Nye udfordringer i landbruget

Moderne planteproduktion udfordres i stadig stigende grad af krav om miljøhensyn, arbejdsvilkår og rentabilitet. Typisk imødekommes disse krav med automatiseringsprocesser omkring etablering og pleje af afgrøder gennem anvendelse af avancerede maskiner. Herved banes vejen for større produktivitet og bedre arbejdsvilkår.

Brugen af maskiner resulterer samtidig i en uhensigtsmæssig sammenpresning af jorden, hvilket hæmmer vækstpotentialerne, og løsningen er ikke nødvendigvis miljømæssig optimal. For at minimere den miljømæssige belastning og sikre at produktionen optimeres økonomisk skal anvendelsen af gødning, pesticider og andre indsatsfaktorer målrettes helt ned på enkeltplanteniveau.

Intelligente multi-robotsystemer

Landbruget har derfor brug for et paradigmeskift - væk store avancerede maskiner, hen mod små intelligente multi-robotsystemer, der kan etablere og pleje afgrøderne helt ned på enkeltplanteniveau. De små robotsystemer kan med minimal sikkerhedsrisiko gøre det muligt at komme tæt på afgrøderne uden at beskadige dem, og systemet kan således operere autonomt i marken uden egentlige overvågning af mennesker.

Autonome robotsystemer udvikles i dag primært til industrielt brug, f.eks. i lagerhaller, men der er endnu ikke udviklet autonome systemer, som kan håndtere dataopsamling, lugning af ukrudt og lignende opgaver på marker. Markerne stiller samtidigt enorme krav til de autonome køretøjer pga. det kuperede terræn og de dynamiske omgivelser. En hensigtsmæssig navigering kræver derfor avancerede sensorer såsom GPS- og visionudstyr, som yderligere stiller krav til realtidsbehandling for at opnå den nødvendige kontrol af køretøjet.

Weedbot - udvikling af prototypemodel

Weedbot er et udviklingsprojekt som har til formål at udvikle et intelligent autonomt robotsystem til landbruget. Projektet udvikles i et samarbejde mellem RoboCluster, Mærsk Mc-Kinney Møller Instituttet ved Syddansk Universitet og Danmarks JordbrugsForskning, Forskningscenter Bygholm.

Videnskabsministeriet bevilligede i april 2004 kr. 246.000,- til projektet. Pengene vil gå etablering af et projektkonsortium bestående af forskningsinstitutionerne, RoboCluster og interessenter fra landbruget. RoboCluster har den administrative og organisatoriske rolle i konsortiet og vil via sit kompetencenetværk forsøge at skabe kontakt til relevante fynske og jyske virksomheder med henblik på fremtidige samarbejdsaftaler.

Konsortiets opgave bliver gennem videreudvikling og tilpasning af eksisterende robotplatforme at udvikle et robust, fleksibelt og velfungerende fundament for udviklingen af en prototype, der er rettet mod intelligente autonome robotsystemer i landbruget. Specielt vil konsortiet fokusere på ukrudtsfjernelse i marker, men der stilles også store krav til fleksibilitet og omjusteringer, så andre områder inden for landbruget kan udforskes.

Mærsk Mc-Kinney Møller Instituttet, Syddansk Universitet, har tidligere udviklet en robotplatform, som gør det muligt at bygge billige realistiske protyper af autonome robotsystemer. Med LEGOBot platformen, der baserer sig på LEGO MindstormsTMRCX klods, standard PDA'er, trådløstnetværk og digitalkamera, har instituttet sat fokus på fleksibilitet og genbrugelighed i software og hardware. Denne platform kan tilpasses en lang række problemstillinger og er bl.a. anvendt til at realisere et AGV-system til transport af paller, men kan også integreres i landbruget til ukrudtsfjernelse.

Hos Forskningscenter Bygholm har man med projektet "Autonomous Platform and Information system" (API) arbejdet målrettet med udvikling af en robotplatform til landbruget. API platformen er et mindre autonomt fire-hjuls drevet køretøj, som fungerer som en sensorbærende enhed, og den kan operere i realistiske jordbrugssammenhænge. Fokuset har været platformudvikling, ruteplanlægning, flådestyring, vision systemer og demonstration.

Weedbot projektet vil kombinere, videreudvikle og tilpasse platformene til landbrugets problemstillinger. Målet er at lette overgangen mellem ren softwaresimulering og en industriel autonom multi-robot prototype.