Towards Autonomous Crop Monitoring: Inserting Sensors in Cluttered Environments

要約

我々は、硝酸塩センサーをトウモロコシの茎に自律的に挿入して作物の主要栄養素レベルを積極的に監視できる、接触ベースの表現型解析ロボットプラットフォームを紹介します。
このようなセンサーの挿入には、高レベルの乱雑さ、照明の変化、および遮蔽が含まれる環境ではセンチメートル未満の精度が必要となるため、この作業は困難です。
これらの課題に対処するために、私たちは茎を検出して把握するための堅牢な知覚アクション パイプラインを開発し、茎にセンサーを挿入する前にセンサーを機械的に位置合わせするカスタム ロボット グリッパーを作成します。
アイオワ州のトウモロコシ畑にある 48 本の固有の茎に対する実験検証を通じて、94% の成功率で茎を検出し、90% の成功率で茎を掴み、60% の成功率でセンサーを挿入するプラットフォームの機能を実証しました。
自律的な表現型研究プラットフォームの開発に加えて、私たちは主要な課題と現場での展開から得られた洞察を共有します。
私たちの研究プラットフォームはオープンソースであり、追加情報は https://kantor-lab.github.io/cornbot で入手できます。

要約(オリジナル)

We present a contact-based phenotyping robot platform that can autonomously insert nitrate sensors into cornstalks to proactively monitor macronutrient levels in crops. This task is challenging because inserting such sensors requires sub-centimeter precision in an environment which contains high levels of clutter, lighting variation, and occlusion. To address these challenges, we develop a robust perception-action pipeline to detect and grasp stalks, and create a custom robot gripper which mechanically aligns the sensor before inserting it into the stalk. Through experimental validation on 48 unique stalks in a cornfield in Iowa, we demonstrate our platform’s capability of detecting a stalk with 94% success, grasping a stalk with 90% success, and inserting a sensor with 60% success. In addition to developing an autonomous phenotyping research platform, we share key challenges and insights obtained from deployment in the field. Our research platform is open-sourced, with additional information available at https://kantor-lab.github.io/cornbot.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google