Rewolucja w inteligentnym rolnictwie: jak czujniki inercyjne zwiększają precyzję i wydajność

Konieczność zapewnienia zrównoważonego wyżywienia dla rosnącej populacji na całym świecie prowadzi do coraz szerszego wdrażania technologii i automatyzacji we współczesnym inteligentnym rolnictwie. Coraz większe zastosowanie mają tu czujniki inercyjne. Przede wszystkim znajdujemy je w urządzeniach nawigacyjnych instalowanych na traktorach z automatycznym sterowaniem, robotach zbierających, dronach itp. Co więcej, szerokopasmowe czujniki inercyjne mogą być używane do predykcyjnej konserwacji złożonych maszyn rolniczych. Wreszcie czujniki inercyjne pomagają wdrażać różne metody wykrywania na obrzeżach sieci, takie jak śledzenie stada, wykrywanie gorączki u zwierząt mlecznych oraz monitorowanie parametrów życiowych.

Wprowadzenie

Przewiduje się, że do 2050 r. liczba ludności świata osiągnie prawie 10 miliardów. Będzie to wymagało 70-procentowego wzrostu produkcji żywności na całym świecie wynikającego z podnoszenia się standardów życia na całym globie.¹ Rynek rolny stoi jednak przed bezprecedensowymi wyzwaniami. Wiele krajów rozwiniętych i rozwijających się boryka się z kurczącą się siłą roboczą w rolnictwie. Młodsze pokolenia odchodzą od tradycyjnych metod uprawy i hodowli, a koszty pracy wciąż rosną. Wyzwanie to jest potęgowane zmieniającym się klimatem, w którym nieprzewidywalne warunki pogodowe, degradacja gleby i niedobór wody stanowią ogromne wyzwania dla rolników na całym świecie. Przedsiębiorstwa agrotechniczne muszą maksymalizować plony, ograniczać marnotrawstwo i optymalizować koszty, aby nadążyć za popytem i zachować konkurencyjność. Właśnie w tym zakresie technologia ma do odegrania istotną rolę. Rozwój sztucznej inteligencji (AI), uczenia maszynowego (ML), robotyki i Internetu rzeczy (IoT) sprawił, że automatyzacja w inteligentnym rolnictwie stała się bardziej realna i opłacalna. Pracownicy tej branży mają teraz dostęp do analiz opartych na danych, które usprawniają proces podejmowania decyzji.

Zautomatyzowane systemy, takie jak zrobotyzowane kombajny i monitorowanie wspomagane dronami, pozwalają na szybsze i bardziej wydajne prowadzenie działalności agrotechnicznej oraz zmniejszają zależność od pracy ręcznej. Techniki rolnictwa precyzyjnego poprawiają zdrowie gleby, rozmieszczenie nasion i wzrost upraw, co prowadzi do wyższych plonów z hektara. Inteligentne systemy nawadniania i nawożenia minimalizują marnotrawstwo wody i nawozów, co przekłada się na oszczędności kosztów i ochronę zasobów.

W świecie inteligentnego rolnictwa czujniki inercyjne pełnią wiele kluczowych ról. Przede wszystkim dostarczają w czasie rzeczywistym danych dotyczących przyspieszenia, orientacji i położenia, poprawiając wydajność autonomicznych i półautonomicznych (z automatycznym sterowaniem) pojazdów rolniczych. Inercyjne jednostki pomiarowe (IMU), wspomagane przez GPS, służą do nawigacji i sterowania pojazdami lądowymi i powietrznymi, takimi jak traktory, roboty i drony, służą też do monitorowania ich położenia i innych stanów bezwładności oraz umożliwiają tym pojazdom podążanie precyzyjnymi ścieżkami podczas siewu, uprawy roli i oprysków. Przyczynia się to ostatecznie do obniżenia kosztów i poprawia zrównoważony charakter produkcji. Po drugie, w zarządzaniu hodowlą czujniki inercyjne mogą służyć do śledzenia ruchów i zachowań zwierząt, umożliwiając rolnikom monitorowanie stanu zdrowia stada oraz wykrywanie anomalii w ich aktywności ruchowej. Wreszcie, integracja czujników inercyjnych z rozwiązaniami opartymi na sztucznej inteligencji dodatkowo usprawnia konserwację predykcyjną sprzętu agrotechnicznego, zmniejszając przestoje i koszty konserwacji.

Rysunek 1. Inercjalny układ odniesienia ADIS16576

Technologia MEMS w czujnikach inercyjnych

Postępy w technologii mikroelektromechanicznych układów (MEMS) doprowadziły do poprawy wydajności, dzięki czemu inercyjne układy pomiarowe (IMU) oparte na technologii MEMS stały się kluczowym elementem skalowalnych platform pojazdów autonomicznych (AV). Układy IMU oparte na technologii MEMS często pełnią rolę elementów czujnikowych sprzężenia zwrotnego w systemach sterowania ruchem, takich jak systemy naprowadzania, nawigacji i sterowania (GNC) w pojazdach autonomicznych lub w systemach sterowania kierunkiem pracy inteligentnych narzędzi (opryskiwaczy, siewników, czerpaków, lemieszy). Gdy czujnik IMU oparty na technologii MEMS jest używany jako element czujnikowy sprzężenia zwrotnego, jego wydajność ma bezpośredni wpływ na dokładność systemu. Najnowszym przykładem czujnika IMU typu MEMS jest układ ADIS16576, który zapewnia postęp zarówno w zakresie integracji funkcjonalnej, jak i wydajności czujnika podstawowego (rysunek 1).

Jakościowy skok parametrów czujników MEMS

Układ ten stanowi istotny krok naprzód, a najbardziej znaczące korzyści wynikają z 10-krotnej poprawy błędu rektyfikacji drgań żyroskopu (VRE) oraz 50-krotnej poprawy błędu VRE akcelerometru. W najprostszym ujęciu czujniki MEMS IMU umożliwiają trójosiowy pomiar prędkości kątowej wokół trzech wzajemnie prostopadłych osi (przechył, pochylenie, odchylenie), a jednocześnie umożliwiają trójosiowy pomiar przyspieszenia liniowego wzdłuż tych samych trzech osi. Akcelerometry dostarczają średnią (lub statyczną) estymację kąta, natomiast całkowanie pomiarów żyroskopowych zapewnia informację o przemieszczeniu kątowym w czasie rzeczywistym. Procesory systemowe łączą te dwa źródła oszacowania kąta, aby wygenerować wiarygodne informacje sterujące dla systemów GNC lub systemów sterowania kierunkiem. Przy takim trybie działania, gdy VRE akcelerometru wynosi 1,3 mg przy drganiach poniżej 4 g rms, platforma GNC może utrzymać kąt położenia z dokładnością lepszą niż 0,1°, bez konieczności korzystania z pomocy jakiejkolwiek innej funkcji pomiarowej. Może to być bardzo przydatne w przypadku bezzałogowych statków powietrznych (UAV), które mogą doświadczać znacznych zmian drgań w zależności od poziomu ciągu. W żyroskopach błąd VRE może powodować szybkie i trwałe zmiany odchylenia, co będzie skutkować błędną korektą ruchu, a w najgorszych przypadkach prowadzić do niestabilności platformy.

W urządzeniach poprzedniej generacji reakcje na VRE mogły przekraczać 300°/h przy wartości drgań poniżej 8 g rms, układ ADIS16576 zapewnia natomiast reakcję na poziomie 12°/h, co znacznie zmniejsza obciążenie związane z estymacją i korekcją przez inne moduły pomiarowe systemu. Jednym z najważniejszych ulepszeń funkcjonalnych tego czujnika MEMS IMU jest skalowalna synchronizacja zewnętrzna. Dzięki wbudowanej, programowalnej przez użytkownika funkcji skalowania zegara, twórcy systemów mogą teraz realizować próbkowanie danych IMU z częstotliwością 4000 Hz przy użyciu wolniejszych systemowych źródeł odniesienia, takich jak GPS lub synchronizacja wideo. Zapewnia to zarówno ścisłe sprzężenie z referencjami impulsów na sekundę (PPS), jak i z czujnikami percepcyjnymi, zachowując jednocześnie wszystkie opcje przetwarzania cyfrowego, jakie zapewnia wyższa częstotliwość próbkowania danych.

Na rysunkach 2 i 3 zilustrowano przykład, w którym platforma pojazdu autonomicznego używa 20-hercowego sygnału referencyjnego GPS oraz współczynnik skalowania 200× w celu uzyskania wewnętrznej częstotliwości próbkowania wynoszącej 4000 Hz. Ponadto system ten ilustruje zastosowanie wbudowanego filtra decymacyjnego w celu 20-krotnego zmniejszenia szybkości danych wyjściowych (do 200 Hz). W bardziej dynamicznych sytuacjach, takich jak dron do inspekcji upraw działający w warunkach wietrznych, procesor systemu może wymagać odczytu i przetwarzania danych z maksymalną częstotliwością próbkowania, aby zapewnić stabilność i manewrowość.

Rysunek 2. Tor sygnałowy ADIS16576 i zewnętrzne wejścia synchronizacji

Rysunek 3. Schemat czasowy układu ADIS16576 w trybie scale sync

Lokalizacja zwierząt  i kontrola ich stanu fizjologicznego

Kolejnym obszarem, w którym czujniki inercyjne zapewniają kluczowe możliwości, jest zastosowanie systemów IoT do ciągłego monitorowania lokalizacji zwierząt i ich stanu fizjologicznego. Typowe przykłady obejmują zarówno znaczniki przymocowane do ucha, ogona lub ciała, jak i inteligentne obroże zakładane na szyję. Znaczniki te mogą pomóc w zarządzaniu lokalizacją stada, a co ważniejsze, zapewniają ciągły wgląd w dobrostan zwierząt, obejmujący takie parametry jak aktywność, czas karmienia i częstotliwość oddechu, a także nowsze funkcje umożliwiające śledzenie tętna i innych parametrów życiowych. Obroże zakładane na szyję stały się nieocenionymi narzędziami do wykrywania rui u bydła, przeżuwania, kulawizny i innych stanów.

Kluczowym wymogiem w takich systemach IoT jest zużycie energii, ponieważ konserwacja baterii (akumulatorów lub ogniw pierwotnych) w dużych stadach stanowi trudne do rozwiązania zadanie. Układ ADXL366 zapewnia w tym zakresie bezprecedensowe możliwości. Jest to trójosiowy akcelerometr, który może być podłączony bezpośrednio do baterii, ponieważ ma wewnętrzny stabilizator. Może pracować przy napięciu już od 1,1 V i dostarczać dane o ruchu z częstotliwością 100 Hz, zużywając około 1 µW energii. Na tym poziomie zużycie energii jest niższe niż samorozładowanie baterii pastylkowej. W przypadku zastosowania tego akcelerometru w obroży noszonej na szyi może on przełączać się między trybem niskiego poboru mocy a trybem niskiego poziomu szumu, zapewniając sygnał o wartości minimalnej w zakresie od 3 mg do 8 mg rms — wystarczający do rozróżnienia częstotliwości żucia, przeżuwania i oddechu (R-R).

Ulepszone możliwości monitorowania parametrów życiowych zapewnia układ ADXL380, który charakteryzuje się poziomem szumu niższym o prawie dwa rzędy wielkości w paśmie o szerokości 4 kHz. Zapewniając rzetelne porównanie dla pasma 200 Hz, równoważny poziom szumu dla tego akcelerometru wynosiłby 0,4 mg rms. Taki stosunek sygnału do szumu (SNR) w połączeniu z dużą szerokością pasma może przekształcić ten trójosiowy akcelerometr w stetoskop zdolny do zbierania informacji o tętnie za pomocą balistokardiogramu lub różnych odgłosów związanych z oddychaniem, trawieniem i innymi funkcjami fizjologicznymi. Porównanie obu akcelerometrów przedstawiono w tabeli 1. Kolejną kluczową funkcją oferowaną przez czujniki inercyjne o ultra niskim poborze mocy jest zarządzanie energią na poziomie systemu w węzłach IoT. ADXL366 oferuje specjalny tryb wybudzania, który może służyć do cyklicznego włączania i wyłączania zasilania systemów elektronicznych poprzez generowanie przerwań na podstawie wykrytych profili ruchu.

Typową konfigurację przedstawiono na rysunku 4. Akcelerometry zapewniają bogaty zestaw programowalnych parametrów umożliwiających skonfigurowanie pożądanego profilu ruchu, a co najważniejsze – budzenie i próbkowanie przy pełnej szerokości pasma. Funkcja ta pozwala wyeliminować aliasing i fałszywe detekcje. W trybie budzenia układ ADXL366 pobiera prąd zaledwie 180 nA. Wykorzystując tę funkcję, czujniki, moduły radiowe i inne komponenty o dużym zapotrzebowaniu na energię można wyłączać, gdy nie są potrzebne, co pozwala wydłużyć okres użytkowania węzła czujnikowego.

Tabela 1. Porównanie akcelerometrów o ultra niskim poborze mocy i ultra niskim poziomie szumów

W związku z tym, w przypadku konserwacji predykcyjnej, akcelerometry powinny zapewniać trzy istotne parametry. Muszą charakteryzować się niskim poziomem szumu (umożliwiającym wcześniejsze przewidywanie), wysoką szerokością pasma (w celu wykrycia wszystkich składowych widmowych i ułatwienia klasyfikacji usterki) oraz wystarczająco dużym zakresem pomiarowym. Ostatni parametr jest jednak często pomijany, ponieważ wielkość przyspieszenia jest proporcjonalna do częstotliwości ω², a składowe widmowe o wysokiej częstotliwości mogą doprowadzić do nasycenia czujnika, jeśli nie zostaną uwzględnione. Nowy trójosiowy, cyfrowy akcelerometr ADXL382 spełnia wszystkie trzy wymagania w kompaktowej obudowie. Produkt charakteryzuje się pełnym zakresem pomiarowym do 60 g, szerokością pasma 8 kHz oraz ultra niskim poziomem szumu <55 µg/√Hz.

Rysunek 4. Akcelerometr ADXL366 skonfigurowany jako czujnik ruchu w systemach IoT

Zastosowanie czujników inercyjnych w konserwacji predykcyjnej

Ostatni temat dotyczy integracji czujników inercyjnych i analizy opartej na sztucznej inteligencji na potrzeby konserwacji predykcyjnej w inteligentnym rolnictwie. Wraz ze wzrostem skali nowoczesnych gospodarstw rolnych muszą one polegać na maszynach wymagających wysokich nakładów kapitałowych. Tego typu sprzęt musi zapewniać precyzyjne działanie, pracując w trudnych warunkach i podlegając rygorom sezonowego życia w gospodarstwie. Awaria podczas krótkiego sezonu siewu lub zbiorów może mieć poważne konsekwencje finansowe. Na przykład precyzyjnie sterowane urządzenia, takie jak siewniki lub kombajny, często muszą pracować w deszczu, wietrze, pyle, błocie, wśród odłamków skał i wielu innych zagrożeń środowiskowych.

W takich środowiskach zmiany kluczowych parametrów drgań mogą zapewnić wczesne przewidywanie problemów, które można rozwiązać poprzez konserwację wtedy, gdy ma to minimalny wpływ na wydajność w okresach szczytowego zapotrzebowania. Analiza drgań w maszynach (analogiczna do monitorowania parametrów życiowych u zwierząt hodowlanych) pozwala precyzyjnie określić rodzaj awarii i moment wystąpienia różnych problemów w elementach mechanicznych, takich jak uszkodzone łożyska, niewspółosiowość osi, niewyważenie, luz, usterki przekładni i inne. Weźmy pod uwagę na przykład wykruszenie lub jakiekolwiek fizyczne odkształcenie kulki łożyska. Spowoduje to powstanie wstrząsu na platformie za każdym razem, gdy uszkodzenie to zetknie się z powierzchnią maszyny, co skutkuje złożonym profilem drgań zawierającym zarówno składową podstawową, jak i szerokopasmową. Ilustrację złożonego profilu drgań w ujęciu widmowym przedstawiono na rysunku 5.

Rysunek 5. Reprezentacja widmowa typowych usterek maszyn w szerokim paśmie

Wnioski

Automatyzacja i technologie stosowane w rolnictwie stanowią odpowiedź na kluczowe wyzwania globalne, takie jak bezpieczeństwo żywnościowe, niedobór siły roboczej oraz zrównoważony rozwój środowiska. Dzięki wdrażaniu innowacji, takich jak sztuczna inteligencja, robotyka i rolnictwo precyzyjne, sektor rolniczy może zwiększyć wydajność, obniżyć koszty i zapewnić bardziej zrównoważoną przyszłość produkcji żywności. W tym ekosystemie kluczową rolę odgrywają czujniki bezwładnościowe, ponieważ zapewniają niezbędne możliwości pomiarowe. Należy jednak zachować ostrożność przy wyborze czujników o odpowiedniej konstrukcji i funkcjonalności.

Bibliografia

¹ “Global Agriculture Towards 2050.” Food and Agriculture Organization of the United Nations, October 2009.

Opracowanie: Jarosław Doliński