A Research on Using Robotics in Kiwi Fruit Harvesting

Öz

At the end of the research, it’s shown that at the robotic fruit harvest physicomechanical properties of the fruit has an effect on the harvest. Weight, height, width, thickness and surface area are observed as the most important input values at the robotic fruit harvest. It is observed that image processing techniques affect the operation of the robotic system at the harvest. It is understood that using image technique has a direct effect on the results of the robotic harvest. It is also understood that image processing techniques must be chosen correctly to make the robotic harvest in an accurate and quickly way. It is emerged that the software used in the harvest should be parallel with the system and image processing at the robotic fruit harvest. During the software, it is observed that the conversion of kinematic calculation and constant values must be put in properly. Using hobbytype parts of robot for the prototype study will be enough for results. However, to make the system work, industrial robots and servo engines should be used. It is also observed that when picking up the fruit from the branch, the gripper, which is used to pick the fruit up, must be made considering the physicomechanical properties of the fruit. The engines that make the system work should be strong and the cutting system should also be appropriate

Anahtar Kelimeler

• Robotic system
• Image processing
• Harvesting
• Kiwi

Kivi Meyvesi Hasadında Robot Kullanımı Üzerine Bir Araştırma

Öz

Yapılan araştırma sonucunda robotik meyve hasadında meyvenin fizikomekanik özelliklerinin hasata etkilediği görülmüştür. Ağırlık, yükseklik, genişlik, kalınlık değerleri ve yüzey alanının robotik meyve hasadında en önemli girdi değerleri olduğu gözlenmiştir. Robotik meyve hasadında görüntü işleme tekniklerinin robotik sistemin çalışmasını etkilediği gözlenmiştir. Görüntü işleme tekniği kullanılarak yapılan denemelerde görüntü işleme sonuçlarının robotik hasada doğrudan etkisi olduğu anlaşılmıştır. Robotik hasadın doğru ve hızlı yapılması için görüntü işleme tekniklerinin doğru seçilmesi gerektiği anlaşılmıştır. Robotik meyve hasadında kullanılan yazılımın sistem ve görüntü işleme ile paralel çalışmasının önemi ortaya çıkmıştır. Yazılım yapılırken robotik sistemin dönüşüm kinematik hesaplarının düzgün hesaplanması, parametrelerin ve sabit değerlerin sisteme tam uygun olarak verilmesi gerektiği gözlenmiştir. Prototip çalışması için hobi tipi robot parçalarının kullanımı kısa ve anlaşılır sonuçların elde edilmesi açısından yeterlidir. Ancak sistemin pratikte daha verimli ve sorunsuz çalışması için sanayi tipi büyük robotların veya daha güçlü servo motorların kullanılmasının daha uygun olacağı görülmüştür. Meyvenin dal üzerinden kopartılması sırasında koparma işlemini yapacak tasarımının meyvenin fizikomekanik özelliklerine göre yapılması gerektiği görülmüştür. Sistemin çalışmasını sağlayan motorların kuvvetli, kesme işlemin yapacak sistemin uygun olması sonucuna varılmıştır.

Anahtar Kelimeler

• Robotik Sistem
• Görüntü İşleme
• Hasat
• Kivi

Kaynakça

1. Bingül Z., Küçük S., 2009. Robot Kinematiği, Birsen
2. Yayınevi, ISBN 978-975-511-424-6, 337s, İstanbul.
3. Blackmore, B.S, Stout, B., Wang, M., Runov, B., 2010 . Robotic agriculture the future of agricultural mechanisation?. 5th European Conference on Precision Agriculture. ed. J. Stafford, V. , Wageningen Academic Publishers, Netherlands, 621-628
4. Blackmore, B.S., Fountas, S., Tang, L., Have, H., 2004. Design specifications for a small autonomous traktor with behavioural control. The CIGR of AE Scientific Research
5. ejournal.tamu.edu\Volume6.html Development.
6. http://cigr- Griepentrog, H.W., Norremark, M., Nielsen, H., Blackmore, B.S., 2005. Seed mapping of sugar beet. Precision Agriculture, 6, 157-165.
7. Christensen, S., 2005. Physical weed control, http://www.scribd.com/doc/
8. Robots-in-Agriculture, (Erişim tarihi: 21.12.2011). 35156493/

9. Field- Güler M., Kara T., 2005. Hassas uygulamalı tarım teknolojisine genel bir bakış. Ondokuz Mayıs Üniversitesi Ziraat Fakültesi Dergisi, 20(3), 110-117.
10. Kohan, A., Borghaee, M., Mehran, Y.M., Minaei S., Sheykhdavudi, M.J., 2011. Robotic harvesting of Rosa damascena using stereoscopic machine vision, World
11. Applied Sciences Journal, 12(2), 231-237.
12. Lund, I., Sogaard, H.T., 2006. Robotic weeding-plant recognition and micro spray on single weeds. Biosystem Engineering, 96(3), 315-322.
13. Nagasaka, Y. , Kunetani, Y., Umeda, N., Kokuryu, T., 2002. High-Precision Autonomous Operation Using An UnmannedRice
14. Http://www.Riceworld.Org
15. /Wrrc/Wrrcpdf/Session7-06.Pdf.
16. Transplanter. /Publications Pederson, B.B., 2001. Weed density estimation from dijital images in spring barley. Unpublished Msc thesis KVL, 27pp, Denmark.
17. Zazueta, F.S., Smajstrla, A.G., Clark, G.A., 1993. Irrigation system controllers, agricultural and biological
18. Cooperative Extension Service, Institute of Food and Agricultural Sciences, University of Florida, 1-11, America. department, Florida