[논문 리뷰] Design and Implementation of A Novel Precision Irrigation Robot Based on An Intelligent Path Planning Algorithm

Minghan Chen, Yilong Sun외 3명|arXiv (Cornell University)|2020. 03. 02.

Smart Agriculture and AI참고 문헌 11인용 수 5

한 줄 요약

이 논문은 복잡한 농업 환경에서 정밀성과 적응성을 향상시키기 위해 개선된 베이지안 기반의 개미집단 경로 계획 알고리즘을 적용한 새로운 지능형 관개 로봇을 제시한다. 가뭄 수준, 장애물 탐지, 미탐색 영역을 통합하여 물 낭비를 줄이고 탐색 효율성을 높인 전면 커버리지 관개를 실현하였으며, 시뮬레이션과 현장 테스트를 통해 검증되었다.

ABSTRACT

The agricultural irrigation system is closely related to agricultural production. There are some problems in nowadays agricultural irrigation system, such as poor mobility, imprecision and high price. To address these issues, an intelligent irrigation robot is designed and implemented in this work. The robot achieves precise irrigation by the irrigation path planning algorithm which is improved by Bayesian theory. In the proposed algorithm, we utilize as much information as possible to achieve full coverage irrigation in the complex agricultural environment. Besides, we propose the maximum risk to avoid the problem of lack of inspection in certain areas. Finally, We carried out simulation experiments and field experiments to verify the robot and the algorithm. The experimental results indicate that the robot is capable of fulfilling the requirements of various agricultural irrigation tasks.

연구 동기 및 목표

• 이동성 부족, 물 분배의 정밀도 부족, 높은 운영 비용 등의 기존 관개 시스템의 한계를 해결한다.
• 다양하고 도전적인 농업 지형에서 작동할 수 있는 자율 관개 로봇을 개발한다.
• 가뭄 심화 정도, 장애물 존재, 탐색되지 않은 영역와 같은 실시간 农업 요소를 통합하여 경로 계획 지능을 향상시킨다.
• 다중 환경 데이터 기반 동적 경로 조정을 통해 적응형 전면 커버리지 관개를 가능하게 한다.
• 다양한 농업 환경에서 시뮬레이션 및 실제 현장 실험을 통해 로봇의 성능을 검증한다.

제안 방법

• 정보 수익 최대화를 우선시하기 위해 베이지안 이론을 통합한 개선된 개미집단 최적화(ACO) 알고리즘을 사용한다.
• 가뭄 수준, 목표지까지의 거리, 장애물 밀도, 탐색되지 않은 영역 등의 다중 환경 요소를 경로 비용 함수에 통합한다.
• 이전 순찰 데이터의 사전 정보를 기반으로 사후 확률 업데이트를 수행하여 경로 계획 결정을 동적으로 개선한다.
• Mission Planner 소프트웨어를 통해 로봇 위치, 경로, 실시간 주변 환경을 시각화하는 내비게이션 시스템을 통합한다.
• 균일하게 분사하는 16개의 소형 nozzles를 갖춘 20L 물 탱크를 배치하여 일관되고 정밀한 물 분배를 보장한다.
• 운영 중 수동 제어 및 실시간 경로 조정이 가능한 모듈식 제어 아키텍처를 구현한다.

실험 결과

연구 질문

• RQ1 복잡하고 동적인 농경 환경에서 관개 커버리지와 적응성을 향상시키기 위해 경로 계획 알고리즘은 어떻게 개선될 수 있는가?
• RQ2 가뭄 심화 정도와 장애물 데이터를 경로 계획에 통합할 경우, 물 낭비 감소와 관개 효율 향상에 어느 정도 기여하는가?
• RQ3 실제 환경 제약 조건 하에서, 베이지안 강화된 개미집단 알고리즘이 기존 ACO보다 정보 커버리지와 경로 효율성 측면에서 뛰어난 성능을 보일 수 있는가?
• RQ4 좁고 험한, 또는 비정형으로 된 농경 환경에서 이 로봇의 성능은 기존 시스템과 비교해 어떻게 다를까?
• RQ5 실시간 데이터 통합 및 자가 조정이 로봇의 내비게이션 정확도와 관개 정밀도에 어떤 영향을 미치는가?

주요 결과

• 개선된 베이지안-ACO 알고리즘은 전통적인 개미집단 알고리즘 대비 이동 거리 증가 없이 더 높은 경로 효율성을 달성하여 더 많은 농경지를 커버하였다.
• 로봇은 좁고 험한, 비정형 농경 환경에서도 뛰어난 적응성을 보였으며, 굽이키는 통로나 도지각 전환 구간에서도 안정적으로 작동하였다.
• 알고리즘은 약간 더 긴 경로라도 더 많은 농업 정보를 제공하는 경로를 우선순위로 삼아 포괄적인 커버리지와 빠짐없는 관개 영역 감소를 보장하였다.
• 실시간 가뭄 평가 및 공간 변동성 기반 정밀 관개를 통해 시스템은 물 낭비를 감소시켰다.
• 현장 및 시뮬레이션 실험을 통해 로봇은 효과적으로 전면 커버리지 관개 작업을 완수하였으며, 경로 생성에 약 40초가 소요되었다.
• 내비게이션 시스템은 로봇 위치 및 경로의 실시간 모니터링을 가능하게 하여 수동 개입과 정밀 위치 추적을 지원하였다.