کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
5471782 1519499 2017 16 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Terrain assessment for precision agriculture using vehicle dynamic modelling
ترجمه فارسی عنوان
ارزیابی زمین برای کشاورزی دقت با استفاده از مدل پویایی خودرو
کلمات کلیدی
رباتیک کشاورزی، دینامیک خودرو، برآورد زمین و طبقه بندی، متابولیسم وسیله نقلیه، پردازش داده سنسور،
ترجمه چکیده
پیشرفت در کشاورزی دقیق به تکنولوژی های کنترل و حساسیت نوآورانه که به واحدهای خدماتی اجازه می دهد تا سطح خود را از اتوماسیون رانندگی افزایش دهند و در عین حال از استانداردهای ایمنی بالا هم جلوگیری کنند، تکیه می کنند. در این مقاله، برآورد و طبقه بندی اتوماتیک زمین انجام می شود که به طور همزمان توسط وسیله نقلیه کشاورزی انجام می شود. تحرک و ایمنی وسیله نقلیه و اجرای موفقیت آمیز وظایف مهم کشاورزی از جمله بذر، شخم زدن، باروری و کنترل ترافیک بستگی دارد یا می توانند با شناسایی صحیح زمین مورد استفاده قرار گیرند. نوآوری این تحقیق در این است که تخمین این زمین با استفاده از نه تنها ویژگی های مبتنی بر ظاهر سنتی، که ویژگی های رنگی و هندسی است، بلکه ویژگی های مبتنی بر تماس، که اندازه گیری اثرات پویایی مبتنی بر فیزیک است که بر روی زمین وسیله نقلیه تعامل و آن را تا حد زیادی بر تحرک آن تاثیر می گذارد. نتایج تجربی حاصل از یک وسیله نقلیه تمام سطحی در سطوح مختلف برای اعتبارسنجی سیستم در این زمینه ارائه شده است. نشان داده شد که یک طبقه بندی سطح زمین که با ویژگی های تماس آموزش دیده بود توانست یک پیش بینی صحیح را از 85.1٪ بدست آورد، که قابل مقایسه یا بهتر از روش های استفاده شده از مجموعه های ویژگی های سنتی است. برای بهبود عملکرد طبقه بندی بیشتر، تمام مجموعه های ویژگی در فضای ویژگی افزوده شده ادغام شدند، و برای این آزمایش ها، 89.1٪ از پیش بینی های درست انجام شد.
موضوعات مرتبط
مهندسی و علوم پایه سایر رشته های مهندسی کنترل و سیستم های مهندسی
چکیده انگلیسی
Advances in precision agriculture greatly rely on innovative control and sensing technologies that allow service units to increase their level of driving automation while ensuring at the same time high safety standards. This paper deals with automatic terrain estimation and classification that is performed simultaneously by an agricultural vehicle during normal operations. Vehicle mobility and safety, and the successful implementation of important agricultural tasks including seeding, ploughing, fertilising and controlled traffic depend or can be improved by a correct identification of the terrain that is traversed. The novelty of this research lies in that terrain estimation is performed by using not only traditional appearance-based features, that is colour and geometric properties, but also contact-based features, that is measuring physics-based dynamic effects that govern the vehicle-terrain interaction and that greatly affect its mobility. Experimental results obtained from an all-terrain vehicle operating on different surfaces are presented to validate the system in the field. It was shown that a terrain classifier trained with contact features was able to achieve a correct prediction rate of 85.1%, which is comparable or better than that obtained with approaches using traditional feature sets. To further improve the classification performance, all feature sets were merged in an augmented feature space, reaching, for these tests, 89.1% of correct predictions.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Biosystems Engineering - Volume 162, October 2017, Pages 124-139
نویسندگان
, , ,