Machine Translated by Google

4ª Conferência da IFAC sobre Modelagem e Controle na Agricultura,

Indústria de Horticultura e Pós-Colheita
27 a 30 de agosto de 2013. Espoo, Finlândia

Robótica no cultivo protegido

EJ van Henten*, **, CW Bac**, J. Hemming**, Y. Edan***,**

*Grupo de Tecnologia Agrícola, Universidade de Wageningen, PO Box 317, 6700 PB Wageningen,

Holanda (e-mail: Eldert.vanhenten@wur.nl)
**Wageningen UR Greenhouse Horticulture, Wageningen, Holanda *** Universidade
Ben-Gurion do Negev, Beer Sheva, Israel

Resumo: Este artigo revisa a robótica para sistemas de cultivo protegidos. Com base numa breve descrição do processo
de produção de culturas em estufas, são identificados o estado actual da mecanização em estufas e os desafios para a
robótica no cultivo protegido. São apresentados exemplos de pesquisas atuais em robótica em estufas. Dado que o
complexo ambiente de trabalho constitui um desafio considerável para a robótica, serão identificadas oportunidades
para lidar com esta complexidade. As soluções podem ser encontradas no desenvolvimento de tecnologias mais
avançadas, incluindo abordagens de múltiplos sensores, fusão de sensores e conceitos de inteligência artificial, bem
como na colaboração homem-robô. Alternativamente, soluções podem ser encontradas na modificação do ambiente de
trabalho. O documento também defende o desenvolvimento de soluções mais genéricas para lidar com os mercados
pequenos e muito dispersos de robôs no cultivo protegido.

Palavras-chave: cultivo protegido, robótica, sensor, fusão de sensores, planejamento de movimento, inteligência artificial,
design otimizado, colaboração homem-robô

apresentado. Dado que o complexo ambiente de trabalho constitui um

1. INTRODUÇÃO
Os sistemas de cultivo protegido são utilizados em todo o mundo
como um instrumento poderoso para a produção de culturas. Protegem
as culturas de condições climáticas exteriores desfavoráveis e de
pragas e oferecem a oportunidade de modificar o clima interior para
criar um ambiente ideal para o crescimento e a produção das culturas,
tanto em termos de qualidade como de quantidade. O cultivo protegido
é um método de produção intensivo com elevados custos de
investimento e operacionais, permitindo apenas a produção de frutas
e vegetais de alto valor como tomate, pimentão e pepino, flores como
rosas, crisântemos e gérberas e muitos tipos de vasos de plantas.
Nas últimas décadas, nas sociedades ocidentais, este tipo de produção
tem sido confrontado com o aumento da dimensão das instalações de
produção, o aumento dos custos laborais, o aumento dos problemas
com a disponibilidade de mão-de-obra suficientemente qualificada, os
problemas de saúde dos trabalhadores devido a tarefas pesadas e
repetitivas e o crescimento concorrência nos mercados nacionais e
internacionais. A automação e a robótica são consideradas uma forma
de resolver esses problemas. Além disso, as crescentes preocupações
com a segurança alimentar exigem essa tecnologia.
Além disso, as abordagens de horticultura de precisão, nas quais as
plantas são tratadas individualmente, estão a tornar-se comuns, uma
vez que permitem melhorar a quantidade e a qualidade da produção
agrícola, ao mesmo tempo que utilizam os recursos da forma mais
eficiente possível. Dadas as atuais restrições ao trabalho humano, isto
levou a um apelo ainda mais forte à automação e à robótica.
Esta revisão inclui uma breve descrição do processo de produção de
culturas em estufa. Com base nesta descrição, serão identificados o
estado atual da mecanização das estufas e os desafios da robótica no
cultivo protegido. Em seguida, alguns exemplos recentes de pesquisa
em robótica em estufas serão
desafio considerável para a robótica, serão identificadas algumas
oportunidades e desafios para lidar com esta complexidade. A robótica
para o cultivo protegido não envolve apenas o desenvolvimento de
tecnologia adequada. Em última análise, as máquinas devem caber
perfeitamente no processo de produção na estufa. Além disso, a
robótica em estufas enfrenta uma
mercado pequeno e muito disperso. Esses desafios decorrentes do
contexto em que deverão operar são tratados no final deste artigo.
2. O PROCESSO DE PRODUÇÃO EM ESTUFA
Um ciclo de crescimento típico da maioria das culturas em cultivo
protegido inclui as seguintes etapas ou operações (Van
Henten e Bontsema, (2010):
1. Sementeira, enxertia e corte 2.
Transplante 3.
Transporte de plantas para uma estufa 4.
Plantio 5.
Operações de Manutenção de Plantas (PMOs) a.
Fixar plantas a um arame ou bastão de suporte b.
Colagem de varas de suporte ou amarração de
arames c. Remoção do
rebento lateral d. Capina/
desbaste de plantas e.
Desbaste de frutas/
flores f. Colheita de
folhas g. Abaixando plantas h.
Proteção de culturas/pulverização i. Colheita (única/múltipla)
6. Transporte interno de plantas ou produtos colhidos 7.
Classificação

978-3-902823-44-1/2013 © IFAC 1 170 10.3182/20130828-2-SF-3019.00070

Machine Translated by Google
IFAC AGRICONTROL 2013
27 a 30 de agosto de 2013. Espoo, Finlândia

8. Embalagem 4. ALGUNS EXEMPLOS DE PESQUISAS RECENTES

9. Remoção e limpeza de colheitas
4.1. Um robô para colheita de
rosas Nos últimos anos, um robô para colheita de rosas tem sido
As culturas de colheita única, como a alface e o crisântemo, passam
desenvolvido e testado em circunstâncias práticas na Holanda. O
pelas etapas 1 a 9 uma vez e geralmente numa questão de semanas,
protótipo é mostrado na Fig. 1. Neste caso, a rosa é movida para o
enquanto as culturas de colheita múltipla passam pelas etapas 1 a 9
robô em vez de o robô se deslocar para as plantas na estufa. Durante
várias vezes durante um período mais longo. Culturas de colheita
o ciclo de colheita, um sistema de câmeras percorre as roseiras e
múltipla, como maçã, tomate e rosa, têm um ciclo de produção mais
localiza as rosas a serem colhidas. Em seguida a operação de colheita
longo, que pode levar um ano para o tomate ou até cinco anos para a rosa.
é realizada com dois manipuladores. Um manipulador segura a rosa
A frequência com que os passos 5 a 8 são implementados depende
logo abaixo da flor e puxa-a suavemente para o lado para gerar espaço
da taxa de crescimento da cultura. A taxa de crescimento, por sua vez,
para o segundo manipulador descer pelo caule
depende de medidas de cultivo, incluindo o controlo climático, o
fornecimento de água e nutrientes, e das condições meteorológicas. O
em direção ao ponto onde cortará o caule. Este manipulador carrega
ambiente de crescimento é relativamente controlado, em oposição ao
um sistema de estereovisão de pequeno porte que é usado para
ambiente exterior não controlado, que é altamente afetado pelas
rastreamento em tempo real da haste durante esse movimento descendente.
condições externas (por exemplo, sol, nuvens, vento). No entanto, a
Ao chegar, o manipulador utiliza um pequeno cortador tipo tesoura,
cultura em si é altamente desestruturada devido à variabilidade
que cortará o caule. Então, finalmente, a rosa é retirada e armazenada
biológica.
pelo primeiro manipulador, enquanto o segundo manipulador sai da
colheita e prossegue com o próximo ciclo de colheita. Alguns detalhes
3. ESTADO ATUAL DA MECANIZAÇÃO DE ESTUFAS deste sistema foram abordados em Noordam et al. (2005).

Uma rápida pesquisa realizada por um dos autores revelou que existem
soluções comerciais para a primeira (por exemplo, semeadura, corte,
enxertia, transplante) e fases finais (transporte, classificação,
embalagem e limpeza) da produção agrícola (Van Henten, 2006a).
Consistem em sistemas automatizados em grande parte baseados em
soluções de engenharia mecânica, inflexíveis às variações das
condições de trabalho, contendo uma pequena quantidade de sensores
e pouca 'inteligência'. A razão é simples. As tarefas durante estas
fases são relativamente simples e centram-se em objetos bem definidos
em termos de localização, tamanho, forma e cor.

Os PMOs, listados na etapa 5, compreendem operações mais

complexas do que as outras operações porque lidam com objetos que
variam em posição, forma, tamanho e cor dentro de um recorte não
estruturado. Requerem tratamento específico ao nível das plantas
completas ou, ainda mais frequentemente, em partes das plantas.
Os tratamentos específicos dependem também do estado específico
do fruto ou da flor, bem como das alterações específicas
requisitos. Por exemplo, os requisitos de maturação podem mudar
diariamente, dependendo da procura do mercado. Além disso, os
objetos estão altamente obstruídos, limitando a visibilidade e a acessibilidade.
Portanto, a execução bem-sucedida de PMOs depende fortemente de
habilidades humanas, como inteligência, tomada de decisão,
capacidades de adaptação e aprendizagem, e numa coordenação olho-
mão muito eficaz.

Não é surpreendente que, para essas etapas do ciclo de produção,

quase não existam soluções comerciais para apoiar ou substituir o
trabalho humano. Estas tarefas exigem soluções de alta tecnologia
utilizando dispositivos de manipulação e preensão mais avançados,
uma ampla gama de sensores e hardware de computação avançado e
software inteligente que seja capaz de lidar com um ambiente variado
e não estruturado de uma forma rápida e eficaz. Estes desafios têm
recebido atenção considerável na investigação em robótica agrícola
nas últimas três décadas. Figura 1. O efetor final do robô colhedor de rosas, o efetor final com
sistema de visão estéreo e um dispositivo de corte tipo tesoura. (Foto
cortesia de Jentjens Machinetechniek BV, Veghel, Holanda).

171
2
Machine Translated by Google
IFAC AGRICONTROL 2013
27 a 30 de agosto de 2013. Espoo, Finlândia

4.2. Um robô de colheita de morangos 4.4. Uma colheitadeira de pimentos

No Japão, o mercado de morangos é grande, tão grande quanto o
mercado de tomates, pepinos e tangerinas. O retorno económico
potencialmente elevado deste produto, juntamente com a elevada
intensidade de mão-de-obra de processos como a colheita, explica a
longa tradição de investigação sobre a colheita robótica de morangos.
Conforme mostrado na Figura 2, o robô consiste em um manipulador
cilíndrico de 4 DOF. O robô carrega três câmeras CCD. Um conjunto de
LEDs quadrados é usado para iluminação da cena. Duas câmeras
fornecem visão estéreo para detecção e localização dos frutos. Assim
que uma fruta é detectada, o efetor final é posicionado na frente da fruta.
A terceira câmera, montada no efetor final, é então usada para detectar
o pedúnculo, ou seja, o caule do fruto, e calcular sua inclinação.
Com base nestes dados, a orientação do efetor final é modificada com
um mecanismo de inclinação e então se aproxima da fruta. Uma
aproximação bem-sucedida do morango é detectada por um sensor de
luz do tipo reflexão no efetor final. Após a conclusão bem-sucedida deste
movimento, o pedúnculo é agarrado e a haste é cortada com um
mecanismo de corte tipo tesoura. Um movimento adequado do
manipulador envia o morango colhido para uma bandeja. Este
procedimento é repetido para todas as frutas detectadas na posição atual
do robô. Após a conclusão de todas as tentativas de colheita, a plataforma
completa do robô é movida 210 mm com um sistema de transporte do
tipo pórtico que passa abaixo dos bancos de morangos. O protótipo atual
atingiu uma velocidade de coleta de 6,3 s com uma taxa de sucesso de
52,6%. Para mais detalhes consulte Hayashi et al. (2010, 2012).
No âmbito do projecto CROPS, financiado pela UE, está a ser
desenvolvido um robô para a colheita autónoma de pimentos.
Os primeiros projetos resultaram em um manipulador 9DOF e dois tipos
diferentes de efetores finais para agarrar e destacar os frutos. O sistema
é configurado de forma modular em relação ao hardware, mas também
ao software. Consiste numa plataforma que utiliza os carris de transporte
(tubos de aquecimento) existentes na estufa para se deslocar ao longo
das plantas e dos módulos de sensores e colheita. O módulo de colheita
é montado na plataforma e compreende um braço robótico e um efetor
final para agarrar e separar os frutos (Fig. 4). Um módulo sensor também
está localizado na plataforma e adquire dados usando uma câmera
colorida e uma câmera Time-of-flight (TOF). Ao lidar com a visibilidade
limitada dos alvos devido à oclusão por folhas ou outros objetos, o módulo
obtém informações para medir a maturação dos frutos e a posição e
orientação dos frutos, folhas, caules e outros obstáculos, utilizando
métodos avançados de análise de imagens e técnicas de fusão de
sensores. Com esta informação é calculado um caminho livre viável em
direção a uma fruta e uma postura de preensão ideal para o manipulador
agarrar a fruta. No efetor final está localizado um segundo módulo de
câmera. Este módulo é utilizado para corrigir a posição e orientação do
alvo na última fase de aproximação.

Figura 2. Robô de colheita de morango desenvolvido no IAM-BRAIN,

Japão.

4.3. Um robô de colheita de pepino Na

Universidade de Ehime, no Japão, está em andamento um trabalho em
uma colheitadeira de pepino, conforme mostrado na Fig. 3. A máquina
consiste em uma plataforma móvel que funciona sobre os tubos de
aquecimento de água quente da estufa. Dois aspectos interessantes se
destacam nesse conceito. Em primeiro lugar, a cultura do pepino é
cultivada num sistema de treliça inclinada que se projeta para a frente em direção ao robô.
Isto produz frutos pendurados livremente na colheita, sendo assim
claramente visíveis e de fácil acesso. Em segundo lugar, devido a este
sistema de cultivo, em vez de utilizar tecnologia de câmeras para
Figura 3. Robô de colheita de pepino desenvolvido na Universidade
detecção e localização dos frutos, os robôs utilizam sensores de alcance
Ehime, Ehime, Japão.
a laser e sensores de ultra som. Um movimento de varredura do
manipulador é usado para detectar os frutos.

3 172
Machine Translated by Google
IFAC AGRICONTROL 2013
27 a 30 de agosto de 2013. Espoo, Finlândia
Figura 4. A colheitadeira de pimentão desenvolvida no projeto EU
CROPS
Além da tarefa específica de colheita de pimenta, um objectivo
importante do projecto CROPS é desenvolver um sistema que possa
ser facilmente adaptado a diferentes tarefas agrícolas em culturas de
alto valor, tais como vegetais em estufa, frutas em pomares e uvas
para vinhos premium.
4. DESAFIOS TÉCNICOS EM ROBÓTICA
Embora o cultivo protegido proporcione um ambiente mais controlado
do que as aplicações de produção agrícola ao ar livre, o ambiente de
cultivo não estruturado impõe muitos desafios técnicos para a introdução
da robótica. Para uma revisão detalhada das conquistas passadas, do
estado da arte e dos desafios futuros para as operações de colheita,
consulte Bac et al. (2013a). Aqui os desafios técnicos serão abordados
em termos mais gerais.
O ambiente de trabalho das culturas é conhecido por ser desestruturado
e evoluir dinamicamente no tempo e no espaço e, portanto, altamente
complexo. Ao desenvolver tecnologia automatizada para este tipo de
sistemas, existem basicamente duas opções. Desenvolver tecnologia
avançada para lidar com o ambiente complexo encontrado na prática
agrícola actual,
173
4
ou reduzir a complexidade modificando o ambiente de trabalho
permitindo soluções técnicas mais simples ou soluções mais rápidas
dado o estado atual da tecnologia. Neste artigo exploraremos ambas
as abordagens.
4.2. Projeto e operação de sistemas robóticos
Para alcançar uma operação rápida e robusta no complexo e dinâmico
ambiente de estufa, o robô deve estar equipado com capacidades
inteligentes de detecção, planejamento e ação.
A detecção é necessária para a detecção e classificação de objetos, a
avaliação do estado dos objetos (prontidão ou maturação de frutas e
flores), bem como a localização de objetos no ambiente 3D. Algoritmos
sofisticados são necessários para lidar com a alta variabilidade e
oclusões.
É necessário um planeamento inteligente para decidir sobre as ações
e adaptar-se às mudanças nas condições e requisitos ambientais e das
culturas. São necessárias ações complexas para alcançar os objetos
dentro de um ambiente altamente obstruído, para realizar a operação
no objeto (por exemplo, agarrar, cortar da haste, pulverizar) e para
transportar o objeto para um recipiente. Estas ações devem ser
executadas com cuidado, garantindo que nenhum dano seja causado
ao objeto ou ao ambiente da cultura.
Os sensores usados até agora para detecção de objetos são
principalmente câmeras na faixa visível e infravermelha próxima (NIR)
do espectro de luz. Cor, forma e textura podem ser usadas para
classificar objetos. Ocasionalmente, telêmetros a laser, câmeras de
tempo de voo (TOF) e guardas ultrassônicos são implantados. Para
uma visão geral recente sobre técnicas de visão e desafios futuros,
consulte Kapach et al. (2012). Para melhorar a robustez sob
circunstâncias complexas e dinâmicas e para lidar com erros e falhas
de sensores, uma abordagem multi-sensor que consiste na seleção on-
line de sensores e fusão de dados de sensores parece ser uma opção
adequada (Cohen e Edan, 2008).
A detecção de frutos pode ser um desafio em ambientes densamente
desordenados devido à oclusão. Então, são necessárias múltiplas
imagens de diferentes pontos de vista para identificar os frutos. Para
uma cultura de pimentão foi demonstrado que são necessários pelo
menos 5 pontos de vista para detectar 86% dos frutos (Hemming et al., 2012).
A maior parte do trabalho sobre detecção de robôs com efeito de estufa tem sido
focado na detecção, avaliação de maturação e localização de flores e
frutos. Bac et al. (2013b) estão entre os primeiros a prestar atenção à
detecção e classificação de obstáculos como folhas e caules no espaço
de trabalho. No ambiente denso e desordenado da cultura do pimentão,
esta informação é necessária para o planejamento avançado do
movimento livre de colisão do manipulador até os frutos a serem
colhidos.
No planejamento do movimento do robô são utilizados dois paradigmas
complementares, o paradigma do planejamento deliberativo, que se
baseia em mapas detalhados do espaço de trabalho em que o robô
deve trabalhar, e o paradigma do planejamento reativo. O planejamento
reativo inclui comportamentos baseados em sensores sem usar mapas
detalhados e informações sobre o ambiente em que o robô deve operar.
Formas híbridas também podem ser utilizadas (Arkin, 1998). Na robótica
para cultivo protegido, na maioria dos casos, o planejamento deliberativo
é implementado usando algoritmos como o algoritmo A* (Van Henten
et al., 2003b), abordagens de controle ótimo (Van Willigenburg et al.,
2004) no caso de colisões terem que ser
Machine Translated by Google
IFAC AGRICONTROL 2013
27 a 30 de agosto de 2013. Espoo, Finlândia

movimentos de linha evitados ou diretos do ponto inicial ao ponto os manipuladores são escolhidos com base na intuição e em projetos
final se os frutos puderem ser alcançados sem colisões. Exceto a e simulações CAD 3D. Os verdadeiros estudos de otimização de
última forma de controle de movimento, esses tipos de abordagens projeto nesta direção são relativamente escassos, embora tenha sido
são notoriamente lentos e dificultam a aplicação on-line. Assim, demonstrado que eles fornecem soluções valiosas e insights sobre o
algoritmos mais modernos, mais rápidos e mais eficazes, como o projeto adequado de manipuladores robóticos (Song et al., 2007;
algoritmo RRT, podem ser implementados (ver, por exemplo, Choset Sakai et al., 2008; Van Henten et al., 2008; Van Henten et al. , 2009).
et al., 2005; Lavalle, 2006). O fato dos dados dos sensores serem
propensos a erros iniciou o desenvolvimento da robótica probabilística 4.1. Modificando o ambiente de trabalho
(Thrun et al., 2005), uma técnica com resultados promissores na
Uma prática comum antes de introduzir uma robótica industrial num
navegação de robôs móveis. O trabalho de Webb (2008) sobre a
novo ambiente de produção é otimizar o ambiente de trabalho para
seleção de poses de manipuladores orientada por crenças em
melhor se adequar ao robô (Nof, 1999).
ambientes menos controlados foi parcialmente impulsionado por
aplicações em cultivo protegido, mas parece ser único até agora. Para a colheitadeira de pepino desenvolvida em Wageningen, na
Holanda, foi adotado um sistema de cultivo diferente, o sistema de
A modelagem no espaço e no tempo pode apoiar a geração de
cultivo com arame alto. Este sistema de cultivo garantiu que os frutos
mapas e o planejamento e controle de movimento de sistemas
fossem mais claramente visíveis e mais facilmente acessíveis do que
robóticos em cultivos protegidos. O paradigma de Modelos Estruturais
num sistema convencional de cultivo de pepino (Van Henten et al.,
Funcionais de Plantas (FSPM) é usado para modelar o crescimento
2003a), facilitando assim a colheita autónoma com uma elevada taxa
e desenvolvimento de culturas em 3D (por exemplo, Buck-Sorlin et
de sucesso. O robô de colheita de pepino desenvolvido pela
al., 2011; Sarlikioti et al., 2011). Tais modelos podem fornecer
Universidade Ehime, no Japão, segue uma abordagem semelhante.
informações valiosas sobre a presença e localização potencial de
flores e frutos. Dado que o sistema de cultivo influencia fortemente os tempos dos
ciclos (por exemplo, Edan et al., 1991; Edan e Miles, 1994), é
Além disso, existe uma interação potencialmente interessante entre
importante determinar a prática hortícola mais adequada durante a
o campo da robótica e o trabalho de modelagem e controle de
fase de concepção. Devido à forte interação entre o design do robô e
processos de produção de culturas em estufas, como demonstrado,
o ambiente da colheita, é preferível modificar simultaneamente o robô
por exemplo, por Buwalda et al. (2006) e Van Henten et al. (2006b).
e o ambiente da colheita para uma operação ideal.
Embora os resultados tenham sido muito preliminares, estes trabalhos
indicaram que pode ser possível controlar o aparecimento e o
crescimento dos frutos do pimentão, o que pode ser utilizado para A derivação e geração de culturas e sistemas de cultivo mais
simplificar ou apoiar a colheita automática. adequados para a robótica pode ser baseada em sistemas
engenharia (Edan e Miles, 1994) e/ou estudos de modelagem (De
Apesar de todos os esforços, é difícil capturar algum conhecimento e
Swart, 2012). Conforme mostrado na Figura 5, utilizando uma
informação nos paradigmas de modelo usados nos atuais algoritmos
metodologia desenvolvida para análise de detecção de colisão em
de planejamento e controle de robôs. Para citar um exemplo, os
usinagem multieixos (Wang et al., 2006), De Swart investigou a
sistemas robóticos atuais ainda não são capazes de distinguir entre
acessibilidade de frutos de pimentão em uma planta virtual. Com
dois cultivares diferentes da mesma cultura. Uma vez devidamente
base em medições de plantas reais, uma planta de pimentão foi
treinados, os humanos reconhecem facilmente as variantes vermelha
modelada em Matlab® . Em seguida, usando
e laranja do tomate como sendo um tomate. Da mesma forma, as
uma abordagem de traçado de raio, em etapas discretas, o azimute
diferenças nas cultivares em termos de forma e tamanho, pense em
e os níveis de elevação foram escaneados, e a linha de visão livre
um tomate bovino versus um tomate cereja, não perturbam a tomada da fruta até o ambiente foi avaliada. Aglomerados de linhas indicam
de decisão e a operação humana. Pelo contrário, quando necessário,
um alto nível de visibilidade e acessibilidade dos frutos. Embora por
as operações serão adaptadas às exigências da cultivar em questão.
razões de desenvolvimento metodológico os casos considerados
Como é impossível modelar a priori todos os ambientes, cultivares e
sejam relativamente simples, a metodologia parece frutífera e pode
condições de tarefa, algoritmos devem ser desenvolvidos para
ser estendida à análise de ambientes mais complexos encontrados
permitir que o robô aprenda e se adapte a novas tarefas e condições
na prática hortícola.
de trabalho (Levesque e Lakemeyer, 2008).
Com base nesta análise, os sistemas de cultivo e treinamento de
culturas podem ser modificados para acomodar a operação robótica.
Alternativamente, ou mesmo simultaneamente, a adaptação pode
Seguindo uma linha de pensamento semelhante, cultivares com
ser alcançada através do desenvolvimento de um sistema colaborativo
propriedades vantajosas para automação podem ser geradas por
humano-robô que utilize as vantagens do ser humano para permitir
meio do melhoramento de plantas. Por exemplo, para o robô pepino
ao robô reagir e lidar com condições dinâmicas e complexas. Em vez
descrito por Van Henten et al. (2002, 2003a) foram preferidas
de um robô totalmente complicado e autônomo, um sistema
cultivares de pepino com pedúnculo longo.
simplificado, flexível e robusto pode ser criado. No entanto, modos
de colaboração ideais (Oren et al., 2012; Berenstein e Edan, 2012),
métodos de interação (Berenstein e Edan, 2012) e interface projetos
(Adamides et al., 2012; Berenstein et al., 2012) devem ser
desenvolvidos.

Modelos 3D da colheita podem ser usados para projetar a construção

do manipulador do robô. Parece que na maioria dos casos o robô

5 174
Machine Translated by Google
IFAC AGRICONTROL 2013
27 a 30 de agosto de 2013. Espoo, Finlândia

significa que os robôs substituem o trabalho humano sempre que possível.

Figura 5. Análise de acessibilidade de frutos de pimentão em uma planta
virtual, (a) vista lateral, (b) vista superior. As linhas azuis indicam a linha de
visão livre da fruta até o ambiente (De Swart, 2012).
Caso a tecnologia ainda não seja capaz de substituir totalmente o trabalho
humano, a supervisão humana (Murakami et al., 2008) e a intervenção
podem ocorrer (Bechar e Edan, 2003). O coworking humano-robô é um
campo técnico com muitas oportunidades, que no ambiente agrícola ainda
precisa ser explorado em grande medida. Alternativamente, os robôs
podem ser implantados para executar a maior parte de uma tarefa, por
exemplo, a colheita, e os recursos humanos podem ser usados para lidar
com os casos difíceis. Parece ser um cenário viável e aceito para a
colheitadeira de morango desenvolvida no Japão. Instrumentos de
modelagem e simulação como os relatados anteriormente podem ser
usados para derivar cenários e casos de negócios para esse co-trabalho
de robôs humanos. Claramente, esta abordagem tem então de ser aceite
pelos produtores.
5.2. Tamanho do mercado

Embora o cultivo protegido esteja a crescer a um ritmo considerável à

escala mundial, o mercado de sistemas robóticos neste domínio de
aplicação é pequeno e muito disperso. Na Holanda, iniciativas comerciais
5. DESAFIOS CONTEXTUAIS DA ROBÓTICA para o desenvolvimento de tecnologia robótica, o robô de remoção de
folhas de tomate (Tomation) desenvolvido pela Priva e o robô de colheita
Os aspectos contextuais relacionados com o funcionamento da robótica e
de rosas desenvolvido pela Jentjens Machineteckniek BV, concentraram-
da mecanização na prática hortícola limitam os requisitos do sistema e
se nos maiores mercados do cultivo protegido holandês. Claramente, para
colocam alguns desafios técnicos. Dois aspectos serão discutidos. Em
estes mercados e dentro destes mercados, foi mais fácil mobilizar o apoio
primeiro lugar, os robôs devem enquadrar-se no sistema de produção do
necessário e os fundos de investigação. No entanto, isto não significa que
ponto de vista da gestão empresarial. Em segundo lugar, o mercado de
a tecnologia robótica não seja necessária também noutros setores de
sistemas robóticos em cultivo protegido é muito disperso, ou seja, é
produtos. Até agora, para estes produtos, tem sido difícil, senão impossível,
cultivado um grande número de produtos, aparentemente todos
mobilizar o apoio necessário para tais inovações. Esta situação, no entanto,
necessitando de diferentes tipos de mecanização.
pode ser traduzida num interessante desafio técnico. Até agora, os projetos
centraram-se num produto produzindo soluções geradas isoladamente que
não podem ser facilmente transferidas para outros domínios de produtos.
5.1. Robôs e gestão empresarial A robótica, a
Pode valer a pena analisar a produção de culturas em estufa a um nível
mecanização e a gestão empresarial têm uma forte relação mútua. Em
mais elevado e definir classes de produtos com características semelhantes
primeiro lugar, a gestão empresarial e o caso de negócio associado ditam
a um nível mais elevado de abstracção. Isto pode então permitir o
os requisitos da tecnologia a ser desenvolvida. Em segundo lugar, e
desenvolvimento de tecnologia mais genérica, com maior potencial de
alternativamente, a tecnologia deve enquadrar-se no fluxo do processo, no
mercado associado, conforme proposto pelo projecto CROPS. Com certeza,
fluxo do produto e na utilização de recursos humanos e de equipamento a
no final, a tecnologia genérica terá que ser traduzida em soluções
nível empresarial. Ambos os aspectos ainda não receberam muita atenção
específicas para aplicações, mas potencialmente a um custo menor.
na literatura de engenharia agrícola. Os casos de negócios e os requisitos
Existem desafios semelhantes a um nível de agregação inferior. Mesmo
técnicos são pouco relatados e geralmente baseados em tempos de
entre uma classe de produtos diferente, existem diferenças consideráveis
operação constantes e médios sob condições de trabalho muito estáticas.
em termos de cultivares cultivadas e de sistemas de cultivo utilizados.
Embora os sistemas de cultivo possam, em última análise, ser unificados,
eles também estão sujeitos ao gosto e à experiência do produtor. Em linha
Abordagens de modelagem conforme relatadas por Bechar et al. (2007) e
com o que foi dito anteriormente no que diz respeito ao tratamento da
Ooster et al. (2012, 2013) oferecem uma oportunidade para gerar cenários
variação entre produtos, o desenvolvimento tecnológico deve centrar-se
da vida real utilizando trabalho humano, bem como tecnologia robótica.
também no tratamento da variação dentro dos produtos e dos sistemas de
Esses cenários podem ser usados para gerar requisitos adequados em
cultivo.
termos de tempos de ciclo e taxas de sucesso para tecnologias que ainda
precisam ser desenvolvidas. Alternativamente, permite avaliar o impacto
da tecnologia existente no fluxo de trabalho e produto a nível da empresa.

Os casos de negócios geralmente pressupõem uma substituição 100% 6. CONCLUSÕES

bem-sucedida por mão de obra humana. Embora seja uma boa ambição, dado
Neste artigo foi revisada a robótica para cultivo protegido.
tecnologia atual isto ainda parece ser uma ponte longe demais. Neste
Neste domínio de aplicação, as máquinas precisam operar em um ambiente
momento, talvez seja melhor desenvolver cenários com soluções híbridas
complexo e não estruturado. Duas direções de pesquisa são indicadas com
que utilizem trabalho humano e tecnologia robótica. Duas opções podem
exemplos: 1) avanço da tecnologia robótica e 2) modificação do ambiente
ser imaginadas neste momento.
para simplificar a tarefa. Ambos oferecem oportunidades. Finalmente, dois
O desenvolvimento tecnológico pode ser direcionado para a colaboração
entre robôs humanos no sentido estrito da palavra, o que

175
6
Machine Translated by Google
IFAC AGRICONTROL 2013
27 a 30 de agosto de 2013. Espoo, Finlândia
foram identificados desafios contextuais. Primeiro, as máquinas devem
constituir um caso de negócio viável e enquadrar-se no processo de
produção. Isso resulta em requisitos de desempenho que devem ser
atendidos pelos sistemas robóticos desenvolvidos. Além disso, o trabalho
e o fluxo de produtos dos processos de produção automatizados devem
ser cuidadosamente analisados. Em segundo lugar, devem ser
desenvolvidos princípios tecnológicos genéricos para tornar viável o
negócio de I&D, também para o menor tamanho do mercado de culturas.
RECONHECIMENTOS
Esta investigação foi parcialmente financiada pela Comissão Europeia no
7º Programa-Quadro (CROPS GA no. 246252)
REFERÊNCIAS
Adamides, G., Bernstein, R., Ben Halevi, I., Hadzilacos, T., Edan, Y., 2012.
Princípios de design de interface de usuário para robótica na
agricultura: navegação telerobótica e seleção de alvos para estudo de
caso de pulverização. Processos AFITA WCCA.
Arkin, RC, 1998. Robótica baseada em comportamento. Imprensa do MIT.
Bac, W., Henten, EJ, Hemming, J., Edan, Y., 2013a
Robôs de colheita para culturas de alto valor: revisão de última
geração e desafios futuros. Artigo de revisão, em preparação.
Bac, CW, Hemming, J., Henten, EJ van, 2013b . de detectabilidade de frutas para diferentes posições de câmera em
Classificação robusta baseada em pixels de partes de plantas de
pimentão usando imagens multiespectrais e árvores de decisão.
Computadores e Eletrônicos na Agricultura, 96, 148-162.
Bechar, A., Yosef, S., Netanyahu, S., Edan, Y., 2007.
Melhoria dos métodos de trabalho em estufas de tomate através de
simulação. Transações da ASABE, 50(2), 331-
338.
Bechar, A., Y. Edan, Y., 2003. Colaboração humano-robô para melhorar o
reconhecimento de alvos de robôs agrícolas.
Robô Industrial, 30(5), 432-436.
Berenstein, R., Y. Edan, Y., 2012. Pulverização de precisão cooperativa
humano-robô: níveis de colaboração e função de otimização. Artigo nº
84, SYROCO 2012, 10º Simpósio IFAC sobre Controle de Robôs,
Dubrovnik, Croácia, 5 a 7 de setembro de 2012.
Berenstein, R., Ben Halevi, I., Edan, Y., 2012. Uma interface remota para
um pulverizador cooperativo de vinhas humano-robô. Artigo nº 1167,
11ª Conferência Internacional sobre Agricultura de Precisão, 15 a 18
de julho, Indianápolis, EUA.
Berenstein, R., Edan, Y., 2012. Avaliação de técnicas de marcação para
um pulverizador seletivo de vinhas humano-robô. Conferência
Internacional de Engenharia Agrícola, CIGR-AGEN, 8 a 12 de julho,
Valência, Espanha.
Buck-Sorlin, GH, Visser, PHB de, Henke, M., Sarlikioti, V., Heijden, GWAM
van der, Marcelis, LFM, Vos, J. (2011). Rumo a um modelo funcional-
estrutural de planta de rosa cortada – simulação do ambiente
luminoso, absorção de luz, fotossíntese e interferências na estrutura
da planta. Procedimentos FSPM 2011, Davies, EUA.
Buwalda, F., Henten, EJ van, Gelder, A. de, Hemming, J., Bontsema, J.,
2006. Rumo a uma estratégia de controle ideal
para cultivo de pimentão. 1. Um modelo de corte. Acta
Horticulturae, 718: 367-374.
Choset, M., Lynch, KM, Hutchinson, S., Kantor, GA, Burgard, W., Kavraki,
LE, Thrun, S., 2005. Princípios da teoria, algoritmo e implementação
do movimento do robô. Imprensa do MIT.
Cohen, O., Edan, Y., 2008. Uma estrutura de fusão de sensores para
seleção online de sensores e algoritmos. Robótica e
Sistemas Autônomos, 56, 762-776.
Edan, Y., Flash, T., Peiper, UM, Shmulevich, I., Sarig, Y., 1991. Algoritmo
de planejamento de tarefas de tempo quase mínimo para
robôs coletores de frutas. Transações IEEE sobre Robótica e
Automação, 1, 48-56.
Edan, Y., Miles, GE, 1994. Engenharia de sistemas de
projeto de robô agrícola. Transações IEEE sobre Sistemas, Homem e
Cibernética, 24(8), 1259-1264.
Hayashi, S., Shigematsu, K., Yamamoto, S., Kobayashi, K., Kohno, Y.,
Kamata, J., & Kurita, M., 2010. Avaliação de um robô colhedor de
morango em um teste de campo. Engenharia de Biossistemas, 105,
160-171.
Hayashi, S., Yamamoto, S., Saito, S., Ochiai, Y., Kohno, Y., Yamamoto,
K., Kamata, J., Kurita, M., 2012.
Desenvolvimento de um Robô Móvel para Colheita de Morangos
. Utilizando uma Plataforma Viajante. Anais da Conferência Internacional
de Engenharia Agrícola CIGR-AgEng 2012, 8 a 12 de julho, Valência,
Espanha.
Hemming, J., Ruizendaal, J., Hofstee, JW, Henten, EJ van, 2012. Análise
pimentão. EurAgeng 2012, Valência,
Espanha.
Henten, EJ van, Hemming, J., Tuijl, BAJ van, Kornet, JG, Meuleman, J.,
Bontsema, J., Os, EA van, 2002. Um robô autônomo para colheita de
pepinos em estufas. Robôs Autônomos, 13: 241-258.
Henten, EJ van, Tuijl, BAJ van, Hemming, J., Kornet, JG, Bontsema, J.,
Os, EA van, 2003a . Teste de campo de
um robô autônomo para colheita de pepino. Engenharia de
Biossistemas, 86: 305-313.
Henten, EJ van, Hemming, J., Tuijl, BAJ van, Kornet, JG, Bontsema, J.,
2003b . Planejamento de movimento sem
colisão para um robô colhedor de pepino. Engenharia de Biossistemas,
86: 135-144.
Henten, EJ van, 2006a . Mecanização de Estufas: Estado da Arte e
Perspectiva Futura. Acta Horticulturae, 710, 55-69.
Henten, EJ van, Buwalda, F., Zwart, F. de, Gelder, A. de, Hemming, J.,
Bontsema, J., 2006b . Rumo a uma estratégia
de controle ideal para o cultivo de pimentão. 2.
Otimização do padrão de rendimento e eficiência energética.
Acta Horticulturae, 718: 391-398.
Henten, EJ van, Willigenburg, LG van, Slot, D. van't, 2009. Projeto ideal
de um robô de colheita de pepino.
Computadores e Eletrônica na Agricultura, 65: 247-257.
Henten, EJ van, Bontsema, J., 2010. Visão sobre Robôs Agrícolas; Em
holandês: Visie op agro-robotica. Wageningen, Holanda: Wageningen
UR, Farm Technology Group & WUR Greenhouse Horticulture,
Wageningen, Holanda.
Kapach, K., Barnea, E., Mairon, R., Edan, Y., Ben-Shahar, O.
(2012). Visão computacional para robôs de colheita de frutas – Estado
176
7
Machine Translated by Google
IFAC AGRICONTROL 2013
27 a 30 de agosto de 2013. Espoo, Finlândia

da arte e dos desafios futuros. Jornal Internacional de Visão

Computacional e Robótica, 3: 4-34.
Lavalle, S., 2006. Algoritmos de planejamento, Cambridge University
Press.
Levesque, H., Lakemeyer, G., (2008). Robótica cognitiva. In:
Harmelen, F. van, Lifschitz, V. e Porter, B. Manual de
Representação do Conhecimento. Elsevier.
Murakami, N., Ito, A., Will, JD, Steffen, M., Inoue, K., Kita, K.,
Miyaura, S., 2008. Desenvolvimento de sistema de teleoperação
para veículos agrícolas. Computadores e Eletrônica na
Agricultura, 63(1), 81-88.
Nof, Y., 1999. Manual de Robótica Industrial, John Wiley
e Filhos.
Noordam, JC, Hemming, J., van Heerde, C., Golbach, F., van Soest,
R., & Wekking, E., 2005. Corte automatizado de rosas em
estufas com visão 3D e robótica:
Análise de Técnicas de Visão 3D para Detecção de Tronco.
Acta Horticulturae, 691, 885-892.
Ooster, A. van 't, Bontsema, J., Henten, EJ van, Hemming, S., 2012.
GWorkS - Um modelo de simulação de eventos discretos em
processos de manejo de culturas em um sistema móvel de
cultivo de rosas. Engenharia de Biossistemas, 112, 108-120.
Ooster, A. van 't, Bontsema, J., Henten, EJ van, Hemming, S., 2012.
Simulação de operações de colheita em um sistema estático de
cultivo de rosas. Engenharia de Biossistemas, aceito.
Oren, Y., Bechar, A., Edan, Y. 2012. Análise de desempenho de um
sistema colaborativo de reconhecimento de alvos humano-robô.
Robótica, 30(15), 823-836.
Sakai, S., Iida, M., Osuka, K., & Umeda, M. (2008). Projeto e controle
de um manipulador de movimentação de materiais pesados para
robôs agrícolas. Robôs Autônomos, 25(3), 189-204.
Sarlikioti, V., Visser, PHB de, Buck-Sorlin, GH, Marcelis, LFM (2011).
Como a arquitetura da planta afeta a luz
absorção e fotossíntese em tomate: rumo a um
ideótipo para arquitetura vegetal usando um modelo funcional-
estrutural de planta. Anais de Botânica 108: 1065 – 1073.

Song, J., Sun, X., Zhang, T., Zhang, B., Xu, L., 2007. Otimização de
projeto e simulação de parâmetros estruturais de um robô
colhedor de berinjela. Jornal de Pesquisa Agrícola da Nova
Zelândia 50, 959-964.
Swart, T. de, 2012. Análise de acessibilidade de frutos de pimentão
em planta virtual [em holandês]. Tese de bacharelado, Farm
Technology Group, Universidade de Wageningen, Wageningen,
Holanda. Não publicado.
Thrun, S., Burgard, W., Fox, D., 2005. Probabilístico
Robótica, MIT Press.
Wang, QH, JR Li, et al. (2006). Abordagem assistida por gráficos
para detecção rápida de colisões para usinagem multieixos.
Jornal Internacional de Tecnologia de Fabricação Avançada 30,
853-863.
Webb, SS, 2008. Seleção de pose de manipulador autônomo
baseado em crenças para ambientes menos controlados. Tese
de doutorado, University of New South Wales, Austrália.
Willigenburg, LG van, Hol, CWJ, Henten, EJ van, 2004.
Planejamento e controle de trajetória on-line em tempo próximo
ao mínimo de um robô industrial colhendo frutas. Computadores
e Eletrônica na Agricultura, 44: 223-237.

8 177