Et vigtigt element i arbejdet med at gøre biler selvkørende er deres evne til at kunne genkende omgivelserne, så de ikke kører ind i andre trafikanter eller parkerede biler. Den genkendelse har det taget mange års arbejde, enorme mængder data og anvendelse af AI-teknologier at få etableret.
Den samme teknologi og viden skal nu overføres til landbrugsmaskiner, traktorer og mejetærskere. Udfordringen er, at landbrugsmaskinerne kører på marker, der er langt mere ustrukturerede end en vej med striber og belægning, ligesom maskinerne ikke blot kører, men også skal udføre en arbejdsopgave undervejs, eksempelvis bearbejde marken med et redskab eller høste afgrøder.
Opbremsning ved kritiske situationer En af verdens tre største producenter af landbrugsmaskiner, AGCO Corporation, er gået i samarbejde med DTU om at udvikle den nødvendige teknologi til at kunne gøre dette. I første omgang er opgaven at anvende kunstig intelligens til at sikre visuel genkendelse fra kameraer, monteret på traktorer og mejetærskere.
– Det er vigtigt i denne sammenhæng at udvikle robuste løsninger, så landbrugsmaskinerne kan opfatte omgivelserne korrekt, uanset årstid, hvilken afgrøde, der er på marken eller nylige ændringer i terrænet, siger den unge forsker Esma Mujkic, DTU Elektro, der er ansvarlig for udviklingen af de nye automatiseringssystemer.
Første skridt bliver at gøre landbrugsmaskinerne i stand til selv at kunne vurdere, hvornår det er nødvendigt at bremse op på grund af en kritisk situation. Det kan være en hindring som en sten, et dyr eller et menneske foran den – måske gemt i den afgrøde, der er ved at blive høstet.
– Det har naturligvis betydning for sikkerheden, hvis påkørsler særligt af mennesker fremover kan undgås. Derudover vil det gavne både økonomien og bæredygtigheden i produktionen, hvis en landmand kan undgå at holde stille for at få repareret sin mejetærsker, mens tørvejret forsvinder, og høsten dermed bliver mindre eller af en dårligere kvalitet, siger Senior Technical Project Engineer Martin Peter Christiansen, AGCO, der er ansvarlig for udviklingen af virksomhedens autonome køretøjer.
Det sidste er ikke mindst vigtigt i en tid, hvor fokus er på den bedst mulige udnyttelse af landbrugsarealet til at brødføde en voksende global befolkning.
Øget automatisering på lang sigt En øget automatisering vil samtidig hjælpe landmanden til at fokusere på den landbrugsfaglige opgave, der skal udføres, hvad enten det drejer sig om at pløje, så eller høste. Eksempelvis har en mejetærsker forrest et op til 12 meter bredt skærebord, hvor afgrøden skæres over. Føreren har derfor svært ved at få et fuldstændig overblik over, hvad der gemmer sig i korn- eller rapsmarken foran ham.
Inden for en forholdsvis kort årrække regner AGCO med at kunne implementere en løsning i sine produkter, så landbrugsmaskinerne automatisk stopper før en mulig forhindring.
– Lidt mere langsigtet arbejder vi hen mod en mere vidtgående automatisering, og bl.a. derfor er det vigtigt for os at samarbejde med DTU. På den måde kan vi sikre, at vores udviklingsarbejde bygger på den nyeste viden inden for området, siger Martin Peter Christiansen.
Den første udgave af kamera-genkendelsesteknologien, som Esma Mujkic arbejder på at udvikle, er baseret på data indhentet under sommerens danske høst. Det næste skridt bliver derfor at tilpasse teknologien, så den også kan anvendes andre steder i verden.
Kontakt: Esma Mujkic, mail: esmu@elektro.dtu.dk
