CC BY
19
12. Abaluev R.N., Kartechina N.V., Zavrazhnov A.A., Lantsev V.Yu., Yakushev A.V., Gorshenin V.I. Razrabotka i realizatsiya spetsializirovannoi normativno-spravochnoi bazy dannykh (BD) "posevnaya tekhnika dlya propashnykh i ovoshchnykh kul'tur" [Development and implementation of a specialized regulatory reference database (DB) "sowing equipment for tilled and vegetable crops"]. Vestnik Altaiskogo gosudarstvennogo agrarnogo universiteta 2021. No. 12 (206): 94-100. (In Russian) DOI: http://doi.org/10.53083/1996-4277-2021-206-12-94-100
13. Papushin E.A., Vasilev E.V., Mateichik S.N. Kontseptual'naya model' predmetnoi oblasti otsenki diffuznogo zagryazneniya vodnykh ekosistem [Conceptual model of the subject domain of diffuse pollution assessment of water ecosystems]. AgroEkolnzheneriya. 2022. No. 2 (111): 13-22. (In Russian) DOI: http://doi.org/10.24412/2713-2641-2022-2111-13-22.
14. Briukhanov A.Yu., Popov V.D., Vasilev E.V., Papushin E.A. Kontseptsiya upravleniya ekologicheskoi bezopasnost'yu agroekosistem [Management concept of ecological safety of agro-ecosystems]. AgroEkolnzheneriya. 2022. No. 4 (113): 4-18. (In Russian) DOI: http://doi .org/10.24412/2713-2641-2022-4113-4-18
15. Sarkisov O.R., Lyubarskii E.L. Ekologicheskoe pravo [Environmental law]. Kazan': Tsentr innovatsionnykh tekhnologii. 2014. 335 p. (In Russian)
УДК 631.171:621.865.8
К РАЗРАБОТКЕ МАШИН НА ОСНОВЕ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА И
СИСТЕМ ТЕХНИЧЕСКОГО ЗРЕНИЯ
1 2 П. П. Казакиевич , член-корр. НАН А.Н. Юрин , канд. техн. наук;
2 2 Беларуси; Д. И. Комлач , канд. техн. наук А.С.Воробей , канд. техн. наук.
1Президиум Национальной Академии Наук Беларуси, Минск, Беларусь Научно-практический центр НАН Беларуси по механизации сельского хозяйства, Минск, Беларусь
Проблема роста населения Земли и, как следствие, возрастающая потребность в продовольствии, урбанизация и нехватка рабочей силы, а также экономические проблемы стимулируют техническое перевооружение сельского хозяйства путем развития нового поколения интеллектуальных, гибких, надежных, совместимых, взаимосвязанных роботизированных систем. В сфере инноваций шестого технологического уклада в рамках выполнения заданий Государственных программ в РУП НПЦ НАН Беларуси по механизации сельского хозяйства были разработаны макетные образцы машин на основе искусственного интеллекта - машины оптической сортировки картофеля для отделения некондиционных клубней картофеля из общего вороха на основе технического зрения и автоматической инспекции и автоматической управляемой навесной системы для отслеживания защитной зоны культурных растений при междурядной обработке сахарной
14
свеклы. Целью исследований было проведение лабораторных опытов по распознаванию дефектов клубней картофеля и всходов посевов сахарной свеклы, а также производственных испытаний изготовленных на основе исследований машин. В лабораторных опытах были использованы клубни картофеля урожая 2020-2021 гг. производства ФХ «АгроМалеч» сортов «Скарб», «Гала» и «Манифест», а также была создана лабораторная установка системы технического зрения, включающая в себя оптический модуль со структурной подсветкой, стол с вращающимися роликами и электронный блок управления. В основу системы автоматической инспекции был положен принцип отделения некондиционных клубней струей сжатого воздуха и предложена пневматическая система с обоснованием ее конструктивных и режимных параметров. На этапе проектирования была уточнена функциональная спецификация системы, определён алгоритм набора организационных мероприятий, необходимых для внедрения системы, и перечень документов, регламентирующих её использование. Разработанная и изготовленная автоматическая управляемая навесная система состояла из механической части - рамной конструкцию с верхней и нижней направляющими, по которым перемещалась подвижная рамка с навешиваемым на неё культиватором, и аппаратно-программного обеспечения. Система была успешно отлажена и протестирована на экспериментальном участке сахарной свеклы опытного поля НИЦ НАН Беларуси по механизации сельского хозяйства в агрегате Беларус 102.1 + КГ-1. Результаты исследований на опытных посевах показали, что точность отслеживания защитной зоны растений составила от ± 2,0 см до ± 2,3 см; при движении автоматической управляемой навесной системы со скоростью 7,6-7,8 км/ч в защитной зоне рядка уничтожалось 91 % сорняков, а повреждаемость находилась в пределах агродопуска 3 %.
Ключевые слова: искусственный интеллект, поисковый ряд, объект распознавания, техническое зрение.
Для цитирования: Казакиевич П. П., Комлач Д. И., Юрин А Н., Воробей А С. К разработке машин на основе искусственного интеллекта и систем технического зрения // АгроЭкоИнженерия. 2023. №. 1(114). С.14-31
ON DEVELOPMENT OF MACHINES BASED ON ARTIFICIAL INTELLIGENCE
AND VISION SYSTEMS
1 2 P. P. Kazakievich , Corr. Member of NAS A. N. Yuryn , Cand. Sc. (Engineering);
•2
of Belarus, A. S. Verabei , Cand. Sc. (Engineering).
D. I. Komlach , Cand. Sc. (Engineering);
Presidium of the National Academy of Sciences of Belarus, Minsk, Belarus
2
Scientific and Practical Center of the National Academy of Sciences of Belarus for Agricultural Mechanization, Minsk, Belarus
The world population growth and the consequent increasing food demand, urbanization, labour shortage and economic problems stimulate the agriculture retrofitting and upgrading
through introducing a new generation of intelligent, flexible, reliable, compatible, and interconnected robotic systems. In the sphere of innovations of the sixth techno-economic paradigm and within the framework of performing the tasks of the State Programs, the Scientific and Practical Center of the National Academy of Sciences of Belarus for Agricultural Mechanization has designed the prototypes of machines based on artificial intelligence. They are the machine for optical potato sorting based on the computer vision and automatic inspection designed to separate the unfit potato tubers from the pile, and the automatic controlled tractor-mounted system to trace the protective zone of cultivated plants during the inter-row sugar beet tillage. The study aim was the laboratory experiments on the recognition of potato tuber defects and sugar beet sprouts, as well as the field testing of machines manufactured following the research results. The laboratory experiments used the potato tubers of Scarb, Gala and Manifest varieties produced in 2020-2021 on AgroMalech private farm. A laboratory facility of the computer vision system was designed for experimental purposes. The facility included an optical module with the structural illumination, a table with rotating rollers, and an electronic control unit. The automatic inspection system was based on the principle of the off-grade tubers separation by the compressed air jet. The pneumatic system with justification of its design and mode parameters was proposed. At the designing stage, the functional specification of the system was determined, and the algorithm of the set of organizational measures required to introduce the system and the list of documents regulating its use were established. The designed and manufactured automatic controlled tractor-mounted system consisted of a mechanical part - a frame with upper and lower guides for a sliding frame with an attached cultivator, and the firmware. The system was successfully adjusted and tested on an experimental plot of a sugar beet experimental field of the Scientific and Practical Center of the National Academy of Sciences of Belarus for Agricultural Mechanization within the Belarus 102.1 + KG-1 tractor/implement unit. Research results on experimental crops showed that the tracking accuracy of the plant protective zone was from ± 2.0 cm to ± 2.3 cm. Under the travelling speed of the automatic controlled mounted system of 7.6-7.8 km/h, around 91% of weeds were destroyed in the protective zone of the row. The crop damage was within the admissible limits of 3 %.
Keywords: artificial intelligence, search row, recognition object, technical vision. For citation: Kazakievich P. P., Komlach D. I., Yuryn A. N., Verabei A. S. To the development of machines based on artificial intelligence and vision systems. AgroEkoInzheneriya. 2023. No. 1(114): 14-31(In Russian)
Введение. Аргумент в пользу массового внедрения ИИ-технологий в сельском хозяйстве часто формулируется так: население земли к 2050 году достигнет 10 млрд. человек, радикально увеличить обрабатываемые площади невозможно, необходимо повысить интенсивность их использования.
Мир стоит на пороге шестого технологического уклада. Его контуры только начинают складываться в развитых странах мира, в первую очередь в США, Японии и КНР, и характеризуются нацеленностью на развитие и применение наукоемких, или, как теперь говорят, высоких технологий. У всех на слуху био-и нанотехнологии, генная инженерия,
мембранные и квантовые технологии, фотоника, микромеханика, термоядерная энергетика.
Специалисты по прогнозам считают, что при сохранении нынешних темпов технико-экономического развития шестой технологический уклад окончательно оформится к 2025 г., а в фазу зрелости вступит в 2040-е гг.
Как отметил Президент Беларуси Александр Лукашенко, именно те страны, которые генерируют новые знания, имеют преимущество в коммерческом использовании этих идей, в экспорте высокотехнологической продукции,
приносящей миллиардные прибыли. Более того, те, кто первым распространяет технологии, занимают лидирующие позиции в мире [1].
Материалы и методы.
Исследованиями предусматривалось проведение лабораторных опытов по распознаванию дефектов клубней картофеля и всходов посевов сахарной свеклы производственных испытаний изготовленных на основе исследований машин для оптической сортировки клубней картофеля по внешним дефектам и автоматической управляемой навесной системы. Для создания обучающей выборки помологических особенностей и внешних дефектов клубней картофеля использованы клубни картофеля урожая 2020-2021гг. производства
ФХ «АгроМалеч» сортов «Скарб», «Гала» и «Манифест», а также была создана лабораторная установка системы технического зрения включающая в себя оптический модуль с структурной подсветкой, стол с вращающимися роликами и электронный блок управления.
Обучающая выборка для поиска рядка пропашных культур на посевах
сахарной свеклы производилась на опытном поле РУП «НПЦ НАН Беларуси по механизации сельского хозяйства». Была разработана макетная установка АУНС для обучения поиска рядка.
Результаты и обсуждение. В Беларуси данное направление возникло не сегодня. Еще в 2007 г. в Директиве Президента от 14.06.2007 г. № 3 «О приоритетных направлениях укрепления экономической безопасности
государства» была поставлена задача создать условия для наращивания выпуска инновационной и высокотехнологичной продукции, созданной с использованием технологий V и VI технологических укладов.
Проблема роста населения Земли и, как следствие, возрастающая потребность в продовольствии, урбанизация и нехватка рабочей силы, а также экономические проблемы стимулируют поиск путей повышения эффективности сельского хозяйства благодаря новым технологиям и инновационным методам управления. Робототехника и автономные системы призваны преобразовать отрасли сельского хозяйства со значительными экономическими, социальными и экологическими эффектами.
Долгосрочное видение технического перевооружения сельского хозяйства заключается в развитии нового поколения интеллектуальных, гибких, надежных, совместимых, взаимосвязанных
роботизированных систем.
Следующим этапом роста эффективности сельхозпроизводства становится редактирование генома растений. Генотип большинства растений, как и человека, сейчас хорошо изучен, накоплены масштабные библиотеки богатой генетической информации. На этой основе селекционеры выбирают
такие комбинации, с помощью
картирования генома семян, которые позволяют отбирать потомство с высокой урожайностью.
В сфере инноваций
технологического VI уклада в рамках выполнения заданий Государственных программ в РУП «НПЦ НАН Беларуси по механизации сельского хозяйства» были разработаны макетные образцы машин на основе искусственного интеллекта:
Машина оптической сортировки картофеля для отделения
некондиционных клубней картофеля из общего вороха на основе технического зрения и автоматической инспекции в рамках Государственной программы научных исследований «Качество и эффективность агропромышленного
производства», 2016-2020 годы, подпрограммы «Механизация и автоматизация процессов в АПК» рисунки 5,6.
Одним из важных этапов возделывания картофеля является сортировка и оценка качества картофеля. Традиционно картофель сортируется и качество оценивается вручную
относительно простым методом выборок. Для отделения некондиционных клубней картофеля на стадии их
предреализационной доработки
отечественной промышленностью
выпускаются инспекционные столы, на которых распознавание клубней производится персоналом визуально, а отбор некондиции - вручную. Трудозатраты на ручной сортировке составляют порядка 0,4-0,6 чел.- ч/т, время, необходимое человеку для осмотра одного клубня, составляет порядка 0,45 с, этого, как показывает практика, недостаточно для эффективной работы сортировочных линий с
производительностью 10-15 т/ч. В результате чего общая
производительность снижается с 12 до 4-5 т/ч, что соответствующим образом сказывается на ее экономической эффективности.
В настоящее время предъявляют все более высокие требования к методам оценки различных параметров качества картофеля. Это подвигает к реализации все более сложных технологических детекторов качества продукта.
Использование систем технического (машинного) зрения (СТЗ) и автоматической инспекции (АИ) для идентификации и отделения
некондиционных клубней картофеля из общего вороха является одним из таких методов, направленных на выполнение технологического процесса отделения некондиционных клубней из общей массы с оптимальной производительностью и точностью.
Современные исследования в области использования систем
технического зрения и акустических систем при сортировке картофеля представлены в работах [2,3,4].
В основу системы автоматической инспекции положен принцип отделения некондиционных клубней струей сжатого воздуха. Клубни картофеля,
идентифицированные системой
технического зрения как
некондиционные, перемещаются по вальцовому транспортирующему
устройству к пневмомодулю,
снабженному пневмоклапаном. После распознавания нужного для сортировки компонента на блок пневмоклапанов подается управляющий сигнал, через расчетное время в момент прохождения клубня возле соответствующего клапана он открывается, поток воздуха
отстреливает клубень, выделяя его из общего потока. Неотсреленные клубни идут дальше по технологической цепочке. Для данных целей нами предложена пневматическая система отделения некондиционных клубней картофеля,
й = • 6,8 •
обоснованы ее конструктивные и режимные параметры.
Для определения внутреннего диаметра форсунки (рисунок 1) необходимо определить теоретический диаметр воздушного потока , который рассчитываем по формуле [5].
а • х
V
+ 0,145
, (1)
где а - коэффициент турбулентности структуры воздушного потока а = 0,07 [6];
-внешний диаметр форсунки, = 0,008м; х - расстояние расчетного сечения струи до начального сечения, х = 0,13м.
й = 0,008 • 6,8 •
0,07 • 0,13 0,008
л
+ 0,145
0,07 м.
Рис. 1. Схема воздушного потока йф - внутренний диаметр форсунки; - внешний диаметр форсунки,
й - теоретический диаметр воздушного потока
Согласно рисунка1, рассчитаем внутренний диаметр форсунки по формуле:
= ^ (2)
ф х
где й - теоретический диаметр воздушного потока, м; I - длина форсунки, I = 0,008м. Используя уравнение (2) получим числовое значение рассчитанное с учетом особенностей конструкции механической части установки и параметров вальцов:
а, = 0,008 - --^---= 0,004 м.
ф , 0,13 ,
Скорость истечения воздуха из форсунки определим по выражению [7]:
1
2к ТЯ
к -1 М
( р т 1 2
i р )
к-1Л
■ (3)
V
0
где Т - абсолютная температура воздуха на выходе, К ; Я - универсальная постоянная воздуха, Дж / моль • К; М - молярная масса воздуха, кг / моль; Р - динамическое давление воздуха при выходе из форсунки, Па ; Р - стандартное давление окружающей среды, Па; к - показатель адиабаты, к = 1,4 . Подставив в уравнение (3) значения к = 1,, Т = 293КГ, р = 4 • 105 Па, Р = 1 • 105Па, Я = 8,31 Дж(моль •К), М = 0,29кг / моль, получим:
V) =
1
с (1 •ю5 Т 1,4-1 Л
2 -1,4 293 • 8,31 1 - 1,4
1,4 -1 0,29 [ 4 •105)
=139м/с
Вычислим необходимые параметры [8]. Осевую скорость Vx движения воздушного потока определим следующим образом * [6]:
.,_ • 0'48—. (4)
а • х
С1п
+ 0,145
Подставив в уравнение (4) имеющиеся значения V0 = 139м / с, ао = 0,08м, а = 0,07, х = 0,13м, получим:
139 • 0,48
V =-
х 0,07 • 0,13
=29м/с.
4- 0,145
0,008
Определим среднюю по расходу воздуха скорость по формуле:
V • 0,226 =-Л7Г0-. (5)
а • х
а
+- 0,145
Подставив в уравнение (5) полученные значения ранее, получим:
139 • 0,226
+ 0,145
^г = ТГТ^Г-^-Г^-= 14 м / c
°х 0,07 • 0,13
0,008
Длину начального участка струи определим по формуле:
_ 0,335 • ^
10 ~
10 =--0 (6)
а
После подстановки данных в уравнение (6) получим:
0,335 • 0,008
/п =-= 0,038 м.
0 0,07
Начальный расход воздуха на выходе из форсунки ¿0 определим по формуле [9]
¿0 • 3600. (7)
После подстановки в уравнение (7) числовых значений, получим [7]:
г 3,14 • 0,0082 • 139 37
¿п = —----3600 = 25 м / ч
0 4
Расход воздуха компрессора ¿х определим по формуле [10]:
и • 4,36
¿х -, (8)
+ 0,145
х а • х
й0
Подставив в уравнение (8) полученные ранее значения, получим [11]:
25 • 4,36 3/
¿х = 0071)Т3-= 48 м 3/ч
0,07 0,13 + 0,145 0,008
Полученные выражения й = 4мм; скорость воздушного потока
позволили рассчитать необходимые
V = 139м / с; расход воздуха конструктивные и режимные параметры 0
пневматической системы отделения ¿х = 48 м / ч .
некондиционных клубней картофеля: Установка состоит из
внутренний диаметр форсунки электродвигателя, компрессора,
импульсного клапана, состоящего из клапана обратного, ресивера, клапана предохранительного; клапана
электроуправляемого и форсунки, внутри которой находится жиклер. Перед форсункой располагается воздушный фильтр. После форсунки, расположен влагоотделитель. Импульсный клапан
осуществлял кратковременную подачу воздуха (рисунок 2). Для управления режимом работы импульсного клапана специально изготовлен электронный управляющий блок. Блок управления позволяет установить необходимую длительность открытия клапана.
Рис. 2. Схема автоматической сортировальной машины 1 - вальцово-подающий конвейер; 2 - приводной ремень; 3 - системы распознавания; 4 - компьютер; 5 - система отделения
Она состоит из вальцово-подающего конвейера, приводного ремня, системы распознавания, компьютера и пневматической системы отделения (рисунок 3).
Рис. 3. Макетный образец автоматической сортировальной машины 1 - рама; 2 - вальцово-подающий конвейер; 3 - пневматическая система отделения; 4 - компрессор; 5 - мотор-редуктор 2ЧМ-40; 6 - мотор-редукторМПЧ-25М1; 7 - система распознавания; 8 - приводной ремень.
Принцип действия разработанной автоматической сортировальной машины.
Методика создания базы данных заключалась в следующем. Исследованный клубень, визуально идентифицированный как некондиционный, помещается на вращающиеся вальцы. С помощью фотокамеры, расположенной над вальцами, и посредством специальной программы делалось со всех сторон
15 снимков каждого клубня картофеля с интервалом между фотографиями 0,4 с.
Для того, чтобы обучить искусственную нейронную сеть
распознавать повреждения клубней картофеля, необходимо иметь достаточно большой набор базы данных. Общий объём обработанных клубней составил порядка 7000 фотографий.
На этапе проектирования была уточнена функциональная спецификация
После чего снимки сохранялись в отдельную папку.
В ходе работы с программой указывали путь к папке с некондиционными клубнями картофеля (Open Dir) и папку сохранения обработанных изображений (Change Save Dir). При помощи инструмента Create/nRectBox выделяли каждый дефект отдельно прямоугольником и из списка выбирали название нужного дефекта (рисунок 4).
системы: проработана архитектура системы, определены требования к аппаратному обеспечению, разработана архитектура и алгоритм функционирования ПО (рисунок 5). Также был определён алгоритм набора организационных мероприятий, необходимых для внедрения системы, и перечень документов, регламентирующих её использование.
Рис. 5. Алгоритм функционирования программного обеспечения установки автоматической сортировки картофеля с помощью СТЗ
Как видно на указанной блок-схеме основной задачей разрабатываемого программного обеспечения является анализ движущихся по вальцово-подающему конвейеру картофеля на всей протяжённости рабочей области механического защищённого корпуса, к моменту выхода из которого каждому клубню присваивается номер класса, соответствующий определённому сорту качества. Так, после захвата изображения камерой (3) оно поступает на вход алгоритма сегментации (4). Алгоритм сегментации генерирует прямоугольники, ограничивающие клубни. Эти
прямоугольники поступают на вход алгоритма трекинга (5), который
сопоставляет объекты текущего кадра с объектами предыдущего кадра. Далее изображения идентифицированных
клубней подаются на вход искусственной нейронной сети для обнаружения и классификации дефектов на них (6). До тех пор, пока клубень не дойдет до конца анализируемого края Region Of Interest (ROI), система по идентификационному номеру, назначенному алгоритмом трекинга, собирает информацию об обнаруженных дефектах каждого уникального клубня (7). После распознания клубня как дефектного информация (сигнал) о его удалении с конвейера подается на пневмоклапан (9). Отправление сигнала происходит с
задержкой, равной j*T с, где Т -константа.
Картофель подается на вальцово-подающий конвейер. На ременном конвейере вальцы вращаются в зоне системы распознавания в следствии чего клубень картофеля делает полный оборот вокруг своей оси для определения внешних дефектов. Клубни картофеля обрабатываются компьютерной
программой. Идентифицированные
клубни как некондиционные,
перемещаясь вальцовым
транспортирующим устройством к системе отделения, удаляются с
вальцового конвейера струей сжатого воздуха. Неотделённые клубни продолжат движение по технологической линии. Время, между моментом идентификации некондиционного клубня
разрабатываемой системы распознавания и подачей последующего единичного сигнала для удаления задаётся исходя из геометрических и скоростных
характеристик вальцового подающего устройства.
Техническая характеристика
макетного образца автоматической сортировальной машины представлена в таблице 1.
Таблица 1. Техническая характеристика макетного образца автоматической
сортировальной машины
Наименование показателя Значение показателя
Тип машины стационарная
Количество анализируемых рабочих потоков, шт. 1
Скорость движения подающего устройства, м/с от 0,1 до 3
Рабочая длина зоны распознавания, м 0,55
Рабочее напряжение электросети механической части установки, В 380
Допустимое количество ошибок распознавания, % 3
Диаметр форсунки, мм 5
Рабочее давление в пневмосистеме, кПа 400-500
Время открытия воздушного клапана, с 0,6
Расстояние от сопла форсунки до середины вальца, мм 80
Таким образом разработанный макетный образец автоматической сортировальной машины позволит качественно удалить некондиционные клубни картофеля без затрат ручного труда.
Система распознавания, программы искусственного интеллекта глубокого обучения и системы технического зрения сегодня являются неотъемлемой частью жизненно важных процессов. Они широко используются не только для
отделения некондиционных клубней картофеля, но и помогают трактористам производить уход пропашных растений в период вегетации, не повреждая при этом растения.
При механизированной обработке междурядий культурные растения могут повреждаться рабочими органами культиватора [12-15]. Во избежание этого рабочие органы размещают на требуемом расстоянии от рядка культурных растений. Поэтому после прохода
культиватора с обеих сторон рядка оставляется необработанная полоска -защитная зона. В разные периоды обработки междурядий защитные зоны составляют 28...43 % от общей площади междурядий [16-17]. Именно такая площадь остаётся необработанной, что ведёт к резкому снижению урожайности из-за сорняков, расположенных в защитной зоне растений. Опыт показывает, что с уменьшением защитных зон с 10-12 см до 7-8 см сорная растительность уменьшается почти в два раза.
С целью повышения качества междурядной обработки лабораторией механизации производства овощей и корнеклубнеплодов РУП «НПЦ НАН Беларуси по механизации сельского
хозяйства» совместно с ГНУ «Объединённый институт проблем информатики Национальной академии наук Беларуси» в рамках задания 4.39 «Исследование точности вождения пропашных культиваторов с целью повышения качества междурядных обработок» ГПНИ «Качество и эффективность агропромышленного производства», 2016-2020 гг.,
подпрограмма «Механизация и автоматизация процессов в АПК» выполнялась разработка и изготовление автоматической управляемой навесной системы (АУНС) для отслеживания защитной зоны культурных растений при междурядной обработке сахарной свеклы (рисунок 6).
Рис.6 Автоматическая управляемая навесная система
АУНС состоит из механической части и аппаратно-программного обеспечения. Механическая часть представляет собой рамную конструкцию с верхней и нижней направляющими, по которым перемещается подвижная рамка с навешиваемым на неё
культиватором. Перемещение подвижной рамки вправо или влево осуществляться гидроцилиндром посредством
электромагнитного распределителя.
Основные характеристики АУНС представлены в таблице 2.
Таблица 2. Основные характеристики АУНС
Наименование показателя Значение показателя
Тип системы навесная
Масса устройства, кг 220
Грузоподъемность, т до 1,5
Рабочее напряжение бортовой электросети трактора, В 12
Смещающий диапазон подвижной рамки, мм ±250
Габаритные размеры, мм:
- ширина 1635
- высота 865
Количество ошибок, % не более 3
Скорость движения МТА, км/ч 5...10
Агрегируемый класс трактора, кН 1,4
В основу работы системы автоматического управления пропашным культиватором положена концепция использования визуальной информации о положении растений в рядке полученной с видеокамеры. Вычислительный модуль на основании полученной видео информации от камеры и заложенной в него логике способен через блок управления воздействовать на гидрораспределитель, а тот в свою очередь посредством гидроцилиндра и подвижной части смещает сельскохозяйственную машину, к примеру, культиватор в нужную сторону. Оператор, которым является механизатор, может самостоятельно влиять на логику работы вычислительного модуля через сенсорный монитор.
В результате, обученная ИНС способна успешно сегментировать рядки сахарной свеклы на различных цветных изображениях.
Однако, анализ достаточно большого числа реальных кадров показал, что очень часто куполообразные участки не являются идеальными: они могут иметь различную амплитуду, а также различные локальные максимумы, которые отрицательным образом влияют не только на определение центров, но и количества потенциальных рядков.
В связи с этим, было предложено воспользоваться динамически
определяемым порогом среза получаемых графиков. Все локальные минимумы, которые являются выше динамического порога, причисляются к глобальным, причём, они автоматически ассоциируются с потенциальными рядками.
Указанная система была успешно отлажена и протестирована на экспериментальном участке сахарной свеклы в агрегате Беларус 102.1 + КГ-1 (рисунок 7).
Использования систем технического зрения и автоматического управления культиватором позволит повысить качества междурядных обработок пропашных культур и уменьшить пестицидную нагрузку на окружающую среду.
Результаты исследований проводимых на опытных посевах сахарной свеклы показали, что точность отслеживания защитной зоны растений составила от ± 2,0 см до ± 2,3 см. Кроме того, использование автоматической управляемой навесной системы со скоростью 7,6-7,8 км/ч в контрольных точках показало, что в защитной зоне рядка уничтожалось 91 % сорняков. Что касается повреждения культурных растений в процессе исследований, то повреждаемость находилась в пределах агродопуска 3 %, при условии работы МТА со скоростью, не превышающей 8 км/ч. Повышение скорости МТА свыше 8 км/ч снижает качество выполнения междурядной обработки, что сказывается на числе поврежденных культурных растений.
Выводы. Данные исследования лягут в основу создания машины для оптической
сортировки картофеля, которая сможет работать как отдельная единица, так и встраиваться в технологические линии за сухим способом очистки. И будет распознавать и идентифицировать клубни картофеля, поступающие на сортировку ворохом.
Результаты исследований проводимых на опытных посевах сахарной свеклы показали, что точность отслеживания защитной зоны растений составила от ± 2,0 см до ± 2,3 см. Кроме того, использование автоматической управляемой навесной системы со скоростью 7,6-7,8 км/ч в контрольных точках показало, что в защитной зоне рядка уничтожалось 91 % сорняков. Что касается повреждения культурных растений в процессе исследований, то повреждаемость находилась в пределах агродопуска 3 %, при условии работы МТА со скоростью, не превышающей 8 км/ч. Повышение скорости МТА свыше 8 км/ч снижает качество выполнения междурядной обработки, что сказывается на числе поврежденных культурных растений.
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1. Fang T., Yankun P., Wensong W. Nondestructive and rapid detection of potato black heart based on machine vision technology. In: Moon S. K., Kuanglin C., Bryan A. C. (eds).
Sensing for Agriculture and Food Quality and Safety VIII. Proceedings of the SPIE. China Agricultural University. 2016. Vol. 9864, pp. 83-94. DOI: https://doi.org/10.1117/12.2223292
2. Takizawa K., Nakano K., Ohashi S., Yoshizawa H., Wang J., Sasaki Y. Development of nondestructive technique for detecting internal defects in Japanese radishes // Journal of Food Engineering. 2014. Vol. 126, pp. 43-47.
3. Pan L., Zhang Q., Zhang W., Sun Y., Hu P., Tu K. Detection of cold injury in peaches by hyperspectral reflectance imaging and artificial neural network // Food Chemistry. 2016. Vol. 192, pp. 134-141. DOI: 10.1016/j.foodchem.2015.06.106
4. Государственная программа развития аграрного бизнеса в Республике Беларусь на 2016 - 2020 годы: Постановление Совета Министров Республики Беларусь 11 марта 2016 г. № 196. [Электронный ресурс]. URL: https://etalonline.by/document/?regnum=C21600196 (дата обращения 28.02.2023)
5. Зейрук, В.Н., Пшеченков К.А. Как снизить потери картофеля при уборке и хранении // Картофель и овощи. 2001. № 4. С. 6-9.
6. Соболев А.А., Мельников П.А., Тютюнник А.О. Движение частиц в воздушном потоке // Вектор науки Тольяттинского государственного университета. 2011. № 3(17). С. 82-86.
7. Тарабанов, М.Г. Коркин В.Д., Сергеев В.Ф. Влажный воздух: АВОК справочное пособие. М.: НП «АВОК», 2004. 72 с.
8. Лекомцев П.Л., Дресвянникова Е.В.. Гидрогазодинамика. Практикум: учебное пособие. Ижевск: ФГБОУ ВПО Ижевская ГСХА, 2013. 45 с.
9. Абрамович Г.Н. Прикладная газовая динамика. В 2 ч. Ч 1: Учеб. руководство: Для втузов. М.: Наука. 1991. 600 с.
10. Ахмеров Х.Х. Автоматизированная машина для прореживания всходов сахарной свеклы // Механизация и электрификация сельского хозяйства. 1984. № 7. С. 19-26.
11. Балаева Н. А., Артеева Л.В. Теоретические основы создания микроклимата в помещении: метод. указания. Ухта: УГТУ. 2012. 28 с.
12. Аветисян Р.Д. Исследование устойчивости движения и управляемости культиваторных агрегатов при междурядной обработке пропашных культур на склонах: автореф. дис. ... канд. техн. наук. Ереван, 1974. 26 с.
13. Сельское хозяйство Республики Беларусь: статистический сборник. Минск: Национальный статистический комитет Республики Беларусь, 2020. 179 с.
14. Луценко В.П., Токарев Н.А., Соколова И.М., Никитина Т.В. Экологически безопасные технологии уничтожения сорняков в защитной зоне пропашных культур // ВестникРАСХН, 2006. № 5. С. 70-71.
15. Бейсеев Х.С. Придумывание и копирование направляющих борозд для возделывания сахарной свеклы с малыми защитными зонами: дис. ... канд. техн. наук. Алма-Ата, 1984. 137 с.
16. Судаченко В.Н., Козлов В.В. О совершенствовании устройства для отслеживания защитной зоны культурных растений при междурядной обработке // Технологии и технические средства механизированного производства продукции растениеводства и животноводства. 2002. №73. С. 71-76.
17. Глуховский В.С., Данченко В.Н., Ветохин В.И., Якименко К.Н. и др. Использование направляющих пазов при возделывании сахарной свеклы для управления
культиватором: методические рекомендации. Чернигов: Десна, 1987. 19 с.
REFERENCES
1. Fang T., Yankun P., Wensong W. Nondestructive and rapid detection of potato black heart based on machine vision technology. In: Moon S. K., Kuanglin C., Bryan A. C. (eds). Sensing for Agriculture and Food Quality and Safety VIII. Proceedings of the SPIE. China Agricultural University. 2016. Vol. 9864: 83-94. DOI: https://doi.org/10.1117/12.2223292
2. Takizawa K., Nakano K., Ohashi S., Yoshizawa H., Wang J., Sasaki Y. Development of nondestructive technique for detecting internal defects in Japanese radishes. Journal of Food Engineering. 2014. Vol. 126: 43-47.
3. Pan L., Zhang Q., Zhang W., Sun Y., Hu P., Tu K. Detection of cold injury in peaches by hyperspectral reflectance imaging and artificial neural network. Food Chemistry. 2016. Vol. 192: 134-141. DOI: 10.1016/j.foodchem.2015.06.106
4. Gosudarstvennaya programma razvitiya agrarnogo biznesa v Respublike Belarus' na 2016 - 2020 gody: Postanovlenie Soveta Ministrov Respubliki Belarus' 11 marta 2016 g. № 196. [State program of development of agricultural business in the Republic of Belarus for 2016 -2020 years: Decree of the Council of Ministers of the Republic of Belarus on March 11, 2016 No.196.]. Available at: https://etalonline.by/document/?regnum=C21600196 (accessed 28.02.2023) (In Russian)
5. Zeiruk, V.N., Pshechenkov K.A. Kak snizit' poteri kartofelya pri uborke i khranenii [How to reduce potato losses during harvesting and storage]. Kartofel' i ovoshchi. 2001. No. 4: 6-9. (In Russian)
6. Sobolev A.A., Melnikov P.A., Tyutyunnik A.O. Dvizhenie chastits v vozdushnom potoke [The movement of particles in the air stream ]. Vektor nauki Tol'yattinskogo gosudarstvennogo universiteta. 2011. No. 3(17): 82-86 (In Russian)
7. Tarabanov, M.G. Korkin V.D., Sergeev V.F. Vlazhnyi vozdukh: AVOK spravochnoe posobie [Humid air: AVOK Reference Manual]. Moscow: NP AVOK, 2004. 72 p. (In Russian)
8. Lekomtsev P.L., Dresvyannikova E.V.. Gidrogazodinamika. Praktikum: uchebnoe posobie [Hydrogasodynamics. Practicum: textbook]. Izhevsk: FGBOU VPO Izhevskaya GSKhA, 2013. 45 s. (In Russian)
9. Abramovich G.N. Prikladnaya gazovaya dinamika. V 2 ch. Ch 1: Ucheb. rukovodstvo: Dlya vtuzov [Applied Gas Dynamics. In 2 parts. Part 1: Tutorial: For High Schools]. Moscow: Nauka. 1991. 600 p. (In Russian)
10. Akhmerov Kh.Kh. Avtomatizirovannaya mashina dlya prorezhivaniya vskhodov sakharnoi svekly [Automated machine for thinning the sugar beet seedlings]. Mekhanizatsiya i elektrifikatsiya sel'skogo khozyaistva. 1984. No. 7: 19-26. (In Russian)
11. Balaeva N. A., Arteeva L.V. Teoreticheskie osnovy sozdaniya mikroklimata v pomeshchenii: metod. ukazaniya [Theoretical foundations for creating a microclimate in a room]. Ukhta: UGTU. 2012. 28 p. (In Russian)
12. Avetisyan R.D. Issledovanie ustoichivosti dvizheniya i upravlyaemosti kul'tivatornykh agregatov pri mezhduryadnoi obrabotke propashnykh kul'tur na sklonakh: avtoref. dis. ... kand. tekhn. Nauk [Investigation of the stability of movement and controllability of cultivator units during inter-row cultivation of row crops on the slopes: author's abstract of Cand. Tech.
Sciences Diss.] Yerevan, 1974 . 26 p. (In Russian)
13. Sel'skoe khozyaistvo Respubliki Belarus': statisticheskii sbornik xAgriculture of the Republic of Belarus: statistical collection]. Minsk: National Statistical Committee of the Republic of Belarus, 2020. 179 p. (In Russian)
14. Lutsenko V.P., Tokarev N.A., Sokolova I.M., Nikitina T.V. Ekologicheski bezopasnye tekhnologii unichtozheniya sornyakov v zashchitnoi zone propashnykh kul'tur [Environmentally friendly technologies for the destruction of weeds in the protective zone of row crops]. Vestnik RASKhN, 2006. No. 5: 70-71 (In Russian)
15. Beiseev Kh.S. Pridumyvanie i kopirovanie napravlyayushchikh borozd dlya vozdelyvaniya sakharnoi svekly s malymi zashchitnymi zonami: dis. ... kand. tekhn. Nauk [Crafting and copying of guide furrows for the cultivation of sugar beets with small protective zones: Diss Cand. Sc. (Engineering)]. Alma-Ata, 1984. 137 3. (In Russian)
16. Sudachenko V.N., Kozlov V.V. O sovershenstvovanii ustroistva dlya otslezhivaniya zashchitnoi zony kul'turnykh rastenii pri mezhduryadnoi obrabotke [On the improvement of the device for tracking the protective zone of cultivated plants during inter-row cultivation]. Tekhnologii i tekhnicheskie sredstva mekhanizirovannogoproizvodstvaproduktsii rastenievodstva i zhivotnovodstva. 2002. No. 73: 71-76 (In Russian)
17. Glukhovskii V.S., Danchenko V.N., Vetokhin V.I., Yakimenko K.N. i dr. Ispol'zovanie napravlyayushchikh pazov pri vozdelyvanii sakharnoi svekly dlya upravleniya kul'tivatorom: metodicheskie rekomendatsii [The use of guide slots in the cultivation of sugar beet for the management of the cultivator: guidelines]. Chernigov: Desna, 1987. 19 p. (In Russian)
УДК 620.91
КРИТЕРИИ ДОПУСТИМОСТИ ИСПОЛЬЗОВАНИЯ ОГРАЖДАЮЩИХ КОНСТРУКЦИЙ ЗДАНИЙ ДЛЯ РАЗМЕЩЕНИЯ ФОТОЭЛЕКТРИЧЕСКИХ МОДУЛЕЙ
Ю.В. Даус, канд. техн. наук
Кубанский государственный аграрный университет им. И.Т. Трубилина, Краснодар, Российская Федерация
Первоначальным фактором, определяющим эффективность фотоэлектрических систем, является интенсивность солнечного излучения, существенное влияние на уровень реализации которой оказывает пространственная ориентация фотоэлектрических модулей по отношению к Солнцу и поверхности Земли для рассматриваемой географической точки. Большинство исследований определяют величину ресурса солнечной энергии при проектировании фотоэлектрических систем, размещенных на ограждающих конструкциях здания, но не проводят сравнения полученных значений с уровнем интенсивности солнечной радиации на горизонтальной к поверхности Земли приемной площадке и
