AγροΣΥΣ
Το έργο
Ποιες είναι οι κύριες προκλήσεις που αντιμετωπίζονται στο έργο;
Η συνεχής αύξηση του πληθυσμού απαιτεί μεγέθυνση της παραγωγής γεωργικών προϊόντων, η οποία διακινδυνεύεται από πολλές προκλήσεις όπως η μεταβολή του κλίματος, η έλλειψη εργατικού δυναμικού και το κόστος απόδοσης της παραγωγικότητας. Τα τελευταία χρόνια, η χρήση Τεχνολογιών Ευφυούς Γεωργίας (ΤΕΓ) αυξάνει ταχέως και δείχνει να αποτελεί αξιόπιστη λύση για τις ανωτέρω προκλήσεις. Οι ΤΕΓ περιλαμβάνουν συστήματα διαχείρισης γεωργικών πληροφοριών (FMIS), συστήματα γεωργίας ακριβείας (ΓΑ), γεωργικούς αυτοματισμούς και ρομποτικές εφαρμογές που (α) αυξάνουν την απόδοση, (β) βελτιώνουν την ποιότητα των προϊόντων, (γ) κάνουν ορθολογική και αποτελεσματική τη χρήση των εισροών, (δ) μειώνουν την κατανάλωση ενέργειας και (ε) προστατεύουν τους εδαφοϋδατικούς πόρους.
Ενώ οι ΤΕΓ που αφορούν τα FMIS, τις μεθόδους ΓΑ και τους αυτοματισμούς έχουν αναπτυχτεί εμπορικά, μόνο λίγες περιπτώσεις ρομποτικών συστημάτων βρίσκονται σε εμπορικό επίπεδο. Παρόλα αυτά, η ρομποτική παρουσιάζει μεγάλη εξέλιξη, αφού αυτόνομα μη επανδρωμένα εναέρια (UAV) και επίγεια (UGV) οχήματα ενσωματώνουν προοδευτικά τεχνολογικό εξοπλισμό με σκοπό την παρακολούθηση καλλιεργειών και την εφαρμογή γεωργικών πρακτικών. Η χρήση τους μπορεί να αυξήσει την παραγωγικότητα, την κερδοφορία, την ασφάλεια της εργασίας και την περιβαλλοντική βιωσιμότητα. Όμως, ακόμα και τα εμπορικά διαθέσιμα UAV και UGV για γεωργική χρήση λειτουργούν ως μεμονωμένες λύσεις και όχι ως ένα συνδυασμένο σύστημα που τα δύο μέσα αλληλοβοηθούνται.
Κύριος στόχος του έργου
Ο πρωταρχικός στόχος του AγροΣΥΣ είναι η ανάπτυξη ενός αυτόνομου συνεργατικού ρομποτικού συστήματος αμπελουργίας ακριβείας που θα ενσωματώνει ηλεκτροκίνητα επίγεια και εναέρια μη-επανδρωμένα οχήματα και μικρής κλίμακας ηλιακούς σταθμούς φόρτισης.
Γιατί να δοκιμαστεί αυτό το σύστημα σε αμπέλι;
- οι αμπελώνες έχουν ένα ιδιάζον χαρακτηριστικό: απαιτείται να παρακολουθούνται ταυτόχρονα η άνω και η πλευρική βλάστηση των πρέμνων για την πλήρη διάγνωση της κατάστασης του αμπελώνα
- επομένως, ο συνδυασμός UAV και UGV μπορεί να δώσει την λύση για την παρακολούθηση των πρέμνων σχεδιάζοντας τρισδιάστατους χάρτες των χαρακτηριστικών της βλάστησης του αμπελώνα, συνδυάζοντας εναέρια και επίγεια δεδομένα
- ο αμπελώνας του ΓΠΑ, (350 στρ) θα παρακολουθείται με πτήσεις (UAV) και επίγεια παρατήρηση (UGV) σε επιλεγμένα φαινολογικά στάδια της αμπέλου (Άνθηση, Καρπόδεση, Πράσινη Ράγα, Περκασμός, Ωρίμανση)
Συστήματα μη Επανδρωμένων Αεροσκαφών (ΣμηΕΑ ή UAVs), Μη Επανδρωμένα Οχήματα Εδάφους (MEOE ή UGVs) και οι αισθητήρες τους
Το σύστημα αποτελείται από έναν ετερογενή στόλο σε τρία επίπεδα:
- επιχειρησιακό περιβάλλον [επίγεια-εναέρια]
- απαιτήσεις ενέργειας [μικρό – μεσαίο – μεγάλο ρομποτικό όχημα]
- αποστολή [επίγνωσης, χαρτογράφησης –δειγματοληψίας – συνολικής σάρωσης]
Αισθητήρες ενσωματωμένοι στα UAVs (drones)
- πολυφασματικό αισθητήρα – υπολογισμός δεικτών βλάστησης
- θερμική κάμερα (FLIR Vue Pro) – καθορισμός υδατικής καταπόνησης – άρδευση
Αισθητήρες ενσωματωμένοι στα UGVs
- υπερφασματική κάμερα (Cubert S185SE) προς την πλαϊνή βλάστηση
- θερμική κάμερα ίδια με τα UAV – υδατική καταπόνηση
- σαρωτής λέιζερ (Velodyne puck Hi-Res)
- Μικροηλεκτρομηχανικά συστήματα (MEMS)
Λοιπά συστήματα
- μετεωρολογικός σταθμός με ασύρματο δίκτυο
- κεντρικός διακομιστή που θα φιλοξενεί το FMIS
Χαρακτηριστικά Πληροφοριακού Συστήματος
- αυτονομία του για την επίτευξη ενός στόχου ή μίας εργασίας χωρίς ανθρώπινη παρέμβαση
- ανεξάρτητη πλοήγηση του συνδυασμένου στόλου των UGV και UAV
- Robotic Operating System (ROS)
- UGV και UAV ικανά να εξερευνήσουν, αυτόνομα, ένα άγνωστο περιβάλλον, να το χαρτογραφήσουν και να πλοηγηθούν αποτελεσματικά και με ασφάλεια
- full πλήρης ανάπτυξη αλγορίθμων βέλτιστων διαδρομών για ελαχιστοποίηση των περιττών κινήσεων των UGV και UAV
- ειδικά σχεδιασμένος ελεγκτής απόφασης βέλτιστου σημείου λειτουργίας των UGV και UAV βάσει τεχνικών υπολογιστικής νοημοσύνης (Fuzzy Cognitive Maps)
- παρακολούθηση ποσοστού εκφόρτισης του συσσωρευτή των UGV και UAV και απόφαση για την ταχύτητά τους
Φόρτιση Ηλεκτρικών UGV & UAV
- φόρτιση των ηλεκτρικών ρομποτικών οχημάτων μέσω αυτόνομων σταθμών φόρτισης με φωτοβολταϊκές συστοιχίες και συσσωρευτές
- τοπολογία μικροδικτύου (μικρή κλίμακα, χαμηλή τάση, διεσπαρμένη παραγωγή, απομονωμένες περιοχές)
- προώθησης έξυπνων δικτύων (smart grids) και αποκεντρωμένης παραγωγής ενέργειας
- οι σταθμοί φόρτισης χαρακτηρίζονται από:
-προηγμένα συστήματα διαχείρισης και ελέγχου ενέργειας για βέλτιστη διαχείριση ενέργειας
-κατάλληλη γεωγραφική διασπορά βάσει των βέλτιστων διαδρομών των UGV και UAV - επικοινωνία των σταθμών φόρτισης οχημάτων (ανταλλαγή πληροφοριών για την αποθηκευμένη ενέργειά τους και το επίπεδο φόρτισης των συσσωρευτών τους)
- διατήρηση ιστορικού αποδιδόμενης ενέργειας και χρήση αλγορίθμων πρόγνωσης της παραγόμενης ενέργειας βασισμένους στη θεωρία της μηχανικής μάθησης (Machine Learning)
Ρομποτικοί Βραχίονες για φόρτιση των UAVs και UGVs
- το σύστημα μπορεί να λειτουργεί αδιάκοπα (24/7)
- ο σχεδιασμός είναι βασισμένος σε εμπορικές λύσεις για σταθμούς ανεφοδιασμού ηλεκτρικών αυτοκινήτων
- τοποθέτηση σε κάθε σταθμό εντός του αμπελώνα 2 βραχιόνων διασύνδεσης: ένας για φόρτιση των UGV εντός του σταθμού και ένας για τα UAV στην οροφή του σταθμού
- εγκατάσταση οπτικών αισθητήρων για εντοπισμό ακριβούς θέσης του ρευματολήπτη του οχήματος
- κάθε σταθμός θα φέρει 2 θέσεις στάθμευσης για τα UGV και UAV
Ευφυές Λειτουργικό Σύστημα
- καθολική εποπτεία
- επικοινωνία σταθμών φόρτισης με τα αυτόνομα οχήματα
- μεταφορά πληροφοριών (π.χ. επίπεδο φόρτισης των συσσωρευτών σε οχήματα και σταθμούς)
- απόφαση: ποιος σταθμός θα φορτίσει το εκάστοτε όχημα και σε ποια χρονική στιγμή;
- βάσει Θεωρίας Παιγνίων (Game Theory): ανταγωνιστικό παίγνιο μεταξύ των παιχτών
- χρήση ισορροπίας Nash (διαθέσιμες πληροφορίες του κάθε παίχτη – όχι σχέση ηγέτη-οπαδού μεταξύ των παικτών)
- μη συνεργατικό παίγνιο: δυναμικά μεταβλητό λόγω των μεταβολών των καιρικών συνθηκών και του επιπέδου φόρτισης της αποθηκευτικής ικανότητας του κάθε παίχτη (σημαντική καινοτομία στη γεωργική ρομποτική)