Otonom Tarım Robotları

Tarım robotları, artan küresel gıda talebi ve azalan tarım isgücü karsısında dikkat çeken çözümlerden biri olarak öne çıkmaktadır. 2050 yılına kadar dünya nüfusunun 10 milyara yaklasmasi beklenmekte ve tarımsal üretkenlikte %50'lik bir artıs gerekli görülmektedir. Yüksek değerli ürünlerin seçici hasadı, yabancı ot kontrolü, ilaçlama ve fenotipleme gibi görevler için otonom robotik sistemler yoğun arastırma konusudur. Koleksiyondaki yaklasık 16 makale bu alanı kapsamaktadır.

Otonom Navigasyon

Tarım robotlarının tarlada güvenli ve dogru şekilde hareket etmesi, tüm diger görevlerin temelini oluşturmaktadır. Navigasyon yöntemleri ortama göre önemli farklılıklar göstermektedir.

GPS-RTK Tabanlı Navigasyon

Açık alan traktörleri ve üst-kanopi robotlar için GPS-RTK (Gerçek Zamanlı Kinematik) standart navigasyon yöntemidir. Santimetre düzeyinde konum doğruluğu saglar. Ancak bitki kanopisi altında GPS sinyali zayıflar ve çoklu yol hataları olusur; bu nedenle alt-kanopi robotlarda alternatif yöntemler gereklidir.

Görü Tabanlı Navigasyon (CropFollow)

Sivakumar ve ark. (2021) alt-kanopi tarım robotları için görsel navigasyon sistemi CropFollow'u gelistirmistir. Sistem, düsük maliyetli bir monoküler RGB kameradan elde edilen görüntülerle sıra takibi yapabilmektedir.

Sistem mimarisi: 1. Algı modülü: ResNet-18 tabanlı CNN, görüntüden robotun sıraya göre açısını (heading) ve sıra içindeki konumunu (mesafe oranı) tahmin eder 2. Sensör füzyonu: Genisletilmis Kalman Filtresi (EKF) ile kamera ve IMU verileri birlestirilerek gürültü azaltılır 3. Kontrol: Doğrusal olmayan Model Tahminli Kontrol (MPC) ile açısal hız komutları üretilir

Saha test sonuçları (25 km üzerinde):

CropFollow, LiDAR tabanlı sistemi hem performans hem de maliyet açısından önemli ölçüde geride bırakmıstır. Algı modeli, mısırda egitildikten sonra soya fasulyesine aktarıldıgında (transfer ögrenme), sıfırdan egitilen modele kıyasla çok daha az etiketli veri ile basarılı sonuçlar vermistir (ek etiketli veri olmadan bile 2,20 derece ortalama açı hatası). LiDAR, yapraklardan kaynaklanan oklüzyon sorunlarına karsı kırılgan iken, CNN tabanlı sistem anlamsal bilgiyi yakalayarak geçilebilir (yapraklar) ve geçilemez (bitki gövdesi) engelleri ayırt edebilmektedir.

SLAM ve Diger Yöntemler

• LiDAR tabanlı SLAM: Meyve bahçeleri ve sera içi navigasyon için yaygın; ancak yüksek maliyetli
• Görsel-inersiyel odometri (VIO): Kapalı döngü düzeltmesi olmadan konum sapması problemi yasanır
• Derin pekistirmeli ögrenme: UAV yol planlama ve çoklu robot koordinasyonunda kullanılmaktadır

Hasat Robotları

Seçici hasat, tarım robotigi arastırmalarının en yoğun oldugu alandır. Kootstra ve ark. (2021) kapsamlı bir derleme çalısmasında sera, meyve bahçesi ve açık tarla ortamlarındaki hasat robotlarını incelemistir.

Sera Hasat Robotları

Son 30 yılda gelistirilen 50 robotun incelenmesinde ortalama hasat basarı oranı %66, döngü süresi 33 saniye olarak raporlanmıstır.

• SWEEPER (Biber hasadı): 6 DOF endüstriyel manipülatör, RGB-D kamera; optimal kosullarda %61, ticari kosullarda %18 basarı oranı, 24 sn döngü süresi
• Harvey (Biber hasadı): Modifiye üründe %76,5, modifiye edilmemis üründe %47 basarı oranı
• Çilek hasadı (Xiong ve ark.): Düsük maliyetli çift kollu robot; izole tek çilekte %100, küme içinde %20 basarı; çift kol modunda 4,6 sn döngü süresi
• Domates hasadı: Binoküler görü sensörlü çift kollu robot; %87,5 basarı, 29 sn döngü süresi

Meyve Bahçesi Hasat Robotları

Derin ögrenme, meyve algılamada önemli ilerlemeler saglamıstır: elma, avokado, mango ve portakal tespitinde F1 skoru 0,93'ün üzerinde performans rapor edilmistir.

Açık Tarla Hasat Robotları

• Kuslkonmaz: Sparter (Cerescon) -- ticari olarak mevcut tek açık tarla hasat robotu; toprak altı sensörlerle tespit, 0,3 ha/saat hız
• Brokoli: RoboVeg -- ticarilesmek üzere; derin ögrenme ile baslik tespiti ve boyutlandırma
• Marul (Vegebot): Iki CNN kullanımı; biri lokalizasyon, biri olgunluk sınıflandırma; %88 basarı, 31,7 sn

Ilaçlama ve Yabancı Ot Kontrol Robotları

• Lazer yabancı ot kontrolü: Küçük otonom araçlarla lazer ile hassas yabancı ot eliminasyonu
• Hassas ilaçlama: Gerçek zamanlı tütün tanıma ve ilaçlama robotu
• Çoklu robot koordinasyonu: Yogun tarlalarda daha az robotla yabancı ot kontrolü (AgBots 2.0)
• Sürü robotları: Çevreye duyarlı zararlı kontrolü için robot filoları
• Sprey drone'lar: Derin Q-ögrenme tabanlı otomatik ilaçlama yolu planlama

Kavrama ve Manipülasyon Teknolojileri

Son tutucu (end-effector) tasarımı, hasat robotlarının basarısında kritik bir faktördür:

• Yumusak tutucular: Domates hasadı için kuvvet geri beslemeli yumusak tutucu tasarımı; hassas meyvelere zarar vermeden kavrama
• Vakum tabanlı sistemler: Elma hasadında emme ile koparma (Abundant Robotics)
• Üç parmakli tutucular: Bükme hareketi ile meyve koparma (FFRobotics)
• Pnömatik tutucular: Marul hasadında kuvvet geri beslemeli kontrol ile yer seviyesi algılama
• Özel kesim araçları: Kuslkonmaz hasadında iki lastik pençe ve iki bıçaklı son tutucu

Enerji Yönetimi ve Platform Tasarımı

• Kompakt platform tasarımı: TerraSentia gibi ultra-kompakt 4 tekerlekli robotlar; Raspberry Pi + Intel NUC işlem gücü
• Günes enerjili sistemler: Uzun süreli saha operasyonları için yenilenebilir enerji entegrasyonu
• Rocker-bogie süspansiyon: Engebeli tarla arazisinde kararli hareket için 6 tekerlekli tasarım

Ticari Hazırlık Düzeyi

Tarım robotiginde ticari basarıya ulasan örnekler sınırlıdır:

Temel Zorluklar

Kootstra ve ark. (2021) tarım robotigi için üç temel zorluk tanımlamıstır:

1. Degiskenlik (Variation): Her bitki ve meyve benzersizdir; çevre kosulları (ısık, nem, sıcaklık), yetistirme sistemi ve görev çesitliligi robotik sistemler için büyük zorluk oluşturur
2. Eksik bilgi (Incomplete information): Yogun bitki örtüsünde oklüzyon; meyvelerin yapraklar tarafından kısmen veya tamamen kapatılması; sensör verisindeki gürültü
3. Güvenlik (Safety): Hassas meyvelere ve bitkilere zarar vermeden kavrama; insanlarla güvenli is birligi (insan-robot isbirligi)

Gelecek Yönelimler

• Çevre basitlestirme: Robotik hasada uygun bitki çesitlerinin yetistirilmesi (breeding for robotics); yetistirme sistemlerinin standardize edilmesi
• Robotik teknolojinin gelistirilmesi: Dokunsal algılama, aktif algı, çoklu sensör füzyonu ve uyumlu son tutucular
• Insan-robot is birligi: Tam otonomi yerine insan ve robot yeteneklerini birlestirecek is birligi çerçeveleri
• Ekonomik uygulanabilirlik: Robotik sistemlerin maliyet-fayda analizinde doğrudan olmayan faydaların da (hayat kalitesi, esneklik) dikkate alınması
• Robot etigi: Tarım-gıda bağlamında robot etigi tartısmalarının yürütülmesi

Ilgili Konular

• Crop Disease Detection -- Hastalık tespiti için robotik platformlar
• Fruit Detection Counting -- Meyve algılama ve lokalizasyon
• Food Quality Grading -- Hasat sonrası kalite değerlendirme