Loading...
Publication
ADVANCING EFFICIENT AUTOMATED HARVESTING: AI -BASED FRUIT DETECTION AND DIGITAL TWIN INTEGRATION FOR AGRICULTURE 5 . 0
| Name: | Description: | Size: | Format: | |
|---|---|---|---|---|
| 115.74 MB | Adobe PDF |
Authors
Abstract(s)
The rapid growth of the global population has intensified the demand for food
production, highlighting the importance of more efficient agricultural practices. Since
crop harvesting is one of the earliest stages in the food supply chain, improving its
efficiency will positively impact the following steps in the supply chain, reducing
waste and ensuring higher quality products reach consumers. This stage, like many
others in agriculture, faces significant challenges in becoming more efficient due to
the need for human intervention and the shortage of labor. Therefore, innovative
approaches and technological advancements are essential to develop solutions that
can address these issues.
This thesis presents a comprehensive solution leveraging artificial intelligence (AI),
robotics, and digital twins to address the challenges of automating the process of
fruit harvesting. It uses AI to detect fruit ripeness, robotics for automated harvesting,
and digital twins to simulate the evolution of the fruits’ ripeness over time. By
automating the assessment of the ripeness, the proposed system helps ensure that
fruits are harvested at their optimal stage, maintaining quality standards that are
critical for meeting consumer preferences.
Among the AI models tested, the Gelan-c model achieved the best performance,
with a box precision of 96% and mask precision of 95.8% in ripeness detection. The
system’s capability to determine precise 3D coordinates of fruits enables the robotic
arm to reliably align itself with the target fruit, demonstrating a high success rate
in positioning. In controlled conditions, the system successfully picked and stored
ripe fruits 90% of the time.
These results suggest that the proposed system can significantly enhance the
efficiency of fruit harvesting, reducing reliance on manual labor and improving
overall productivity. The integration of digital twins allows for more accurate resource
planning and ripeness prediction, contributing to a more sustainable and
data-driven approach to agriculture.
Devido ao aumento da população mundial, há uma crescente necessidade de aumentar a produção de alimentos e melhorar a eficiência em toda a cadeia de distribuição. Uma vez que a colheita de culturas é uma das primeiras fases da cadeia de abastecimento alimentar, melhorar a sua eficiência terá um impacto positivo nas seguintes fases da cadeia, reduzindo o desperdício e garantindo que produtos de maior qualidade chegam aos consumidores. Esta fase, como muitas outras na agricultura, apresenta grandes desafios para se tornar mais eficiente devido à necessidade de intervenção humana e à escassez de mão de obra. Desta forma, são necessárias abordagens inovadoras e avanços tecnológicos para desenvolver novas soluções e resolver estes problemas. Esta tese apresenta uma solução abrangente que utiliza inteligência artificial (IA), robótica e gémeos digitais para abordar os desafios da automatização do processo de colheita de fruta. A IA é utilizada para detetar o estado de maturação dos frutos, a robótica para a colheita autónoma e os gémeos digitais para simular a evolução do estado de maturação dos frutos ao longo do tempo. Ao automatizar a avaliação do estado de maturação, o sistema proposto ajuda a garantir que os frutos são colhidos no seu melhor estado, mantendo os padrões de qualidade que são fundamentais para satisfazer as preferências dos consumidores. Entre os modelos de IA testados, o modelo Gelan-c teve o melhor desempenho, com uma bounding box precisionde 96% e mask precision de 95,8% na deteção de maturação. A capacidade do sistema de calcular coordenadas 3D precisas dos frutos permite que o braço robótico se alinhe de forma confiável com o fruto a colher, demonstrando uma alta taxa de sucesso na sua posição. Em ambientes controlados, o sistema colheu e armazenou frutos maduros com um sucesso de 90%. Estes resultados indicam que o sistema proposto pode melhorar significativamente a eficiência da colheita de frutas, reduzindo a necessidade de trabalho manual e aumentando a produtividade. A integração de gémeos digitais permite um planeamento de recursos e uma previsão de maturação mais precisos, contribuindo para uma abordagem mais sustentável e orientada para os dados na agricultura.
Devido ao aumento da população mundial, há uma crescente necessidade de aumentar a produção de alimentos e melhorar a eficiência em toda a cadeia de distribuição. Uma vez que a colheita de culturas é uma das primeiras fases da cadeia de abastecimento alimentar, melhorar a sua eficiência terá um impacto positivo nas seguintes fases da cadeia, reduzindo o desperdício e garantindo que produtos de maior qualidade chegam aos consumidores. Esta fase, como muitas outras na agricultura, apresenta grandes desafios para se tornar mais eficiente devido à necessidade de intervenção humana e à escassez de mão de obra. Desta forma, são necessárias abordagens inovadoras e avanços tecnológicos para desenvolver novas soluções e resolver estes problemas. Esta tese apresenta uma solução abrangente que utiliza inteligência artificial (IA), robótica e gémeos digitais para abordar os desafios da automatização do processo de colheita de fruta. A IA é utilizada para detetar o estado de maturação dos frutos, a robótica para a colheita autónoma e os gémeos digitais para simular a evolução do estado de maturação dos frutos ao longo do tempo. Ao automatizar a avaliação do estado de maturação, o sistema proposto ajuda a garantir que os frutos são colhidos no seu melhor estado, mantendo os padrões de qualidade que são fundamentais para satisfazer as preferências dos consumidores. Entre os modelos de IA testados, o modelo Gelan-c teve o melhor desempenho, com uma bounding box precisionde 96% e mask precision de 95,8% na deteção de maturação. A capacidade do sistema de calcular coordenadas 3D precisas dos frutos permite que o braço robótico se alinhe de forma confiável com o fruto a colher, demonstrando uma alta taxa de sucesso na sua posição. Em ambientes controlados, o sistema colheu e armazenou frutos maduros com um sucesso de 90%. Estes resultados indicam que o sistema proposto pode melhorar significativamente a eficiência da colheita de frutas, reduzindo a necessidade de trabalho manual e aumentando a produtividade. A integração de gémeos digitais permite um planeamento de recursos e uma previsão de maturação mais precisos, contribuindo para uma abordagem mais sustentável e orientada para os dados na agricultura.
Description
Keywords
Automação industrial Agricultura Inteligência artificial Robótica Processo de colheita de fruta Gémeos Digitais