrupp).

Relevans för näringen och miljökonsekvenserna Idag rensas ogräs oftast för hand i kravodlingen. Detta är relativt dyrt, 10.000 kr/ha, och det är svårt att hitta personer som vill utföra jobbet. Efterfrågan på kravodlat är också större än tillgången och det finns en politisk ambition att öka den ekologiska åkerarealen från 10 till 20% t.o.m. år 2005. För att kunna öka volymen av de ekologiskt odlade grödorna behövs automatisering av ogräsbekämpningen. Vinsterna med detta är: Miljömässiga genom att mer konventionellt odlad mark, där ogräsrensningen sker kemiskt, kan ställas om till ekologiskt produktion. Ekonomiska, där kostnaderna för ogräsbekämpning kan minska med upp till 50% baserad på en preliminär beräkning, framförallt för att behovet av personal minskar. Genom att introducera ny teknik som bildbehandling får man samtidigt möjlighet att utföra nya uppgifter. Man kan exempelvis utföra kartering av fältet och beräkna uppkomst och hur bra det växer på olika delar av fältet för att sedan kunna styra exempelvis gödning. Med systemet är det även möjligt att införa gallring vilket skulle kunna motverka dålig uppkomst, genom att man sår mer plantor och sedan gallrar, och därigenom öka avkastningen. Literaturlista 1 Baerveldt A.-J., Guest-Editorial Special Issue on Agricultural Robots, Autonomous Robots, Vol. 13, No-. 1, pp. 5-9, 2002. inbjudna 2 B. Åstrand, Baerveldt A.-J, A mobile robot for mechanical weed control, To be Published in February Issue International Sugar Journal, 2003. inbjudna 3 A. Ruckelshausen et. al., Microcontroller-based multi-sensor system for online crop/weed detection, Proceedings of the Int. Brighton Conference "Weeds", pp. 601-606., 1999. 4 J. Bontsema, K. van Asselt, T. Groot, Intra-row weed control, Computer-Bildanalyse in der Landwirtschaft, Workshop 2002, Bornimer Agrartechnische Berichte Heft 31, ISSN 0947-7314, 2002. 5 H.W. Griepentrog, M. Nörremark, AIR, Autononous Intra-Row Weeder, KVL Precision Farming, projectinformation on www.cpf.kvl.dk, 2002. 6 B. Åstrand, Mechatronics in Agriculture Row Guidance System for Agricultural Field Machinery (Licentiate thesis), School of Electrical and Computer Engineering, Chalmers University of Technology, Göteborg, Technical Report No. 351L, 2000. 7 Åstrand B., Baerveldt A.-J., An Agricultural Mobile Robot with Vision-Based Perception for Mechanical Weed Control, Autonomous Robots, Vol. 13, No. 1, pp. 21-35, 2002.