Uncovering implementable dormant pruning decisions from three different stakeholder perspectives

要約

休眠剪定、つまり木が活発に成長していない間に木の非生産的な部分を取り除く作業は、収量を維持するために重要な果樹園の作業であり、専門知識を構築するには何年もかかります。
農業分野では研修期間が長く、人手不足が深刻化しているため、剪定作業はロボットによる自動化の恩恵を受ける可能性がある。
ただし、枝を剪定するようにロボットをプログラムするには、まず剪定の決定がどのように行われるか、環境内のどのような変数 (枝のサイズや太さなど) を把握する必要があるかを理解する必要があります。
園芸家、栽培者、剪定業者という 3 人の剪定関係者と直接協力して作業すると、人間の専門家の各グループが剪定に関する意思決定に異なるアプローチをとっていることがわかりました。
この知識を得るために、私たちは、2022年と2023年1月にワシントン州プロッサーで実施された現地調査から抽出された3つの研究と2つの剪定プロトコルを紹介します。私たちは6人の関係者（各グループに2人）にインタビューし、ビングチェリー、エンヴィーの3つの品種にわたる剪定を観察しました。
リンゴ、ジャズリンゴ、そして 2 つのツリー アーキテクチャ、直立結実枝と V トレリス。
この分析では、参加者へのインタビューとビデオ データを活用し、根拠のあるコーディングを使用して剪定用語を抽出し、剪定の決定に影響を与える園芸コンテキストを発見し、自律システムに実装可能な剪定ヒューリスティックを見つけます。
結果には、剪定の関係者とロボット技術者の両方が一般的な剪定の概念とヒューリスティックを伝えるために使用できる、検証済みの用語セットが含まれています。
この結果はまた、将来の自律ロボット剪定システムでの使用に関連するこの用語セットを利用した 7 つの剪定ヒューリスティックを強調し、3 つの品種すべてにわたって発見された 3 つの園芸的背景 (つまり、環境管理、作物負荷管理、および代替木材) を特徴付けています。

要約(オリジナル)

Dormant pruning, or the removal of unproductive portions of a tree while a tree is not actively growing, is an important orchard task to help maintain yield, requiring years to build expertise. Because of long training periods and an increasing labor shortage in agricultural jobs, pruning could benefit from robotic automation. However, to program robots to prune branches, we first need to understand how pruning decisions are made, and what variables in the environment (e.g., branch size and thickness) we need to capture. Working directly with three pruning stakeholders — horticulturists, growers, and pruners — we find that each group of human experts approaches pruning decision-making differently. To capture this knowledge, we present three studies and two extracted pruning protocols from field work conducted in Prosser, Washington in January 2022 and 2023. We interviewed six stakeholders (two in each group) and observed pruning across three cultivars — Bing Cherries, Envy Apples, and Jazz Apples — and two tree architectures — Upright Fruiting Offshoot and V-Trellis. Leveraging participant interviews and video data, this analysis uses grounded coding to extract pruning terminology, discover horticultural contexts that influence pruning decisions, and find implementable pruning heuristics for autonomous systems. The results include a validated terminology set, which we offer for use by both pruning stakeholders and roboticists, to communicate general pruning concepts and heuristics. The results also highlight seven pruning heuristics utilizing this terminology set that would be relevant for use by future autonomous robot pruning systems, and characterize three discovered horticultural contexts (i.e., environmental management, crop-load management, and replacement wood) across all three cultivars.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google