自主驾驶车辆将如何提高农业的可持续性和生产力

作者:Jeff Shepard

投稿人:DigiKey 北美编辑

自主拖拉机、无人机以及播种、除草和收割机器人是正在开发的几项技术,它们将改变农业,并通过提高农业活动的可持续性和生产力帮助缓解粮食短缺。所有类型的自主驾驶车辆将把人们从驾驶拖拉机和其他机械中解放出来,让他们能够从事更多的增值活动。这些活动包括实施精准农业,以提高产量,减少对环境的负面影响,并通过解决与缺水、劳动力短缺和其他限制有关的问题,提高农业生产的可持续性。

虽然无人机和农业机器人意味着从头开始开发和部署新的系统,但拖拉机则不同。投入使用的拖拉机基数已经很庞大,而且它们往往都有很长的工作寿命。因此,除了开发全自动化的新设计外,现有的拖拉机将被改装成电力驱动,并用专用的数字系统进行升级,即所谓的“数字拖拉机实现”。

本文将探讨数字拖拉机和新兴电动拖拉机的发展,回顾自主拖拉机投入使用的挑战,并介绍无人机、拖拉机上的传感器以及人工智能和机器学习在精准农业中的应用。此外还对实现自主农业车辆发展所需的一些技术进行了探讨,并说明 DigiKey 包括机器视觉、电机和控制、电源转换器、传感器和开关、有线和无线通信接口以及一系列信号和电源电缆及连接器在内的广泛产品选择将如何帮助设计者加快开发进程。文章最后简要地展望了未来,完全自主的农场将由复杂的操作系统控制,可以管理混合机群,包括自主和标准农场设备,可最大限度地提高生产力和可持续性。

农机具用上了 ISObus

与工业 4.0 一样,农业正朝着使用智能和互连机器的方向发展。这就是国际标准组织 (ISO) 出台关于农林拖拉机和机械串行数据网络总线的 11783 协议的着眼之处。在农业领域,它简称为 ISObus。它基于汽车协会 (SAE) 的 J1939 协议,其中包括控制局域网络 (CAN) 总线,并为农业应用进行了优化。ISObus 由农业工业电子基金会积极推动,该基金会致力于协调 ISO 11783 标准的强化认证测试。

在 ISObus 之前,农民拥有的拖拉机采用专有的控制系统,限制了灵活性、性能和互操作性。ISObus 包括标准化的连接器、通信协议和操作指南,并使得使用来自不同制造商的互连传感器和控制系统得以发展(图 1)。ISObus 还支持拖拉机机具的电气化,包括电力驱动的机械动力装置 (PTO) 和额定电压高达 700 伏 (V) 和 100 千瓦 (kW) 的高压连接器,以便为电力驱动的机具供电。

ISObus 可以实现传感器整合图片图 1:ISObus 可以将来自不同制造商的传感器和设备整合到一个即插即用的系统中。(图片来源:Armin Weigel/dpa(由 Armin Weigel 拍摄/Getty Images 图片联盟提供))

ISObus 正在不断发展,以后会形成一个拖拉机机具管理 (TIM) 系统。按照设想,ISObus 的高级版本将使机具能够向拖拉机提供反馈,支持拖拉机/机具组合系统的优化。它还将允许在支持精细耕作的机具上实现更高水平的传感器整合。拖拉机将提供位置感知,而组合系统将不断收集有关土壤和作物状况的数据。有了更详细的数据后,产量和可持续性就都能得到提高。

电动拖拉机、改装机和自主拖拉机

除了 ISObus 在持续发展,拖拉机的电气化在未来部署自主驾驶车辆和提高农业可持续性方面也将非常重要。减排是一个基本考虑因素。世界上四分之一的温室气体排放来自农业和农业相关活动,一辆拖拉机的排放量相当于 14 辆汽车。1

电动拖拉机开始出现。除了减少排放之外,电动拖拉机还可以大大降低燃料成本。电动拖拉机目前仅限于较小的型号,因为大型、高功率的电动拖拉机需要的电池组大于它们将取代的传统拖拉机的尺寸。大型电动拖拉机也更重,导致土壤压实度增加,这是不可取的。最后,大型电池组的充电时间太长,在农业作业中不实用。配备 25 至 70 马力 (HP)(约 18.6 至 52 千瓦)电机和小型电池组的小型电动拖拉机已经在测试中。拖拉机电动化不仅仅是驱动系统的问题。这也是为了取代液压系统为拖拉机机具提供动力和控制(图 2)。

电机功率从 25 到 70 马力的小型电动拖拉机正在进行测试和部署准备图片图 2:配备 25 至 70 马力电机的小型电动拖拉机正在进行测试和部署准备。(图片来源:Getty Images,由 brizmaker 拍摄)

对于大型拖拉机,可提供混合动力改装套件。例如,一家公司提供了一个带有 250 千瓦发电机的套件,可以连接到拖拉机现有的内燃机上以代替液压泵。该套件还包括四个电动电机,以取代液压驱动系统和一个电动变速器,为现有机具提供动力。通过更换液压系统,该改装套件降低了燃料和维护成本,并提高了混合动力电动拖拉机的可用性和可靠性。

与自主驾驶汽车和卡车的推广一样,自主拖拉机的部署也面临着不确定的未来。例如,加利福尼亚州的现行法规要求,“所有自行推进设备,在其自身工作和运动时,应在车辆控制处驻守一名操作员”。完全自主将必须再等等。

飞越田野

目前,无人机被广泛用于农业领域的各种任务,具体包括:

  • 植物健康成像。无人机已经在很大程度上取代了卫星图像来监测作物健康。配备了归一化植被指数 (NDVI) 成像设备后,无人机能够提供详细的彩色图像,以用于监测植物健康状况。卫星图像需要时间来检索,并且可以提供米级的精度,而无人机可以使图像达到毫米级的精度,并支持对疾病、虫害或其他问题进行实时的高度针对性识别。
  • 监控土壤墒情。无人机还可监控整个田地的土壤和排水状况。这可以使浇灌计划更加有效和可持续。
  • 种植。自动无人机播种机在林业行业很常见,其使用范围正在扩大到普通农业。无人机可以快速植树或播种,并更有效地到达人无法进入的地区。例如,由两名操作员组成的团队使用多架无人机,每天可以种植 400,000 棵树。
  • 喷洒应用。使用无人机进行化肥和农药的喷洒处理是一种新兴的应用,其使用情况因地区而异(图 3)。例如,在韩国,无人机大约用于 30% 的农业喷洒。而在加拿大,使用无人机进行农业喷洒是不合法的。在美国,无人机喷洒需要联邦航空管理局 (FAA) 和各州农业、商业和交通部门签发许可和认证。

大型无人机已经开发出来,可以用来进行喷洒图片图 3:大型无人机已经开发出来,可以用来进行化肥和农药的喷洒。(图片来源:Getty Images,由 baranozdemir 拍摄)

精确地用更少的钱生产更多的东西

即使在自主驾驶拖拉机实现之前,无人机以及拖拉机和拖拉机机具的电气化也有望支撑起精准农业并提高可持续性。

根据[农业]设备制造商协会 (AEM) 的一项研究,使用精准农业可以使作物产量提高 4%,肥料投放效率提高 7%,除草剂和杀虫剂的使用减少 9%,化石燃料的使用减少6%2。此外,通过精确灌溉,用水量可减少 4%。

这些数字基于目前的技术。随着互联系统和人工智能 (AI) 的加入,这些改进预计将成倍增加。在设备维护中加入机器学习 (ML),可以进一步节约成本并改善可持续性。

根据 AEM 研究,如果考虑到投入的节省和产量的提高,自主农业设备预计会带来 24% 的改进。这种改进的一个重要因素是假设自主机械将比它所取代的设备更轻,从而减少土壤压实并改善土壤条件。

AI 和 ML 对于开发为特定任务而优化的精密机器来说也将是至关重要的。专用任务机器甚至可以比通用拖拉机更小。例如,正在开发用于作物采摘的小型任务机器,其中需要机器视觉、细腻的触觉和精确的灵活性。

杂草控制是另一个领域,特定任务的 AI 和 ML 预计将做出重大贡献。杂草控制是困难的,属劳动密集型工作,如果不能有效地实施,会导致更多的水的使用和土壤养分的耗损。轮作是一个起部分作用的解决方案,但不能消除对除草剂或人工除草的需求。人们正在测试结合了机器视觉与 AI 和 ML 的杂草管理机器人。这些小型机器还能最大限度地减少土壤压实(图 4)。

结合机器视觉与 AI 和 ML 的自主收获机器人图片图 4:结合机器视觉与 AI 和 ML 的自主收获机器人实例。(图片来源:Getty Images,由 onurdongel 拍摄)

农场操作系统和自主设备机群

展望农业行业未来,完全自主的农场将由一个复杂的操作系统 (OS) 控制,能够管理混合机群,包括自主和标准农业设备,加上陆上机器和无人机,可最大限度地提高生产力和可持续性(图 5)。这些农场设备机群将协调操作,以帮助控制资本支出,尽量减少劳动力需求,并提供必要的大数据,以实现自主执行和精准农业。此外,未来的农场操作系统将被标准化和优化,以支持众多供应商的各种设备。采用 ISObus 只是向农场自动化的开源和标准化迈出的第一步。

协调的地面和飞行自主农业机械群图片图 5:协调的地面和飞行自主农业机器群将带来更高水平的可持续性。(图片来源:Getty Images,由 Scharfsinn86 绘制)

拟议的农场操作系统预计还有其他好处,包括减少二氧化碳排放,降低燃料消耗,以及优化电池充电和管理等。大数据分析也将在未来农业中发挥重要作用。直接来自田间的大量实时数据将用来对决策、控制和运营规划所需的 AI 和 ML 算法进行持续训练,以优化精准农业。

结语

自主农用车辆和可持续精准农业目前还处于发展的早期阶段。ISObus 的推出让该行业走上了迅速发展之路。下一代 ISObus 将支持更多的互操作性,并有助于催生更复杂、更互连的农业设备机群。我们的目标是开发一个农场操作系统,它可以将这些机群与大量使用 AI 和 ML 算法的实时传感器数据结合在一起,并将它们部署成协调的地面和飞行机器编队,从而实现高水平的可持续性和生产力。

  1. 带机器人大脑的自主拖拉机即将接管农场, Autoweek
  2. 精准农业的环境效益量化,AEM

免责声明:各个作者和/或论坛参与者在本网站发表的观点、看法和意见不代表 DigiKey 的观点、看法和意见,也不代表 DigiKey 官方政策。

关于此作者

Jeff Shepard

Jeff 从事电力电子、电子元件和其它技术主题写作 30 余载。在其于 EETimes 任职高级编辑期间,他开始了电力电子写作。后来,他创立了一份叫《Powertechniques》的电力电子杂志,再后来又创立了一家全球性的研究和出版公司 Darnell Group。在开展各项业务的同时,Darnell Group 还发布了 PowerPulse.net,专门针对全球电力电子工程社区提供每日新闻。他是一本名为《Power Supplies》的开关模式电源教课书的作者,该书由 Prentice Hall 旗下 Reston 分部出版。

Jeff 还是 Jeta Power Systems 共同创始人,这是一家高功率开关电源制造商,后来被 Computer Products 收购。Jeff 也是一个发明家,其名下拥有 17 项热能收集和光学超材料美国专利,同时他也是掌握电力电子行业全球趋势的专家和网红发言人。他拥有加利福尼亚大学定量方法和数学硕士学位。

关于此出版商

DigiKey 北美编辑