Get best of the week

Bagaimana kami membuat autopilot pertama untuk pemanen gabungan pada analitik video di dunia

gambar
Itu seluruh set, jika ada bus BISA.

Hanya lima tahun yang lalu tidak ada jaringan saraf yang berfungsi normal untuk penentuan hambatan dan ujung tangkai yang sama, oleh karena itu tidak ada analitik video juga. Ada metode GPS "buta", yang dalam praktiknya ternyata jauh dari yang terbaik dan sangat mengurangi gengsi otomasi di bidang pertanian. Dalam lima tahun, kami percaya bahwa semua penggabungan akan diotomatisasi secara tepat dengan autopilot visual untuk melihat dari kokpit dan ke samping dan mengontrol semua aspek pemanenan.

Kami berada di saat ketika kami sudah memiliki teknologi siap pakai, mereka sudah teruji dengan baik, murah dan memiliki pengalaman operasi tahunan, dan pemanen gabungan besar memandangnya dengan penuh minat. Kemungkinan besar, itu akan seperti dengan radio mobil: pertama mereka dimasukkan ke dalam mobil, dan kemudian mobil datang dengan yang sudah built-in. Jadi kami sekarang memodifikasi kombinasi lama, tetapi kami ingin mengambil tempat di ekosistem dan menempatkan kompleks pada semua yang baru.

Proyek semacam itu bisa dimulai di negara kita, di Brasil, dan bahkan di beberapa negara karena kekhasan pasar. Kita membutuhkan negara dengan pertanian, pengembang di dalam, pemanenan yang tidak efisien (yaitu, rasa sakit yang jelas untuk diselamatkan) dan armada gabungan baru. Kami beruntung dengan semuanya, termasuk taman: setelah Uni Soviet, semuanya berantakan, dan sekarang kami melihat mobil sekitar empat hingga lima tahun yang lalu di peternakan utama.

Ada 350 ribu kombinasi di Rusia, dan 35 ribu lainnya dikirimkan setiap tahun. Ini bukan pasar mobil, tentu saja, tetapi dengan membuat keputusan yang tepat sekarang, sementara tidak ada yang datang ke sana, Anda bisa mendapatkan semuanya.

Tapi mari kita beri tahu Anda cara kerjanya dan bagaimana kami memodifikasi gabungan di Rusia.

gambar
Bagaimana hari kerja operator gabungan dengan Agro Pilot kami.

Operator gabungan - operator atau operator mesin - tiba pukul tujuh pagi di lapangan. Jika ini bukan hari pertama, maka mobil sudah langsung di tengah panen. Pengaturan dibuat untuk bagian selanjutnya, pemanasan. Pada jam sembilan pagi embun meninggalkan ladang, Anda bisa mulai. Anda harus selesai dalam gelap ketika kelembaban naik lagi. Anda tidak bisa bekerja di tengah hujan. Dalam sekitar dua minggu, Anda perlu memiliki waktu untuk mengumpulkan semua biji-bijian sebelum menuangkan dan tumpah ke tanah: semakin jauh, semakin besar kerugiannya. Anda tidak dapat memulai lebih awal: gandum belum matang. Oleh karena itu, justru pada puncak beban inilah yang sederhana, kesalahan atau kecelakaan apapun sangat mahal.

Perubahan berlangsung hingga 14 jam kerja yang monoton. Operator perlu:

  • , . . .
  • : , 20–22 , . , . .
  • — .
  • — .
  • .

Di sini, kolega saya, Eduard, berbicara lebih rinci tentang fitur mengapa, pada akhirnya, operator hanya fokus pada taksi , meninggalkan pengaturan default dalam mekanisme pengumpulan dan sering melewatkan dukungan saluran listrik atau traktor di depan dan menabrak shift ke-10.

Ringkasan singkat: seseorang dapat mengarahkan, atau memantau kualitas pembersihan. Ternyata buruk untuk dikemudikan, karena gabungan memiliki dimensi 12 meter di sepanjang header, dan sering kali garis-garis besar yang dipotong tetap karena belokan yang tidak sempurna.

Jika Anda menghapus muatan saat naik taksi, maka tiba-tiba panen gandum meningkat secara ajaib. Dalam praktik kami, tahun lalu dari situs yang sama - sebesar 3% karena fakta bahwa operator memiliki kesempatan untuk lebih akurat melihat apa yang terjadi di masa depan. Dan sekitar 3-5% lebih - karena retensi penangkapan tanpa "pusar" dan bagian besar yang dipotong. Ditambah lagi tanpa kecelakaan.

Secara umum, ini adalah hal yang sangat perlu yang sudah lama diimplementasikan jika ada kemungkinan teknis.

Peluang teknis muncul


Inilah yang dilakukan autopilot:

gambar

Yaitu:

  • Menggabungkan adalah mengemudi sebagaimana mestinya sesuai dengan karakteristik pertumbuhan budaya saat ini dan bagaimana menggabungkan pergi ke sana.
  • Ini memungkinkan Anda untuk bekerja sama dengan armada campuran: baik untuk mobil-mobil yang memiliki autopilot, dan dengan kontrol manual. Autopilot tidak membuat perbedaan.
  • Sangat jelas menjaga jarak antara gang-gang, memastikan minimum memotong.
  • Dia mencari kendala, mengklasifikasikannya dan memutuskan apa yang harus dilakukan: berputar, memperlambat atau, ketika ada waktu, memperingatkan operator.
  • Mendukung kecepatan optimal untuk situasi tertentu. Ada fitur seperti itu: untuk pemanen agar bersih, Anda harus menjaga jarak dari 6 hingga 6,5 ​​kilometer per jam untuk, katakanlah, gandum pada model tertentu. Jika kita melewati garis ini, maka volume massa akan lebih besar, momok akan berhenti menjatuhkan semua butir, dan selanjutnya kerugian meningkat secara eksponensial dari kecepatan: tujuh kilometer - 0,2%, delapan - 0,5%, dan seterusnya.

Evaluasi agroteknik dari salah satu kombinasi sesuai dengan hasil uji lapangan laboratorium
Bagaimana kecepatan mempengaruhi kinerja pengumpulan
123
, /4,15,46,34,55,672,83,64,3
,4,8
,14236
:
— ,—1313222222555
—1,41,421,651,863,371,351,471,19
— ,—9,69,588,614,812,212,19,4
— , %
20%, , %—0,130,170,270,350,360,560,620,74
:
——0,080,110,20,240,250,290,320,31
——0,050,060,070,110,110,240,270,4
——000000,030,030,03
, /10,715,316,12,73,44,53,64,16,1
, /5,286,757,722,092,684,8445,37
, /3,854,155,372,232,875,99578,7
, , %,0,830,931,010,390,440,50,330,490,53
:0,240,370,420,270,320,370,260,420,45
—
—0,430,410,4500
— -—0,003—
— , %0,160,150,140,120,120,130,060,070,08
, %:
—1,561,51,411,181,21,270,620,6911,270,83
—0,420,50,570,880,891,091,3298,041,72
— ()98,029898,0297,9497,9197,6498,0697,45
,105210481063



Fungsi utama peralatan kami sekarang bukan mengemudi otomatis, tetapi mengesampingkan faktor manusia dari pekerjaan operator. Perangkat dasar dari peralatan kami membantu menghilangkan resesi mesin pemanen dan operasi yang tidak perlu.

Apa isinya


1. Kamera 2 MP pada braket cermin. Kami hanya fokus pada kamera: ini adalah sensor utama. Tidak ada lagi yang dibutuhkan.

gambar

2. Tampilan kabin: ini adalah antarmuka untuk operator. Melalui itu, peringatan dan pengaturan dibuat.

gambar

3. Unit kontrol di bawah kabin: ada NVIDIA TX2. Algoritme tumpukan utama berputar di sana, video diproses, dan dari sana perintah ke bus CAN dikeluarkan.

gambar

Blok 340x290x60 mm, 40 watt.

gambar

Modul untuk mengeluarkan perintah terhubung ke bus CAN atau input / output sistem lainnya dari kombinasi. Ada beberapa penyergapan, khususnya, dengan fakta bahwa tidak di mana-mana adalah mungkin, dan tidak di mana-mana kontrol hidrolik dimungkinkan melalui antarmuka ini.

Dalam kasus pemanen produksi selama lima tahun terakhir, ini hampir selalu segalanya: kotak dengan otak, kamera, layar di kabin.

Sensor putaran roda diperlukan jika penggabungan sudah lama atau tanpa persiapan, dan kami tidak bisa mendapatkan data ini dari bus sistem. Kami membutuhkan data untuk odometri (kecepatan dan sudut rotasi roda):

gambar

Pompa metering dalam sistem hidrolik diperlukan untuk secara langsung mengontrol hidrolika oleh co-pilot kami:

gambar

Penyergapan pertama dengan bus CAN adalah bahwa tidak selalu ada dokumentasi yang jelas. Secara teori, ada opsi lain untuk menerima sinyal dari bus, tetapi dalam praktiknya di Rusia ini adalah kasus yang sangat jarang. Secara umum, paling-paling ada semacam sistem API dan lubang kabel. Dalam kasus sederhana, kami menghubungi produsen lubang ini dan meminta keterangan protokol. Setelah beberapa minggu negosiasi, mereka mengerti siapa kita dan apa yang kita butuhkan, dan kirim. Tidak semua orang memahami hal ini secara sederhana, tetapi sebagian besar produsen senang dengan kami, karena mereka tahu bahwa tahun lalu kami menempatkan solusi kami di sejumlah pertanian dan kompleks pertanian besar, yang menyebabkan sedikit kebisingan media.

Dan mereka sering langsung bertanya apakah teknologi kami dapat diintegrasikan ke pemanen masa depan. Ini adalah cerita yang terpisah, tetapi sebagai hasil dari bagian pertama, kami memiliki protokol, dan semuanya baik-baik saja.

Di dunia yang ideal, itu akan menjadi akhir. Sayangnya, kadang-kadang masih ada kasus ketika tidak ada dokumentasi atau pabrikan gagal mendapatkan deskripsi yang jelas. Dalam hal ini, kami menghubungkan dan membalikkan bus. Tentu saja, ada protokol J1939 yang harus diikuti oleh pabrikan, tetapi tidak semua orang melakukannya. Biasanya Anda terhubung dengan utilitas debugging, Anda mendapatkan semua paket dengan variabel dan hanya duduk dengan operator mengklik tombol. Saya pergi - suatu tempat nol menjadi angka positif. Dipercepat - jumlahnya meningkat. Memperlambat - menurun. Ya, kecepatannya. Dan - sepanjang hari. Selanjutnya, Anda perlu menangkap korelasi dan memilih faktor konversi. Suatu kali kami menangkap bug yang sangat tidak menyenangkan dengan apa yang berhasil di lokasi pengujian, tetapi tidak di lapangan. Pemanen dalam mode damai mengirim beberapa paket,dan dengan reaper dan reel dihidupkan, ia pergi ke mode pertempuran khusus dan mulai mengirim pesan-pesan tempur khusus dalam paket yang diambil sama. Kami harus mengumpulkan tanda data dengan cara neraka. Ternyata, header memberikan informasinya secara normal ke paket yang sama ke dalam variabel yang sama, dan perancang bus mengoptimalkan semua ini dengan liar agar tidak menetapkan variabel baru. Mungkin, ia berpartisipasi dalam kompetisi 256b-intro di waktu luangnya.

Ada juga kejutan pada hidrolika. Meskipun Danfoss ada di mitra, meskipun mereka membantu semua orang sebanyak mungkin dan memberikan skema terperinci, semuanya dapat diperiksa hanya dengan memulai kombinasi. Di suatu tempat, komponen sedikit berdiri di perbatasan, sehingga sistem untuk pelanggan datang untuk memanen (dan ini hanya salah satu kasus). Artinya, perlu untuk me-mount semuanya pada malam hari, memulai, memeriksa dan, jika setidaknya ada sesuatu yang salah, lepaskan sehingga kombinasi dapat digunakan lebih lanjut di pagi hari. Kami tiba pukul delapan malam dan mulai dukun dengan hidrolika. Kami menyelesaikan instalasi pertama jam empat pagi. Mereka tidak tahu apakah itu akan dimulai atau tidak. Jika tidak berhasil, maka perlu membongkar dan kembali ke kondisi normal. Memulai - berfungsi. Mengemudikan sebagaimana mestinya. Ini adalah dunia halo paling keren dalam hidup kita. Saya tidak membayangkan bekerja dengan jaringan saraf, tetapi di mana tanpa itu.

Anda dapat menambahkan modem seluler untuk mengirim telemetri ke kit. Namun, kit tidak membutuhkan GPS. Ini merupakan nilai tambah yang besar. Agar mengemudi GPS normal berfungsi normal, Anda perlu memetakan terlebih dahulu, mengatur stasiun RTK untuk koreksi, atau membeli paket sinyal dan sebagainya. Dan masih menekan tombol dan menu, dan operator mesin sangat tidak menyukai antarmuka pengguna. Kami memiliki kamera-kotak-boarded-ayo pergi. Tidak perlu memetakan bidang untuk memotongnya menjadi pena. Anda harus pergi ke lapangan. Robot akan berkata: "Oh, sorak-sorai, lapangan!" Dan pergi saja.

Kenapa hanya kamera penggerak


Pada 2014, kami mengambil hibah ilmiah untuk prototipe sistem manajemen perusahaan pertanian terintegrasi menggunakan AI. Kami terjun ke bisnis produsen pertanian dan melihat poin otomatisasi yang paling jelas. Rusia adalah tanaman yang sangat berisiko (satu tanaman per tahun, dan lima di Brasil). Anda mengolah ladang selama setahun penuh: benih mahal (ini yang paling mahal), lalu Anda taburkan dengan bahan kimia mahal (item pengeluaran kedua), lakukan siklus kerja untuk menyiapkan tanah dan tanaman. Ini adalah sepanjang tahun dari bulan Maret hingga musim gugur. Dan hanya pada musim gugur Anda memiliki dua minggu ketika Anda perlu panen. Jika ada yang salah, maka plus atau minus sehari bisa kehilangan 10%.

Mesin penuai tidak keluar, penuai mencuci, dengan mata menyipit - pecah di sepanjang jalan. Semuanya, sederhana selama berjam-jam dan berhari-hari.

Itu dengan pengenalan kendala yang kami mulai. Segera sebuah lidar muncul, tapi harganya mahal, begitu kameranya. Sekali monokamera - Anda harus segera mengenali gambar. Karena Anda tidak hanya perlu melihat, tetapi juga untuk memahami apa itu, apa ukurannya, bagaimana Anda berperilaku, apa yang diharapkan. Kami berdiri diam atau bergerak maju, tetapi Anda perlu tahu jarak relatif ke objek dan masih ingat tentang header 7,5 atau 9 meter ke arah yang berbeda (dan ini tidak maksimal, sering pada model yang berjalan ada juga 12-13 meter). Semua sama, pada dimensi seperti itu, dimungkinkan untuk menggiling operator traktor atau mesin pengisian bahan bakar secara tidak sengaja karena kebutuhan kecil pada putaran U.

gambar

Jaringan saraf melakukan pekerjaan yang sangat baik. Tapi tetap saja, karena kita memiliki monocamera, Anda dapat menipu algoritme dengan model gabungan 1:40 dalam kasus yang jarang terjadi (karena Anda juga bisa mendapatkan geometri dari monocamera yang sedang bergerak). Tetapi hal seperti itu jarang ditemukan di lapangan.

Di jagung (tangkai tiga meter), penting untuk mencari pilar, misalnya. Karena kami memiliki definisi bahwa ini adalah budaya dan apa yang menjadi penghambat, maka kami dapat lebih jauh membedakan mana budaya itu.

gambar

Dan ini adalah autopilot tingkat kedua:

gambar

gambar

Sangat sulit dengan budaya itu sendiri. Pada iterasi pertama dari perjalanan, kami datang ke lapangan untuk budaya baru atau yang spesifik yang terlihat spesifik. Ahli agronomi yang diawasi dengan buruk, misalnya, tidak menyemprot tepat waktu. Panen rendah dengan gulma - jaringan saraf tidak makan. Suatu ketika kami datang ke peternakan untuk pengujian. Dan ada iklim yang sangat berbeda, dan gandum tidak terlihat sama sekali dalam buku referensi ahli agronomi. Dan di segmentasi kami tidak mengenali bagian yang dipotong dan miring dengan benar. Ada beberapa data untuk sampel pelatihan, tetapi kami sendiri yang mengambilnya. Sepanjang hari sampai malam kami berkuda melintasi ladang dengan operator mesin, mengambil sampel baru. Mereka duduk di hotel pada malam hari bersama staf mereka untuk menandai data ini. Masukan ke jaringan pelatihan ulang. Keesokan harinya, semuanya melaju ke bidang baru.

Ini adalah bagaimana Anda dapat menambahkan sampel target:

gambar

Menurut Eduard, yang menjelaskan hal ini kepada petani, orang-orang sendiri sangat memahami bahwa pembersihan adalah poin utama otomatisasi. Ada memberi makan sehari setahun. Dan mereka berusaha sekuat tenaga untuk mengecualikan kesalahan manusia. Pada akhirnya, kami sepakat pada "tampilan." Sebelum musim datang, kelompok layanan atau dealer kami, pasang semuanya. Kemudian lakukan pemeriksaan kalibrasi. Atau, sebelum masa panen, mereka segera dikalibrasi, itu akan memakan waktu satu setengah hari.

Jika ini menarik, maka saya dapat memberi tahu Anda nanti tentang fitur-fitur pengakuan segala sesuatu yang ditemukan di ladang, atau tentang bagaimana kami mengumpulkan sampel pelatihan dengan luar biasa, karena yang sudah selesai menjijikkan dan tidak cocok untuk kondisi Rusia. Ini juga disebabkan oleh kenyataan bahwa kita adalah yang pertama melakukan apa pun dengan topik ini di seluruh dunia, dan oleh karena itu belum ada praktik yang mapan.

NB. Jika ahli agronomi Anda tidak ada di Habré, dan dia tertarik, maka Anda dapat menemukan kontak di sini: promo.cognitivepilot.com dan secara substansial diskusikan tentang kombinasi peralatan spesifik apa yang dibutuhkan, berapa biayanya, dan bagaimana Anda dapat dengan cepat melihatnya- untuk mengalami.

More articles:


All Articles