Automatisierte mechanische Unkrautbekämpfung in Reihenkulturen

Abstract

Das Institut für Landtechnik beschäftigt sich seit einigen Jahren mit der Entwicklung einer Hacke zur mechanischen Unkrautbekämpfung für den Bereich innerhalb der Pflanzenreihe. Die online-Erkennung der Position einzelner Pflanzen und die Unterscheidung zwischen Unkraut und Nutzpflanze sind die Hauptprobleme einer mechanischen Unkrautbekämpfung in der Reihe. Das Ziel des Forschungsprojektes war die Weiterentwicklung und Felderprobung des im Labor erfolgreich getesteten Systems zur mechanischen Unkrautbekämpfung. Um dieses System auf dem Feld anwenden zu können, wurde ein am Traktor angebauter Versuchsträger entwickelt, an dem eine Kamera, LED Scheinwerfer und zwei Hackaggregate für die Detektion und die mechanische Unkrautbehandlung eingesetzt werden. Der Schwerpunkt lag dabei auf der Entwicklung eines echtzeitfähigen Algorithmus für die Pflanzenerkennung und die Ansteuerung der Motoren. Die dazu entwickelten Algorithmen auf LabVIEW-Basis werden auf einem CompactRIO-Controller ausgeführt, dessen Betriebssystem eine Echtzeitregelung erlaubt. Auf dem Feld hat sich gezeigt, dass die derzeitigen Algorithmen eine zuverlässige Bilderkennung sowie Ansteuerung der Servomotoren bei bis zu 7,2 km/h erlauben. Die Grenzen werden hier vor allem durch die Hackwerkzeuge gesetzt, da mit erhöhter Vorfahrtgeschwindigkeit die Drehzahl proportional ansteigt und damit der Erdaufwurf ansteigt. Untersucht man die Erkennung von Zuckerrüben in unterschiedlichen Wachstumsstadien, zeigt sich, dass 81,58 % der Rüben im Zweiblattstadium erkannt und 15,79 % Unkräuter (bezogen auf die Anzahl der Nutzpflanzen) als Nutzpflanze klassifiziert werden. Im Vierblattstadium steigt der Anteil der erkannten Nutzpflanzen auf 91,11 % und erreicht im Sechsblattstadium mit 100 % den Höchstwert. Der Anteil der als Nutzpflanze klassifizierten Unkräuter bleibt mit 15,56 % im Vierblattstadium und 14,08 % im Sechsblattstadium ungefähr auf dem Niveau des Zweiblattstadiums. Betrachtet man hingegen die Erkennung der Nutzpflanzen in unterschiedlichen Wachstumsstadien, lässt sich ein linearer Zusammenhang zwischen dem Wachstumsstadium und der Erkennung der Nutzpflanzen herleiten, so dass gesagt werden kann, dass die erfolgreiche Erkennung der Nutzpflanzen mit dem Pflanzenwachstum steigt. Die Grenzen des Bilderkennungssystems liegen derzeit bei zu dicht nebeneinander stehenden Pflanzen. Bei den Hackversuchen im Sechsblattstadium wurden durchschnittlich 92 % der Unkräuter entfernt. Dabei kam es auch zu Verlusten bei den Zuckerrüben. So wurden 2,3 % der Zuckerrüben von den Hackwerkzeugen weggehackt. Die auf dem Feld verbliebenen Unkräuter stehen vor allem in der Nähe der Zuckerrüben. Die vorher festgelegte Sicherheitszone rund um die Zuckerrüben schützt somit auch die Unkräuter in direkter Umgebung, ist aber notwendig, um die Zuckerrüben nicht zu beschädigen.

The Institute of Agricultural Engineering has been working several years to develop a mechanical weed control system for the area within the plant row. The physical prototype was realized using a servodrive with direct software control, providing rotational speed adjustment according to the forward speed of the tractor, intra-row distance between crop plants and the observed position of the arms. The online detection of plant positions and the determination between weed and crop are the main problems of mechanical weed control in the row. The main goal of the research project was the further development and field testing of the mechanical weed control system, which got successfully tested in the laboratory. In order to apply this system to field conditions, a tractor mounted test rig was developed. For detecting the plants, a camera and LED spot lights are mounted on the test device. As actuators for chopping the weed, two servo motors with hoeing tools were mounted to the frame by single parallelograms. The focus was on the development of a real-time algorithm for plant identification and motor control. The algorithms developed for this purpose, are based on LabVIEW code. Main parts of LabVIEW are running on a CompactRIO controller, whose operating system allows real-time control. The field tests have shown that the current algorithms allow a reliable image recognition and motor control up to 7.2 km/h forward speed. The limits are set primarily by the hoeing tools, because with increased driving speed, the rotational speed rises in proportion and thus the earthwork grows. The investigation for recognizing sugar beet at different growth stages shows, that 81.58 % of the beet in the two-leaf stage are recognized and 15.79 % (based on the number of crops) are classified as crop. In the four-leaf stage, the proportion of detected crops increases up to 91.11 % and closes at 100 % in the six-leaf stage. The percentage of crop classified as weeds remain with 15.56 % in the four-leaf stage and 14.08 % in the six-leaf stage at about the level of the two-leaf stage. However, looking at the crop recognition in different stages of growth, a linear relationship between the growth stage and the detection of the crops can be derived, so that it can be said that the successful detection of the crops increases with the growth stage of plants. The boundaries of the image detection system are currently at plants that are too close together. This applies to weed that look similar to the crop, as well as crops standing side by side. In the experiments with sugar beet plants in the six leaf stage 92% of the weeds were removed. It also came to losses of sugar beet plants. Thus, 2.3% of the sugar beet plants were hoed from the hack tools. The remaining weed plants on the field are especially close to the sugar beet plants. In this way the predetermined safety area around the sugar beet plants also protects the weeds in the immediate vicinity, but is necessary to prevent damage to the beet.