Робот для уборки клубники
Пресс-центр
Десять роботов для бережного сбора урожая
Все чаще руководители агропредприятий в развитых странах сталкиваются с дефицитом работников. Старые кадры уходят на пенсию, а новые кадры не охотно выбирают отрасль сельского хозяйства. Только в Калифорнии (США) 55% фермеров испытывали дефицит рабочей силы, который не могли покрыть даже иммигранты. По данным Бюро трудовой статистики США, в 2012 году 74% работников агропредприятий США составляли иммигранты из Мексики и Центральной Америки. По оценкам журнала Fortune, половина таких «специалистов» нанималась незаконно. Подобные проблемы характерны для многих развивающихся и развитых стран.
Сгладить негативные факторы позволит применение роботизированных сборщиков урожая. Если самоуправляемые комбайны уже эффективно убирают урожай картофеля и зерновых, то с ягодами, овощами и фруктами дела обстоят сложнее. Необходимо научить машины бережно и без повреждений кожуры собирать такой урожай. Десять компаний сейчас бьются над решением этой непростой задачи.
Agrobot
Испанская компания Agrobot реализовала идею автоматической уборки хрупких ягод садовой земляники. Устройство SW6010 работает полностью в автономном режиме и способно самостоятельно ориентироваться в пространстве. Машина в режиме реального времени использует технологии искусственного интеллекта для оценки зрелости ягод. Робот также оснащен сенсорами для оценки цвета плода и его товарного вида. Сенсоры проводят анализ ягод и записывают информацию о каждом плоде.
Когда робот завершает уборку ряда, он останавливается и передает данные оператору. За три дня один робот Agrobot может собрать клубнику с 800 соток. Испытание робота провели на фермерском хозяйстве Driscoll в Калифорнии.
Генеральный директор стартапа Agrobot Хуан Браво сообщил CNBC, что робот для сбора клубники будет оснащен 24 роботизированными руками. Роботизированная рука работает независимо, но перебирает по одной ягоде. В целом машина с задачей справляется достаточно быстро.
Abundant Robotics
Робот, используя алгоритмы компьютерного зрения, находит спелые яблоки и выбирает их, словно пылесос, с помощью вакуумного механизма, не повреждая плодов. Скорость сбора – одно яблоко в секунду.
Сейчас прототип испытывается в полевых условиях. В компании планируют добавить своему изобретению функцию распознавания испорченных яблок, а также возможность сбора других фруктов и овощей. Продажи устройств планировалось начать не позднее 2019 года.
FRRobotics
Компания FRRobotics разработала роботизированное решение для деликатной уборки фруктов. Цепкая роборука подстраивается под фрукт, который собирает. Робот подражает движениям руки человека. За рабочую смену машина способна собрать в десять раз больше фруктов или ягод, чем среднестатистический рабочий. Как и Abundant, FRRobotics использует передовую обработку изображений для поиска и сбора фруктов. Использовать машину можно в течение нескольких сезонов, так как она сможет собирать урожай различных плодоовощных культур.
Разработчики обещают, что работа машины будет в десять раз эффективнее, чем традиционный сбор урожая. В планах компании – добавить аналитические возможности с разбивкой информации о собранных плодах на дерево, на акр и в целом на участок.
Energid
Dogtooth Technologies
Dogtooth Technologies (Великобритания) использует технологии компьютерного зрения для определения спелых ягод и машинного обучения для разработки эффективных стратегий сбора клубники. Цвет ягод – это главный показатель спелости, поэтому ошибки систем компьютерного зрения маловероятны, отмечает Дункан Робертсон, генеральный директор Dogtooth Technologies. Ориентация в пространстве происходит с помощью высокоточных координат GPS.
Британские потребители привыкли покупать спелую клубнику с небольшой частью стебля. Именно так она реализуется в крупных торговых сетях. Машина учитывает эту особенность.
После сбора ягод видеокамера машины осматривает плод со всех сторон, чтобы определить сорт, форму, измерить массу, обнаружить дефекты (вмятины, плесень и т.д.). Затем годные плоды собираются в корзинки и отправляются для продажи. Отбракованные плоды помещаются в мусорные контейнеры. Сортировка плодов и их упаковка происходит на месте, поэтому дополнительные затраты на труд сортировщиков исключены, а продукт поступает на прилавки быстрее.
«Мы сосредоточены на восполнении нехватки рабочей силы машинами, а не заменой людей на роботов», – сообщал ранее Дункан Робертсон. Компания протестировала прототип летом 2016 года и уже работает над улучшенной версией. Разработчикам предстоит усовершенствовать технологии машинного зрения и алгоритмы самообучения роботов. Инженеры компании отметили, что робот способен найти признаки болезни или вредителей, что позволит фермерам своевременно предпринять меры.
No touch
Soft Robotics
Компания Soft Robotics производит роботизированные руки с мягкими захватами, которые можно использовать для обработки деликатных предметов на перерабатывающих предприятиях. Роборуки могут собирать такие хрупкие плоды, как томаты, яблоки, клубника и салат.
Harvest CROO Robotics
Стартап Harvest CROO (Computerized Robotic Optimized Obtainer) Robotics из Флориды (США) разрабатывает роботов для уборки клубники.За один день техника способна собрать урожай с восьми акров земли (около 32 тыс. кв.м.) или заменить труд 30 человек.
Пол Биссет, главный операционный директор Harvest CROO Robotics, сообщил, что в 2019 году роботы будут помогать убирать клубнику во Флориде и Калифорнии. «Вероятно, нам потребуется два года, чтобы коммерциализировать решение. В наших планах не продажа машин, а предоставление их по модели RaaS (роботы как услуга)», – рассказывал он.
Octicon
Бельгийская компания Octinion разработала решение по уборке плодов мягкими пластиковыми руками. Том Коэн, основатель Octinion, сообщил, что сейчас проходит заключительный этап полевых испытаний в партнерстве с Growers (Великобритания) и Континентальной Европе. Коэн отметил, что стоимость работы робота несколько ниже, чем нанятого сотрудника.
Рукоятка Octinion устанавливается на самоуправляемый автомобиль. Она двигается снизу-вверх с помощью 3D компьютерного зрения и захватывает спелые ягоды между двумя мягкими пластиковыми частями. Затем фрукт, ягода или овощ поворачиваются на 90 градусов и отправляются в корзину.
Прототип выбирает одну ягоду клубники раз в четыре секунды. В зависимости от сорта машина способна собрать от 70 до 100% спелых фруктов, что делает ее конкурентоспособной по эффективности с традиционной уборкой урожая.
Ramsay Highlander
В 2013 году в США компания Ramsay Highlander презентовала роботизированный прореживатель салата. Для получения качественного урожая посевы приходится прореживать вручную, что затратно. Компьютеризированные машины Ramsay Highlander с оптическими сенсорами недавно создала сборщик салата, который для резки использует струю воды.
По материалам iot.ru
Роботы и клубничка: как AI повышает урожайность полей
Население Земли стремительно растёт, и по прогнозам ООН к 2030 году достигнет 8,5 млрд человек. Аналитики Всемирного банка считают, что к 2050 году нам нужно будет увеличить количество продуктов питания на 50 процентов, чтобы поддержать растущее население планеты, а изменение климата приведет к снижению урожайности на 25 процентов на открытом воздухе. Но территории, лучше всего подходящие для выращивания культурных растений, уже обрабатываются. Найти новые места трудно, а добиться значительного прироста урожайности — ещё труднее.
Решать эту проблему нужно с помощью новых технологий. И здесь наиболее перспективным направлением кажется использование нейросетей и искусственного интеллекта для создания сельскохозяйственных роботов и систем контроля урожая.
Почему именно нейросети? Они лучше всего подходят для решения прикладных задач. Не будем описывать технические подробностях их функционирования, лучше опишем преимущества. Нейросеть не программируется в классическом понимании этого процесса. Она «обучается», находя закономерности в загруженных данных и способна использовать их в дальнейшей работе.
Как и человек, нейросеть умеет быстро распознавать образы фото и видео, умеет прогнозировать и принимать решения. При этом искусственные нейронные сети работают с большими объемами данных быстрее и эффективнее человека. То, что нужно для оптимизации сельхозугодий, где площади измеряются сотнями гектаров, персонал – тысячами сотрудников, а поголовье – миллионами особей. Да-да, количество овец в стране — это и есть Big Data. Первичной информации для обучения хватит почти у любой компании в отрасли. Главное – собрать её в понятном для обучении формате и интегрировать в рабочие процессы.
Качество и количество урожая, увеличение поголовья скота зависят от многих факторов. Проанализировать их все, чтобы принять правильное решение, человек не в состоянии, сколь опытным бы он ни был. Так что необходимость в современных технологах очевидна. Тем более что уже существует большое количество успешных разработок, помогающих фермерам собирать урожай, следить за скотом и строить прогнозы. Расскажем о наиболее интересных проектах с роботами и AI в сельском хозяйстве.
Сельские роботы
Начнём, пожалуй, с роботов. Их бывают большими и маленькими, есть даже утко-роботы.
Испанская компания Agrobot предложила робота для автоматического сбора нежных ягод клубники. Устройство полностью автономно и может ориентироваться в пространстве. Роботизированные руки (их может быть до 24 штук) работают независимо, снимая с куста по одной ягоде. Для оценки зрелости ягод робот использует технологии искусственного интеллекта. Сенсоры анализируют ягоды, а графические процессоры оценивают цвет плода и его товарный вид, причем в базу записываются данные о каждом плоде.
За три дня Agrobot способен собрать клубнику с 800 соток. После каждого собранного ряда он останавливается и пересылает информацию оператору. Машина быстро справляется с задачей и подходит для разных фермерских участков. Первое успешное испытание клубничного робота провели на фермерском хозяйстве Driscoll в Калифорнии.
Конкурент испанского робота, созданный в Великобритании. Устройство предназначено для сбора мягких фруктов. Оно способно автономно перемещаться по рядам культур, находить и собирать спелые фрукты, сортировать собранные ягоды и фасовать их в упаковку. После сбора ягод видеокамеры осматривают плод со всех сторон, чтобы определить сорт, форму, измерить массу, обнаружить дефекты (вмятины, плесень и т.д.). Отбракованные плоды помещаются в мусорные контейнеры.
Сортировка плодов и их упаковка происходит на месте, поэтому дополнительные затраты на труд сортировщиков исключены, а продукт поступает на прилавки быстрее. Ориентация в пространстве происходит с помощью высокоточных координат GPS.
У робота есть некоторые интересные особенности. Например, англичане привыкли покупать в торговых сетях спелую клубнику с небольшой частью стебля. Машина учитывает эту особенность, собирая ягоду с небольшой частью стебля.
Vegebot — рабочий прототип роботизированного сборщика салата Айсберг, созданный инженерами из Кембриджского университета. Устройство может самостоятельно распознавать готовые к срезанию неповрежденные кочаны салата, а также аккуратно их обрабатывать и собирать. Подробнее о роботе рассказал denis-19 в недавней статье на Хабре.
Детище бургундского изобретателя Кристофа Миллота (Франция) усердно трудится на виноградниках. Устройство с четырьмя колесами, двумя руками и шестью камерами весит 20 килограмм, выбирает путь автоматически и использует искусственный интеллект для того, чтобы определить, чем заняться в данный момент. В день может обрезать до 600 виноградных лоз.
Wall-Ye V.I.N. занимается не только обрезкой и пасынкованием, но и накапливает важные данные о состоянии и витальности почвы, плодов и лозы. Он двигается от лозы к лозе, выявляет те или иные особенности растения, фотографирует и записывает данные с шести камер, отмечая каждую лозу, после чего в работу включаются его манипуляторы.
Рука с секатором предназначена не только для того, чтобы обрезать ветки, с помощью неё он может защититься от воров. В аппарат встроен гироскоп, и если его поднимут с земли, то он будет обороняться с помощью секатора, сотрёт с жёсткого диска все данные и пошлёт владельцу сигнал о помощи. К тому же, встроенный приёмник GPS не позволит ему выйти за пределы рабочей зоны.
Безымянный яблочный робот от Abundant Robotics
Калифорнийский робот, у которого до сих пор нет названия несмотря на внушительные инвестиции со стороны GV (ранее Google Ventures), создан для сбора яблок. Устройство перемещается по рядам между яблонями с помощью лидара, который рисует мир лазерами и изображает фрукты с помощью машинного зрения.
Операторы могут адаптировать его для конкретного сорта яблок, посоветовавшись с фермером, который по опыту знает, какой цвет соответствует зрелому. После распознавания степени зрелости яблок в режиме реального времени робот с помощью вакуумной трубки высасывает плоды с дерева, отправляя его по конвейеру в корзину. Робот может собирать яблоки 24 часа в сутки, пропуская не совсем созревшие фрукты, чтобы вернуться к ним позже, как это сделал бы человек-сборщик.
Швейцарский ecoRobotix — робот, созданный для автоматического прореживания посадок и прополки сорняков. Идея витала в воздухе уже давно. Нейросеть можно научить отличать полезные культуры от сорняков. «Изучив» на старте несколько миллионов фотографий здоровых и больных растений на разных стадиях роста, система с помощью видеокамеры может за несколько миллисекунд определить, находится ли перед ней здоровый побег или сорняк. А также сможет оценить степень угрозы для урожая и предложить способы решения проблемы, если заметны признаки заражения культур.
ecoRobotix оснащён системой компьютерного зрения, предназначенной для идентификации сорняков. Ориентация в пространстве происходит с использованием GPS и сенсорных датчиков. Способен обработать около 3 га посевов в день. При объезде «владений» в случае необходимости опрыскивает сорняк небольшой дозой гербицида. Такой подход снижает объем использования химикатов в 2-3 раза.
Сорняки — вообще больная тема для аграриев, так что имеются и другие проекты в этой сфере. Например, индийский умный опрыскиватель для садов с помощью системы ультразвуковых датчиков определяет размер дерева и расстояние до него. Полученные сведения анализируются и влияют на мощность струи и количество распыляемого вещества. Тестирование показало высокую эффективность применения системы, при снижении до 26% расхода.
А компании Bayer и Bosh разрабатывают технологии умного опрыскивания Smart Spraying. Она будет отличаться от имеющихся на рынке систем благодаря способности отличать сорняки от сельскохозяйственных культур. Предполагается, что система будет «узнавать» сорняк и определять вид и необходимое количество пестицида, с учётом запрограммированных параметров применения.
Похожие технологии использует компания IBM. Причём успешно использует! Для одного из своих клиентов в Юго-Восточной Азии компания смогла предсказать стресс урожая в регионе из-за заражения вредителями/болезнями. Затем наземной команде понадобилось несколько часов, чтобы просто добраться до этого места.
«Умные» системы
AI-системы тоже приносят пользу фермерам. Спектр их применения чуть шире, чем у роботизированных устройств, однако и задачи зачастую другие. Хотя имеются и точки пересечения.
Да, это не робот, а технология. Однако тоже достойная внимания. Sonoma, принадлежащая Microsoft, стала победителем тепличного эксперимента Autonomous Greenhouse Challenge, который проходил в Нидерландах с 27 августа по 7 декабря. 5 ИТ-гигантов выясняли, как технологии машинного обучения смогут справиться с выращиванием растений и насколько реально использовать эти технологии в «традиционном» садоводстве.
Системы автоматизированного сбора урожая применяются довольно давно. Однако в эксперименте речь шла о полном контроле ИИ над производством. Технология команды Sonoma позволила вырастить 50 кг огурцов на один квадратный метр. Нейронная сеть управляла ирригацией, газовым составом, внесением подкормки, температурным режимом и другими аспектами, влияющими на рост огурцов.
Команда iGrow из Tencent и Китайская академия сельскохозяйственных наук заняли второе место. Команда Deep Green из Intel заняла последнее место.
Израильский стартап Taranis позволяет контролировать состояние растений, своевременно выявлять негативные факторы и устранять их. Для мониторинга используются показания полевых датчиков наблюдения, метеорологические данные, аэрофотосъёмка. Для анализа используются снимки с ультравысоким разрешением (до 8 см на пиксель) компании Mavrx.
Изучение больших объёмов данных позволяет локализовать участки посевов с угнетённым ростом, идентифицировать болезни растений, проблемы с вредителями, определить обеспеченность растений питательными веществами, потенциальную урожайность и др. Система не только предлагает способы решения обнаруженных проблем, но и на основе метеорологического прогноза определяет оптимальные сроки их проведения.
Платформа Watson Decision Platform for Agriculture от IBM консультирует фермеров при помощи обработки данных дистанционного зондирования Земли. Используя ИИ для объединения данных с нескольких спутников, решение IBM способно обнаруживать неэффективные участки культуры почти с той же точностью, что и у наземных датчиков Интернета вещей (IoT). Watson от IBM определит для фермера вид, количество и оптимальные сроки для обработки пестицидами поражённых площадей.
Поможет в проведении профилактической обработки. С помощью индекса растительной активности с высоким разрешением (HD-NDVI) оценит состояние растения, определит необходимые профилактические меры (внесение удобрений, питательных веществ и др.). Объединяя данные о влажности (HD-SM) с данными о местности и метеорологическими замерами моделируется динамика изменения влажности почвы. Аграрий также получает прогноз урожайности, динамику изменения урожайности на основе снимков и сведений прошлых сезонов и др.
Health Change Maps and Notifications
Разработанная компанией Farmers Edge ИИ-платформа Health Change Maps and Notifications информирует фермера об эффективности работы техники, состоянии растений, появлении вредителей или болезней, дефиците питательных веществ и др. Программа обрабатывает спутниковые изображения и отправляет пользователю сообщения о возможных рисках и необходимых мерах.
ET Agricultural Brain
«Свинский» AI-проект от Alibaba позволяет обнаруживать беременность свиней, что позволяет фермерам определить дату опороса и подготовиться к последующему процессу беременности и рождению помета здоровых поросят. Система развертывает интеллектуальные камеры наблюдения в сараях, и алгоритмы машинного обучения дают результаты, основанные на наблюдении за сном свиноматок, положением стоя и условиями питания. Например, свиноматка, скорее всего, будет беременна, если она спит на спине, стоит на месте и мало бегает и потребляет постоянное количество пищи. Инженеры Alibaba также планируют добавить прогноз количества подстилки на основе характеристик фигуры беременной свиньи.
Система использует методы компьютерного зрения для настройки профилей для каждой свиньи — документирование их породы, возраста, веса, условий питания, интенсивности и частоты упражнений, а также траектории движения. Между тем, алгоритмы распознавания голоса используются для мониторинга здоровья поросят и защиты от удушья, что снижает уровень смертности на три процента и увеличивает ежегодный уровень производства на три поросенка на свиноматку.
Финансовое подразделение другого крупного китайского холдинга JD.com также нацелилось на скотоводство. В прошлом месяце компания представила набор сельскохозяйственных решений на базе AI.
Продолжая тему животноводства, расскажем про весьма интересный ирландский проект Cainthus, который журналисты окрестили «Facebook для коров». Идентификация коров по индивидуальным чертам морд позволяет собирать разнообразную информацию о каждом животном, начиная от особенностей их поведения, заканчивая аппетитом. Данные могут быть использованы владельцами фермерских хозяйств для мониторинга здоровья молочных коров и повышения их надоев.
Компания предлагает фермерам повысить комфорт коров в течение всего жизненного цикла, отслеживая их индивидуальные потребности и немедленно сигнализируя о необходимости вмешательства, если с животным что-то не так. Для наблюдения используется система компьютерного зрения.
По мнению разработчиков, платформа необычайно актуальна и востребована. Они также утверждают, что она единственная в своём роде. Однако же это не так.
Ещё один интересный проект с российскими корнями, Cattle Care, предлагает похожий функционал. Разработчики создали систему видеомониторинга здоровья и продуктивности коров на основе компьютерного зрения. Видеоаналитика для молочных ферм позволяет обеспечить максимально комфортные условия для каждой бурёнки.
Принцип работы довольно прост. Узор на шкуре коровы уникален подобно человеческим отпечаткам пальцев. Используя эту особенность, обученная на фотографиях подопечных система собирает информацию с видеокамер, установленных на фермах, детектирует и идентифицирует каждую конкретную корову. Подсчитывая количество шагов, жевательных движений, количество потребленного корма, выпитой воды и других поведенческих паттернов компьютер составляет медицинскую карту каждой коровы. Благодаря Cattle Care фермер сразу видит, если у его подопечной что-то не в порядке.
Заключение
Как видно, искусственный интеллект и роботы вполне способны увеличить эффективность сельского хозяйства и упростить труд фермеров. Однако по силам ли этим технологиям решить потенциальную угрозу дефицита продуктов питания? Интересно ваше мнение.
Что ещё полезного можно почитать в блоге Cloud4Y
Подписывайтесь на наш Telegram-канал, чтобы не пропустить очередную статью! Пишем не чаще двух раз в неделю и только по делу.
25 компаний, производящих робототехнику для сельского хозяйства
В этой статье мы расскажем о 25 компаниях (от конгломератов до стартапов), которые пытаются использовать робототехнику для решения проблем сельского хозяйства, а также о том, чем эти компании занимаются, какие их продукты будут доступны (или уже доступны) и сколько они будут стоить.
1. Компания: ISO Group, компания Flier Systems, Гамерен, Нидерланды.
Веб-сайт: isogroepmachinebouw.nl
Продукт: RoBoPlant – робот для высаживания цветов и полуавтономные роботы для пересаживания растений.
Область применения: вся территория ЕС.
Функция: полу- и полностью автоматическая техника для теплиц или овощеводства защищённого грунта. Роботизированная система для посадки цветов берет торфяные саженцы, разделяет их и садит по заранее выбранной схеме.
Робот для высаживания цветов RoBoPlant, разработанный компанией ISO Group.
Тестирование: постоянное тестирование и разработка.
Наличие: продажи продукции начались в 2002 году.
2. Компания: Autonomous Tractor, Фарго, Северная Дакота.
Веб-сайт: autonomoustractor.com
Продукт: модульный роботизированный трактор без кабины управления.
Область применения: производители сена в США.
Функция: сенокос. Есть возможность увеличения мощности двигателя в зависимости от типа и размера устройства. Функциональность будет расширяться на другие культуры, а также на другие отрасли, не связанные с сельским хозяйством.
Тестирование: постоянные полевые испытания.
Наличие: в 2016 году ожидается выход на рынок и доставка предварительных заказов.
Цена: должна быть в два раза меньше, чем стоимость тракторов и сельскохозяйственных машин с использованием аналогичных источников питания.
3. Компания Blue River Technologies, Саннивейл, Калифорния.
Веб-сайт: bluerivert.com
Продукт: LettuceBot2 (2-го поколения) для прореживания салата.
Область применения: салатные поля Калифорнии и Аризоны (составляют 80% производства салата в США).
Функция: прореживание и опрыскивание сорняков, кочанного, римского и листового салата.
Тестирование: недавно было завершено полевое тестирование машины 3-го поколения; использовали селективную прополку, чтобы улучшить прорастание посевов.
Наличие: начал использоваться для обработки площадей в 2013 году.
Цена: стоимость обработки единицы площади зависит от конфигурации посевов салата, но расходы ниже, чем требуется для оплаты ручного труда.
4. Компания: Agrobot, Уэльва, Испания.
Веб-сайт: agrobot.com
Продукт: Agrobot SW6010 и AGSHydro, гидропонная система выращивания и сбора урожая клубники.
Agrobot для сбора урожая
5. Компания: Agribotix, Боулдер, Колорадо.
Веб-сайт: agribotix.com
Продукт: дроны для точного земледелия — Agribotix Hornet Drone.
Agribotix Hornet Drone
6. Компания: Wall-Ye, Макон, Франция.
Веб-сайт: wall-ye.com
Продукт: Wall-Ye 1000 mobile — робот для обрезки.
7. Компания: ecoRobotix, Эсер-Пите, Швейцария.
Веб-сайт: ecorobotix.com
Продукт: легкие автономные роботы для прополки; полевой робот ecoRobotix.
Область применения: полевые тестирования в Швейцарии; в следующем году – в Германии.
Функция: роботизированная платформа для прополки грядок, которая работает на основе передовых алгоритмов распознавания сорняков, имеет быстрые роботизированные руки, передовые сенсорные технологии, беспроводную связь и демонстрирует высокую энергоэффективность.
Тестирование: в настоящее время протестирован на прополке сахарной свеклы, но планируется расширить сферу действия также на рапс, подсолнух, кукурузу и сою.
Наличие: первые машины будут в продаже к концу 2015 года.
Цена: около 15 000 EUR.
8. Компания: Energid, Кембридж, Массачусетс.
Веб-сайт: energid.com
Продукт: робот для сбора урожая цитрусовых — многорукавный комбайн с буксиром
9. Компания: Harvest Automation, Северная Биллерика, Массачусетс.
Схема автоматизированной высадки растений роботом компании Harvest Automation
10. Компания: Clearpath Robotics, Китченер, Онтарио, Канада.
Веб-сайт: clearpathrobotics.com
Продукт: Grizzly RUV (роботизированный внедорожник без кабины) и Husky UGV.
Clearpath Grizzly RUV, тянущее оборудование
11. Компания: Autonomous Solutions (ASI), Питерсборо, Юта.
Веб-сайт: asirobots.com
Продукт: Forge Robotic Platform, роботизированная платформа для обеспечения работы мини-погрузчика в автономном режиме или с дистанционным управлением.
ASI: универсальный, полностью укомплектованный автомобиль
12. Компания: Wageningen UR (университет и научно-исследовательский центр), Вагенинген, Нидерланды, и Agritronics, Sint Annaparochie, Нидерланды.
Веб-сайт: wageningenur.nl и agritronics.nl
Продукт: исследования с целью разработки интеллектуальных систем для высококачественного сбора урожая для коммерческих партнеров по исследованиям и поставщиков.
Область применения: сладкий перец в Нидерландах, яблоки и виноград в Бельгии, навесное опрыскивание в Словении и точечное опрыскивание в Италии.
Функция: сбор урожая и опрыскивание (точечное и навесное).
Тестирование: тестирование проводилось на сладком перце в июле в коммерческой оранжерее; на яблоках и винограде – завершено. Полевые испытания по опрыскиванию были завершены. Новый комбайн с визуальным контролем качества и системой наблюдения для брокколи разрабатывается совместно со стартапом Agritronics в городе Синт Аннапорочи, Нидерланды.
Наличие: разработка займет несколько лет.
13. Компания: Vision Robotics, Сан-Диего, Калифорния.
Веб-сайт: visionrobotics.com
Продукт: прореживатель салата Vision Robotics 6-Line и секатор для виноградной лозы.
14. Компания: Precision Hawk, Роли, Северная Каролина.
Веб-сайт: precisionhawk.com
Продукт: Lancaster UAV с различными опциями подключаемых датчиков и Datamapper.
15. Компания: F Poulsen Engineering ApS, Хвалсо, Дания.
Веб-сайт: visionweeding.com
Продукт: ROBOVATOR термический и/или гидравлический культиватор.
Область применения: 30 культиваторов уже работают в Соединенном королевстве, Европейском союзе и Канаде.
Функция: прополка и прореживание салата, капусты, укропа и лука.
Тестирование: в Калифорнии (до распространения по Северной Америке).
Наличие: поступил в продажу в 2011 году, после 8 лет испытаний и разработок.
Цена: 5-рядная конфигурация, продается в Европе по цене 80000 евро ($100000).
16. Компания: Kinze Manufacturing, Williamsburg, Iowa and Jaybridge Robotics, Кеймбридж, штат Массачусетс.
Веб-сайт: kinze.com и jaybridge.com
Продукт: автоматизированная система для уборки урожая пропашных культур — автономный трактор и зерновозка.
Область применения: уборка кукурузы и соевых бобов, штаты Айова и Иллинойс.
Функция: самостоятельно ссыпает зерно из комбайнов в емкость грузового автомобиля и доставляет его на поля.
Тестирование: тестирование автономной системы уборки урожая проводится с 2012 года; в 2013-м три фермера из Айовы и Иллинойса арендовали систему и использовали ее самостоятельно, без надзора со стороны Kinze. Система Kinze имеет набор стандартных компонентов, в том числе модуль GPS, радар, лазерные датчики и видеокамеры, программное обеспечение, благодаря чему определяет препятствия. Разработана совместно с компанией Jaybridge Robotics.
Наличие: Kinze в настоящее время не продает систему уборки урожая, но в скором времени обещает выпустить комбайн в продажу.
Цена: пока не установлена для системы, которая включает в себя модуль беспилотного управления, системы навигации, планирования маршрута, связи с комбайном и управляющего программного обеспечения.
17. Компания: Agrobotics, Литл-Рок, штат Арканзас.
Веб-сайт: agrobotics.com
Продукт: AutoProbe, система для взятия почвенных образцов.
Область применения: кукурузный пояс на Среднем Западе США.
Функция: AutoProbe – это буксируемый агрегат, который крепится к трактору сзади, чтобы обеспечить последовательное, точное и цельное взятие образцов почвы. Производительность устройства – более 2500 проб в час.
Тестирование: на протяжении 7 лет в дельте Миссисипи.
Наличие: доступно в настоящее время как услуга по взятию проб почвы и для продажи; проводятся живые демонстрации на различных сельскохозяйственных выставках в США.
18. Компания: Amazone-Werke Gmbh, Хасберген, Германия.
Веб-сайт: info.amazone.de
Продукт: Amazone-Bosch BoniRob — легкий полевой робот
Область применения: работа на экспериментальных участках кукурузы и пшеницы в Германии.
Функция: автономные полевые роботы, способные перемещаться в любом направлении, предназначены для работы в «командах».
Тестирование: универсальный легкий робот для прополки, удобрения, контроля, разработанный компанией Robert Bosch GmbH.
Наличие: только 2 готовых; не было заявлено о планах по продаже.
19. Компания: Helper Robotech, Кимхэ, Республика Корея.
Веб-сайт: helpersys.co.kr
Продукт: BoniRob — полевой робот для прививки фруктов и овощей
Область применения: Корея, Япония и Китай.
Функция: прививка является наиболее распространенной в европейских и азиатских странах, а также в теплицах по всему миру, где культурооборот больше не применяется и вся свободная земля интенсивно используется. Роботизированная прививка является относительно новым методом, хотя различные механизмы для прививки использовались и ранее.
20. Компания: AGCO Fendt, Далут, Джорджия.
Веб-сайт: agcocorp.com
Продукт: GuideConnect, SectionControl и VarioGuide.
AGCO Fendt GuideConnect — двойная система
Автоматическая система управления AGCO Fendt VarioGuide
Область применения: универсальный.
Функция: SectionControl объединяет различные данные и позволяет полностью автоматический контроль посредством GNSS для ISOBUS-совместимых опрыскивателей, опыливателей и сеялок; VarioGuide – автоматическая система управления для любого времени суток; newGuideConnect – разработка, делающая возможным совместное использование двух тракторов, один из которых является беспилотным.
Тестирование: GuideConnect находится в стадии разработки, дата поступления в продажу пока неизвестна; машина не оснащена собственной системы обнаружения препятствий – возможно, потому, что продукт еще разрабатывается.
Наличие: все конфигурации, кроме GuideConnect, доступны в ЕС и США.
21. Компания: Rowbot, Миннеаполис, Миннесота.
Веб-сайт: rowbot.com
Продукт: Rowbot является беспилотной многофункциональной платформой и способен передвигаться между рядами кукурузы. Используется для: внесения азотных удобрений в соответствии с потребностями растений кукурузы. Он может также собирать данные с датчиков для текущей и будущей работы. GPS и несколько датчиков позволяют роботу не причинять вреда растениям.
Rowbot в кукурузном поле. Rowbots работают в командах для внесения азотных удобрений в соответствии с потребностями растений.
Область применения: кукурузный пояс США.
Функция: Rowbot передвигается между рядами на кукурузных полях или под листьями, умеет распределять азотные удобрения или сеять семена злаковых культур.
Тестирование: компания работает совместно с Carnegie Robotics над разработкой Rowbot.
Наличие: тестовый маркетинг был запущен в этом году во время сезонного внесения азотных удобрений и посева; планируется расширить спектр услуг в 2015 году.
22. Компания: senseFly, Шезо-Сюр-Лозанна, Швейцария.
eBee Ag от компании senseFly
eBee Ag от компании senseFly, система автоматического управления и контейнер для перевозки
23. Компания: Conic Systems, Барселона, Испания.
Веб-сайт: conic-system.com
Продукт: робот для прививания растений EMP-300.
Робот для прививания растений EMP-300 от Conic Systems
Область применения: универсальный.
Функция: возможно прививание различных овощных культур и других тепличных растений.
Тестирование: нет данных.
Наличие: есть в наличии.
24. Компания: Naio Technologies, Тулуза, Франция.
Полевой робот Naio Technologies Oz
25. Компания: Robotic Harvesting, Сими-Валлей, Калифорния.
Продукт: машина для сбора урожая ягод, сбора информации и мобильная платформа.
Машина для сбора урожая ягод
Область применения: Калифорния.
Тестирование: в данный момент продолжается в Калифорнии.
Функция: автономное мобильное устройство составляет 3D-карту расположения овощей и фруктов, затем роботизированная рука аккуратно срывает обнаруженный плод и помещает его на ленту конвейера.