Projeto e desenvolvimento de um sistema de pulverização de microdoses robótico orientado ao alvo controlado por servo no controle de precisão de ervas daninhas
DOI:
https://doi.org/10.5433/1679-0359.2021v42n2p635Palavras-chave:
Bico de agulha de pulverização, Controle preciso de ervas daninhas, LabVIEW, Visão de máquina.Resumo
O método de pulverização por difusão usando quantidades excessivas de pesticidas é geralmente preferido para o controle de ervas daninhas na agricultura. Neste estudo, um robô móvel foi desenvolvido e testado em alvos artificiais de ervas daninhas para um sistema de pulverização de microdoses para reduzir a quantidade de líquido pulverizado para o controle de ervas daninhas. Um protótipo de robô móvel consistindo de uma plataforma robótica, visão de máquina e unidade de pulverização dirigível foi construído e controlado usando o software LabVIEW e testado para avaliar a aplicabilidade do sistema de pulverização. O método de verdura e o algoritmo de segmentação foram usados para extrair ervas daninhas artificiais do fundo. As amostras de ervas daninhas artificiais foram tratadas de acordo com suas coordenadas usando um bico de agulha de pulverização de micro-dose baseado em servo. Os experimentos foram conduzidos nas velocidades de 0,42; 0,54, 0,66, 0,78 e 0,90 km h-1 para avaliar o desempenho do sistema de pulverização em condições de laboratório. Os desempenhos de rastreamento e direcionamento do sistema de pulverização móvel foram observados visualmente. Experimentos de consumo, deposição e taxa de cobertura foram realizados usando copos graduados, papéis de filtro e papéis hidrossensíveis para avaliar a eficiência de pulverização do sistema sob pressão de pulverização de 200 kPa. Os resultados mostraram que o método de pulverização de microdoses direcionado economizou aproximadamente 95% do volume de aplicação em comparação com o método de pulverização por difusão. A maior eficiência de pulverização foi determinada nos locais do meio, em vez de nos locais das bordas, de acordo com a quantidade de deposição e os resultados da taxa de cobertura. O sistema de controle de ervas daninhas orientado ao alvo servo-controlado que foi desenvolvido foi testado experimentalmente e considerado muito eficiente.Downloads
Não há dados estatísticos.
Referências
Berenstein, R., & Edan, Y. (2017). Human-robot collaborative site-specific sprayer. Journal of Field Robotics, 34(8), 1519-1530. doi: 10.1002/rob.21730
Blasco, J., Aleixos, N., Roger, J. M., Rabatel, G., & Moltó, E. (2002). Robotic weed control using machine vision. Biosystems Engineering, 83(2), 149-157. doi: 10.1006/bioe.2002.0109
Gonzalez, R. C., Woods, R. E., & Masters, B. R. (2008). Digital image processing (vol. 14). Upper Saddle River, NJ: Prentice Hall.
Gonzalez-de-Soto, M., Emmi, L., Perez-Ruiz, M., Aguera, J., & Gonzalez-de-Santos, P. (2016). Autonomous systems for precise spraying - Evaluation of a robotised patch sprayer. Biosystems Engineering, 146(2016), 165-182. doi: 10.1016/j.biosystemseng.2015.12.018
Jafari, A., Jahromi, H. E., Mohtasebi, S., & Omid, M. (2006a). Color segmentation scheme for classifying weeds from sugar beet using machine vision. International Journal of Information Science and Management (IJISM), 4(1), 1-12.
Jafari, A., Mohtasebi, S., Jahromi, H., & Omid, M. (2006b). Weed detection in sugar beet fields using machine vision. International Journal of Agriculture and Biology, 8(5), 602-605.
Lamm, R. D., Slaughter, D. C., & Giles, D. K. (2002). Precision weed control system for cotton. Transactions of the ASAE, 45(1), 231-238. doi: 10.13031/2013.7861
Lee, W. S., Slaughter, D. C., & Giles, D. K. (1999). Robotic weed control system for tomatoes. Precision Agriculture, 1(1), 95-113. doi: 10.1023/a:1009977903204
Loghavi, M., & Mackvandi, B. B. (2008). Development of a target oriented weed control system. Computers and Electronics in Agriculture, 63(2), 112-118. doi: 10.1016/j.compag.2008.01.020
Loni, R., Loghavi, M., & Jafari, A. (2014). Design, development and evaluation of targeted discrete-flame weeding for inter-row weed control using machine vision. American Journal of Agricultural Science and Technology, 2(1), 17-30. doi: 10.7726/ajast.2014.1003
Meyer, G. E., &, Camargo, J. Neto. (2008). Verification of color vegetation indices for automated crop imaging applications. Computers and Electronics in Agriculture, 63(2), 282-293. doi: 10.1016/j. compag.2008.03.009
Midtiby, H. S., Mathiassen, S. K., Andersson, K. J., & Jørgensen, R. N. (2011). Performance evaluation of a crop/weed discriminating microsprayer. Computers and Electronics in Agriculture, 77(1), 35-40. doi: 10.1016/j.compag.2011.03.006
Nieuwenhuizen, A. T., Hofstee, J. W., & van Henten, E. J. (2010). Performance evaluation of an automated detection and control system for volunteer potatoes in sugar beet fields. Biosystems Engineering, 107(1), 46-53. doi: 10.1016/j.biosystemseng.2010.06.011
Özlüoymak, Ö. B., & Bolat, A. (2020). Development and assessment of a novel imaging software for optimizing the spray parameters on water-sensitive papers. Computers and Electronics in Agriculture, 168(2020), 105104. doi: 10.1016/j.compag.2019.105104
Sabanci, K., & Aydin, C. (2017). Smart robotic weed control system for sugar beet. Journal of Agricultural Science and Technology, 19(1), 73-83.
Shirzadifar, A., Loghavi, M., & Raoufat, M. (2013). Development and evaluation of a real time site-specific inter-row weed management system. Iran Agricultural Research, 32(2), 39-54. doi: 10.22099/IAR. 2015.2004
Song, Y., Sun, H., Li, M., & Zhang, Q. (2015). Technology application of smart spray in agriculture: a review. Intelligent Automation & Soft Computing, 21(3), 319-333. doi: 10.1080/10798587.2015.10157 81
Tangwongkit, R., Salokhe, V., & Jayasuriya, H. W. (2006). Development of a real-time, variable rate herbicide applicator using machine vision for between-row weeding of sugarcane fields. Agricultural Engineering International: CIGR Journal, Manuscript PM 06 009, 8, 1-12.
Tellaeche, A., Burgos-Artizzu, X. P., Pajares, G., & Ribeiro, A. (2008). A vision-based method for weeds identification through the Bayesian decision theory. Pattern Recognition, 41(2), 521-530. doi: 10.1016/ j.patcog.2007.07.007
Tian, L. (2002). Development of a sensor-based precision herbicide application system. Computers and Electronics in Agriculture, 36(2-3), 133-149. doi: 10.1016/s0168-1699(02)00097-2
Timmermann, C., Gerhards, R., & Kühbauch, W. (2003). The economic impact of site-specific weed control. Precision Agriculture, 4(3), 249-260. doi: 10.1023/a:1024988022674
Underwood, J. P., Calleija, M., Taylor, Z., Hung, C., Nieto, J., Fitch, R., & Sukkarieh, S. (2015). Real-time target detection and steerable spray for vegetable crops. Sydney: Sydney Univ. Retrieved from http://confluence.acfr.usyd.edu.au/download/attachments/14452007/2015-Underwood-ICRAAgWs-Spray.pdf?version=1&modificationDate=1465979705000&api=v2
Wan Ishak, W. I., & Rahman, K. A. (2010). Software development for real-time weed colour analysis. Pertanika Journal of Science & Technology, 18(2), 243-253.
Xiong, Y., Ge, Y., Liang, Y., & Blackmore, S. (2017). Development of a prototype robot and fast path-planning algorithm for static laser weeding. Computers and Electronics in Agriculture, 142(2017), 494-503. doi: 10.1016/j.compag.2017.11.023
Yang, C.-C., Prasher, S. O., Landry, J.-A., & Kok, R. (2002). A vegetation localization algorithm for precision farming. Biosystems Engineering, 81(2), 137-146. doi: 10.1006/bioe.2002.0006
Yang, C.-C., Prasher, S. O., Landry, J.-A., & Ramaswamy, H. S. (2003). Development of an image processing system and a fuzzy algorithm for site-specific herbicide applications. Precision Agriculture, 4(1), 5-18. doi: 10.1023/a:1021847103560
Young, S. L., & Giles, D. K. (2013). Targeted and microdose chemical applications. In S. L. Young, & F. J. Pierce (Eds.), Automation: the future of weed control in cropping systems (pp. 139-147). Netherlands: Springer.
Zhang, Y., Staab, E. S., Slaughter, D. C., Giles, D. K., & Downey, D. (2012). Automated weed control in organic row crops using hyperspectral species identification and thermal micro-dosing. Crop Protection, 41(2012), 96-105. doi: 10.1016/j.cropro.2012.05.007
Zhao, D., Zhao, Y., Wang, X., & Zhang, B. (2016). Theoretical design and first test in laboratory of a composite visual servo-based target spray robotic system. Journal of Robotics, 2016(3), 1-11. doi: 10. 1155/2016/1801434
Blasco, J., Aleixos, N., Roger, J. M., Rabatel, G., & Moltó, E. (2002). Robotic weed control using machine vision. Biosystems Engineering, 83(2), 149-157. doi: 10.1006/bioe.2002.0109
Gonzalez, R. C., Woods, R. E., & Masters, B. R. (2008). Digital image processing (vol. 14). Upper Saddle River, NJ: Prentice Hall.
Gonzalez-de-Soto, M., Emmi, L., Perez-Ruiz, M., Aguera, J., & Gonzalez-de-Santos, P. (2016). Autonomous systems for precise spraying - Evaluation of a robotised patch sprayer. Biosystems Engineering, 146(2016), 165-182. doi: 10.1016/j.biosystemseng.2015.12.018
Jafari, A., Jahromi, H. E., Mohtasebi, S., & Omid, M. (2006a). Color segmentation scheme for classifying weeds from sugar beet using machine vision. International Journal of Information Science and Management (IJISM), 4(1), 1-12.
Jafari, A., Mohtasebi, S., Jahromi, H., & Omid, M. (2006b). Weed detection in sugar beet fields using machine vision. International Journal of Agriculture and Biology, 8(5), 602-605.
Lamm, R. D., Slaughter, D. C., & Giles, D. K. (2002). Precision weed control system for cotton. Transactions of the ASAE, 45(1), 231-238. doi: 10.13031/2013.7861
Lee, W. S., Slaughter, D. C., & Giles, D. K. (1999). Robotic weed control system for tomatoes. Precision Agriculture, 1(1), 95-113. doi: 10.1023/a:1009977903204
Loghavi, M., & Mackvandi, B. B. (2008). Development of a target oriented weed control system. Computers and Electronics in Agriculture, 63(2), 112-118. doi: 10.1016/j.compag.2008.01.020
Loni, R., Loghavi, M., & Jafari, A. (2014). Design, development and evaluation of targeted discrete-flame weeding for inter-row weed control using machine vision. American Journal of Agricultural Science and Technology, 2(1), 17-30. doi: 10.7726/ajast.2014.1003
Meyer, G. E., &, Camargo, J. Neto. (2008). Verification of color vegetation indices for automated crop imaging applications. Computers and Electronics in Agriculture, 63(2), 282-293. doi: 10.1016/j. compag.2008.03.009
Midtiby, H. S., Mathiassen, S. K., Andersson, K. J., & Jørgensen, R. N. (2011). Performance evaluation of a crop/weed discriminating microsprayer. Computers and Electronics in Agriculture, 77(1), 35-40. doi: 10.1016/j.compag.2011.03.006
Nieuwenhuizen, A. T., Hofstee, J. W., & van Henten, E. J. (2010). Performance evaluation of an automated detection and control system for volunteer potatoes in sugar beet fields. Biosystems Engineering, 107(1), 46-53. doi: 10.1016/j.biosystemseng.2010.06.011
Özlüoymak, Ö. B., & Bolat, A. (2020). Development and assessment of a novel imaging software for optimizing the spray parameters on water-sensitive papers. Computers and Electronics in Agriculture, 168(2020), 105104. doi: 10.1016/j.compag.2019.105104
Sabanci, K., & Aydin, C. (2017). Smart robotic weed control system for sugar beet. Journal of Agricultural Science and Technology, 19(1), 73-83.
Shirzadifar, A., Loghavi, M., & Raoufat, M. (2013). Development and evaluation of a real time site-specific inter-row weed management system. Iran Agricultural Research, 32(2), 39-54. doi: 10.22099/IAR. 2015.2004
Song, Y., Sun, H., Li, M., & Zhang, Q. (2015). Technology application of smart spray in agriculture: a review. Intelligent Automation & Soft Computing, 21(3), 319-333. doi: 10.1080/10798587.2015.10157 81
Tangwongkit, R., Salokhe, V., & Jayasuriya, H. W. (2006). Development of a real-time, variable rate herbicide applicator using machine vision for between-row weeding of sugarcane fields. Agricultural Engineering International: CIGR Journal, Manuscript PM 06 009, 8, 1-12.
Tellaeche, A., Burgos-Artizzu, X. P., Pajares, G., & Ribeiro, A. (2008). A vision-based method for weeds identification through the Bayesian decision theory. Pattern Recognition, 41(2), 521-530. doi: 10.1016/ j.patcog.2007.07.007
Tian, L. (2002). Development of a sensor-based precision herbicide application system. Computers and Electronics in Agriculture, 36(2-3), 133-149. doi: 10.1016/s0168-1699(02)00097-2
Timmermann, C., Gerhards, R., & Kühbauch, W. (2003). The economic impact of site-specific weed control. Precision Agriculture, 4(3), 249-260. doi: 10.1023/a:1024988022674
Underwood, J. P., Calleija, M., Taylor, Z., Hung, C., Nieto, J., Fitch, R., & Sukkarieh, S. (2015). Real-time target detection and steerable spray for vegetable crops. Sydney: Sydney Univ. Retrieved from http://confluence.acfr.usyd.edu.au/download/attachments/14452007/2015-Underwood-ICRAAgWs-Spray.pdf?version=1&modificationDate=1465979705000&api=v2
Wan Ishak, W. I., & Rahman, K. A. (2010). Software development for real-time weed colour analysis. Pertanika Journal of Science & Technology, 18(2), 243-253.
Xiong, Y., Ge, Y., Liang, Y., & Blackmore, S. (2017). Development of a prototype robot and fast path-planning algorithm for static laser weeding. Computers and Electronics in Agriculture, 142(2017), 494-503. doi: 10.1016/j.compag.2017.11.023
Yang, C.-C., Prasher, S. O., Landry, J.-A., & Kok, R. (2002). A vegetation localization algorithm for precision farming. Biosystems Engineering, 81(2), 137-146. doi: 10.1006/bioe.2002.0006
Yang, C.-C., Prasher, S. O., Landry, J.-A., & Ramaswamy, H. S. (2003). Development of an image processing system and a fuzzy algorithm for site-specific herbicide applications. Precision Agriculture, 4(1), 5-18. doi: 10.1023/a:1021847103560
Young, S. L., & Giles, D. K. (2013). Targeted and microdose chemical applications. In S. L. Young, & F. J. Pierce (Eds.), Automation: the future of weed control in cropping systems (pp. 139-147). Netherlands: Springer.
Zhang, Y., Staab, E. S., Slaughter, D. C., Giles, D. K., & Downey, D. (2012). Automated weed control in organic row crops using hyperspectral species identification and thermal micro-dosing. Crop Protection, 41(2012), 96-105. doi: 10.1016/j.cropro.2012.05.007
Zhao, D., Zhao, Y., Wang, X., & Zhang, B. (2016). Theoretical design and first test in laboratory of a composite visual servo-based target spray robotic system. Journal of Robotics, 2016(3), 1-11. doi: 10. 1155/2016/1801434
Downloads
Publicado
2021-02-24
Como Citar
Özlüoymak, Ömer B. (2021). Projeto e desenvolvimento de um sistema de pulverização de microdoses robótico orientado ao alvo controlado por servo no controle de precisão de ervas daninhas. Semina: Ciências Agrárias, 42(2), 635–656. https://doi.org/10.5433/1679-0359.2021v42n2p635
Edição
Seção
Artigos
Licença
Copyright (c) 2021 Semina: Ciências Agrárias
Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial 4.0 International License.
Semina: Ciências Agrárias adota para suas publicações a licença CC-BY-NC, sendo os direitos autorais do autor, em casos de republicação recomendamos aos autores a indicação de primeira publicação nesta revista.
Esta licença permite copiar e redistribuir o material em qualquer meio ou formato, remixar, transformar e desenvolver o material, desde que não seja para fins comerciais. E deve-se atribuir o devido crédito ao criador.
As opiniões emitidas pelos autores dos artigos são de sua exclusiva responsabilidade.
A revista se reserva o direito de efetuar, nos originais, alterações de ordem normativa, ortográfica e gramatical, com vistas a manter o padrão culto da língua e a credibilidade do veículo. Respeitará, no entanto, o estilo de escrever dos autores. Alterações, correções ou sugestões de ordem conceitual serão encaminhadas aos autores, quando necessário.
