home    about    browse    search    latest    help 
Login | Create Account

Robust och kostnadseffektiv automatisering av mekanisk ogräsrensning för ekologisk odling av socker

Åstrand, Björn (2005) Robust och kostnadseffektiv automatisering av mekanisk ogräsrensning för ekologisk odling av socker. [Robust and cost-effective automation of mechanical weed control for the cultivation of organic grown sugar beets.] In: Ekologiskt lantbruk konferens 22-23 november 2005. Ultuna, Uppsala. Sammanfattningar av föredrag och postrar. SLU. Centrum för uthålligt lantbruk., Federativ tryckeri AB, p. 329.

[img] PDF
112Kb

Summary

Idag rensas ogräs för hand i kravodlingen. För att minska kostnaderna för ogräsrensningen behövs en automatisering av ogräsbekämpningen. Undersökningar har visat att man med effektiv ogräsrensning i ekologisk odling av sockerbetor kan få minst lika hög skörd jämfört med konventionell odling.
Forskningsprojektet har syftat till att utveckla bildanalysmetoder som kan hantera de skillnader som finns i plantors utseende inom och mellan fält (plantstorlek, ogräsarter, ogrästryck, jordtyp med mera). För att identifiera och skilja på grödor och ogräs använder vi oss av en kamera. En viktig del har varit att verifiera metoderna i fält med avseende på robusthet och realtidsegenskaper. Ett led i dessa test har varit att utveckla specialanpassad utrustning för ändamålet.
Resultat
Kontextmetoden bygger på en matematisk modell av raden med grödor. Den används för att hitta de plantor som har störst sannolikhet att vara en gröda. Metoden har testats mot en databas. Cirka 90% av betorna hittades, och cirka 60% av ogräset. Två tester genomfördes, med vår försöksmaskin inklusive rensningsverktyg, i fält hos en ekologisk odlare. Testen visade att 99% av sockerbetorna stod kvar och att cirka 60 % av ogräset i raden togs bort. Anledningen till att en del ogräs stod kvar beror på att uppkomsten inte är 100% att rensningsverktyget hade vissa begränsningar, och att en del ogräs överlappar med sockerbetorna.
Problemet med låg uppkomst och att därigenom ogräs anses vara en sockerbeta (dvs. ogräset växer där sockerbetan skulle ha växt) har lösts genom att kombinera kontextmetoden med metoder av klassificering av enskilda plantor mha av plantornas utseende såsom färg, form och storlek. Genom att kombinera metoderna har vi visat att man blir mindre känslig för träningsfel hos klassificeraren som använder sig av färg och form och därmed också mer robust. Man blir också mer robust mot högt ogrästryck. Den totala klassificeringsgraden ökar med 3-8% jämfört med att bara använda sig av färg och form. Vi har utvärderat metoden på två databaser och den totala klassificeringsgraden var mellan 92-98%. Genom att använda oss av Active Shape Models har vi även kunnat skilja ut fler sockerbetor som överlappar med ogräs.
Finansiärer och samarbetspartners
Jordbruksverket, Stiftelsen Lantbruksforskning (Projnr: 0344001)
Sockernäringens BetodlingsUtveckling AB, MAPRO.


EPrint Type:Conference paper, poster, etc.
Type of presentation:Poster
Keywords:Sugar Beets, Plant recognition, Weed control, Vision-based perception
Subjects: Crop husbandry > Weed management
Research affiliation: Sweden > Swedish Farmers' Foundation for Agricultural Research SLF
Sweden > Swedish Board of Agriculture SJV
Deposited By: Åstrand, Dr Björn
ID Code:6388
Deposited On:28 Nov 2005
Last Modified:12 Apr 2010 07:31
Document Language:Swedish - Svenska
Status:Published
Refereed:Not peer-reviewed

Repository Staff Only: item control page