ارائه یک الگوریتم تجزیه بوستروفدون اصلاح شده برای پیکربندی بهینه مزارع مسطح جهت استفاده در سامانه‌های طراحی مسیر وسایل نقلیه کشاورزی

ماشین های کشاورزی

مقاله 14، دوره 8، شماره 1 - شماره پیاپی 15، 1397، صفحه 171-183   

نوع مقاله: مقاله پژوهشی

شناسه دیجیتال (DOI): 10.22067/jam.v8i1.58398

نویسندگان

رحمان گودرزی¹؛ حسن صدرنیا^{* 1}؛ عباس روحانی¹؛ مصطفی نوری بایگی²

¹گروه مهندسی بیوسیستم، دانشکده کشاورزی، دانشگاه فردوسی مشهد، مشهد، ایران

²گروه مهندسی کامپیوتر، دانشکده مهندسی، دانشگاه فردوسی مشهد، مشهد، ایران

چکیده

در سال‌های اخیر، عرضه ربات‌های سیار و ماشین‌های مجهز به سامانه‌های هدایت خودکار برای کار در محیط‌های کشاورزی افزایش یافته است. طراحی مسیر برای این سامانه‌ها یک ضرورت است و هم‌چنین یک فرصت جدید برای بهبود بازدهی عملیات زراعی و کاهش اثرات زیست‌محیطی فرآهم آورده است. تاکنون راهکارهای زیادی برای برآورده کردن احتیاجات خاص مسئله طراحی مسیر در محیط کشاورزی ارائه شده‌اند. بخش مهم این راهکارها وجود یک توصیف بهینه و سریع از محیط عملیات به‌عنوان یک نقشه مبنا است. در این پژوهش، یک الگوریتم تجزیه‌ برای پیکربندی چندضلعی بیان‌گر محیط عملیات زراعی با ارتقاء روش تجزیه‌ سلولی بوستروفدون در رباتیک ارائه شده است. الگوریتم با ایده حداقل مواجهه با شرایط هزینه‌ساز برای کاهش هزینه با معیار مسافت‌های غیرمؤثر ناحیه سرگاهی طراحی شد و روی مجموعه‌ای از نمونه‌ها (شامل 18 مورد چند ضلعی‌های ساده تا پیچیده) اعمال گردید. سپس با مقایسه آن با حالت عدم تجزیه و روش تجزیه‌- ‌ادغام به‌‌عنوان یکی از سریع‌ترین روش‌ها ارزیابی شد. الگوریتم در زمان پردازش بسیار اندک (زیر 100 میلی‌ثانیه و ده‌ها برابر سریع‌تر از روش تجزیه‌- ‌ادغام) نتایجی بهینه، به‌ویژه در محیط‌های پیچیده ارائه کرده است. نتایج، به‌طور متوسط دو درصد کاهش هزینه را نسبت به حالت عدم تجزیه و روش تجزیه‌- ‌ادغام نشان می‌دهد و گستره آن از 8- تا 14 درصد نسبت به حالت عدم تجزیه و تا 12درصد نسبت به روش تجزیه-‌‌ ادغام است. دیگر مزایای الگوریتم، دست‌یابی به پوشش کامل و سازگاری با انواع شکل مزرعه و ماشین‌های زراعی است.

کلیدواژه‌ها

پیکربندی مزرعه؛ تجزیه بوستروفدون؛ طراحی مسیر؛ مزارع مسطح؛ وسایل نقلیه کشاورزی

مراجع

1. Ali, O., B. Verlinden, and D. Van Oudheusden. 2009. Infield logistics planning for crop-harvesting operations. Engineering Optimization 41: 183-197.

2. Bochtis, D. D., C. G. C. Sørensen, and P. Busato. 2014. Advances in agricultural machinery management: A review. Biosystems Engineering 126: 69-81.

3. Bochtis, D. D., and C. G. Sørensen. 2009. The vehicle routing problem in field logistics part I. Biosystems Engineering 104: 447-457.

4. Bochtis, D. D., and C. G. Sørensen. 2010. The vehicle routing problem in field logistics: Part II. Biosystems engineering 105 (2): 180-188.

5. Bochtis, D. D., C. G. Sørensen, P. Busato, and R. Berruto. 2013. Benefits from optimal route planning based on B-patterns. Biosystems Engineering 115: 389-395.

6. Bochtis, D. D., S. Vougioukas, C. Tsatsarelis, and Y. Ampatzidis. 2007. Optimal dynamic motion sequence generation for multiple harvesters. In Proceedings of the Automation Technology for Off-road Equipment (ATOE) 2006 Conference, Bonn, Germany (pp. 33-40).

7. Choset, H. 2000. Coverage of known spaces: The boustrophedon cellular decomposition. Autonomous Robots 9 (3): 247-253.

8. Choset, H. 2001. Coverage for robotics–A survey of recent results. Annals of mathematics and artificial intelligence 31 (1-4): 113-126.

9. Driscoll, T. M. 2011. Complete coverage path planning in an agricultural environment. Graduate Theses and Dissertations. Paper 12095. Faculty of computer. Iowa state University. USA.

10. Edwards, G., and M. A. F. Jensen. 2013. Real Time Optimisation of Field Coverage Route Planning with Limited Capacitance Machinery and Spatial Variability. International Commission of Agricultural and Biological Engineers, Section V. CIOSTA XXXV Conference “From Effective to Intelligent Agriculture and Forestry”, Billund, Denmark, 3-5 July 2013.

11. Hameed, I. A., D. D. Bochtis, and C. G. Sørensen. 2013. An optimized field coverage planning approach for navigation of agricultural robots in fields involving obstacle areas. International Journal of Advanced Robotic Systems 10 (231): 1-9.

12. Hameed, I. A., D. D. Bochtis, C. G. Sørensen, and M. Nøremark. 2010. Automated generation of guidance lines for operational field planning. Biosystems Engineering 107: 294-306.

13. Hofstee, J. W., L. E. E. M. Spätjens, and H. Ijken. 2009. Optimal path planning for field operations. In Proceedings of the 7th European conference on precision agriculture Precision Agriculture 09 (pp. 521-529). Netherlands: Wageningen.

14. Jensen, M. A. F., D. Bochtis, C. G. Sørensen, M. R. Blas, and K. L. Lykkegaard. 2012. In-field and inter-field path planning for agricultural transport units. Computers & Industrial Engineering, 63: 1054-1061.

15. Jin, J., and L. Tang. 2010. Optimal coverage path planning for arable farming on 2D surfaces. Transactions of the ASABE, 53 (1): 283-295.

16. Moon, S. W., and D. H. C. Shim. 2009. Study on path planning algorithms for unmanned agricultural helicopters in complex environment. International Journal of Aeronautical and Space Sciences 10 (2): 1-11.

17. Murphy, R. 2000. Introduction to AI robotics. MIT press.

18. Oksanen, T., and A. Visala. 2009. Coverage path planning algorithms for agricultural field machines. Journal of Field Robotics 26 (8): 651-668.

19. Ryerson, A. F., and Q. Zhang. 2006. Vehicle path planning for complete field coverage using genetic algorithms. Vehicle path planning for complete field coverage using genetic algorithms. In Proceedings of the Automation Technology for Off-road Equipment (ATOE) 2006 Conference, Bonn, Germany (pp. 309-317).

20. Taïx, M., P. Souères, H. Frayssinet, and L. Cordesses. 2006. Path planning for complete coverage with agricultural machines. In Field and service robotics pp. 549-558. Springer Berlin Heidelber.

21. Zhou, K., A. Leck Jensen, C. G. Sørensen, P. Busato, and D. D. Bochtis. 2014. Agricultural operations planning in fields with multiple obstacle areas. Computers and Electronics in Agriculture 109: 12-22.