Projekt GreenBot stanowi kluczowy krok w kierunku zrównoważonego rolnictwa dzięki wdrożeniu w terenie wysoce precyzyjnego autonomicznego pojazdu przeznaczonego do inteligentnego i lokalnego zwalczania chwastów w uprawach drzew takich jak migdałowce, cytrusy oraz drzewa oliwne. To przełomowe rozwiązanie, będące wynikiem współpracy publiczno-prywatnej, integruje sztuczną inteligencję (AI), robotykę i widzenie komputerowe dla celów optymalizacji stosowania środków ochrony roślin, obniżenia kosztów oraz złagodzenia wpływu intensywnego rolnictwa na środowisko.

Technologiczna odpowiedź na agronomiczne wyzwanie

Chwasty stanowią stałe zagrożenie w produkcji rolnej, a straty plonów szacowane są nawet na 40%. Konwencjonalne metody zwalczania, oparte na powszechnym stosowaniu herbicydów, są nie tylko kosztowne (do 30% kosztów produkcji), ale także szkodliwe dla środowiska ze względu na zjawiska znoszenia bądź spływania.

GreenBot rozwiązuje ten problem dzięki precyzyjnemu i ukierunkowanemu podejściu, dostosowanemu do złożonego środowiska upraw drzew, w którym specyficzny dostęp do przestrzeni pod koronami drzew, a także obecność systemów nawadniających sprawiają, że użycie konwencjonalnych maszyn jest niemożliwe bez ryzyka uszkodzeń.

Wstępne wyniki i walidacja w terenie

Podczas testów terenowych autonomiczny system okazał się skuteczny w różnych warunkach nasłonecznienia, gleby i pokrywy roślinnej. Zidentyfikowano obszary wymagające poprawy w odniesieniu do wykrywania małych roślin w zacienionych warunkach, co doprowadziło do dalszego szkolenia modelu z wykorzystaniem wzbogaconych danych.

Przy szybkości wnioskowania wynoszącej 1 sekundę na obraz system jest w stanie działać w czasie rzeczywistym, bez potrzeby korzystania z zewnętrznych serwerów. Osiągnął on pełną równowagę między percepcją, nawigacją i lokalnym zastosowaniem, potwierdzoną przez wszystkie zaangażowane zespoły techniczne.

W projekcie GreenBot uczestniczy multidyscyplinarne konsorcjum złożone z grupy badawczej AGR-278 „Smart Biosystems Laboratory” Uniwersytetu w Sewilli, GMV, TEPRO, PIONEER HiBred Spain SL i Cooperativas Agroalimentarias de Andalucía. Projekt Greenbot Task Force ma trwać 21 miesięcy i zakończyć się 30 czerwca 2025 roku. 

Zaawansowana technologia do zastosowań lokalnych

W ramach tego projektu firma GMV opracowała autonomiczną platformę robotyczną sterowaną za pomocą rozwiązania uPathWay, które łączy w sobie rozpoznawanie obrazu, inteligentną nawigację i lokalny system zastosowań produktów fitosanitarnych. Robot integruje:

• Autonomiczną nawigację międzyrzędową opartą na ROS2, czujnikach GNSS RTK, IMU i opcjonalnie LiDAR lub czujnikach zbliżeniowych.

• Półokrągłe ramię robota okrążające pnie bez zatrzymywania się, wyposażone w dysze rozpylające aktywowane tylko w określonym obszarze, w którym wykryto chwasty, co minimalizuje zużycie środków chemicznych.

• System precyzyjnie identyfikuje krytyczny obszar, który ma zostać poddany zabiegowi – między pniem a linią systemu nawadniania – unikając uszkodzeń upraw i zapewniając skuteczną interwencję w przypadku istniejących chwastów.

Rdzeń systemu wykrywania chwastów, opracowany przez Uniwersytet w Sewilli, opiera się na systemie stereowizyjnym ZED 2i zainstalowanym na niskiej wysokości, podłączonym do procesora Jetson AGX Orin 64 GB. Wyszkolony ad hoc model wykrywania oparty na YOLO przetwarza obrazy o wysokiej rozdzielczości w czasie rzeczywistym, identyfikując gatunek, położenie i wymiary każdego chwastu z dokładnością przestrzenną ±2 cm.

Każde wykrycie jest przetwarzane na strukturyzowany zestaw danych (obraz z adnotacjami, klasa, zaufanie, współrzędne 3D itp.), który jest automatycznie integrowany z systemem sterowania i przetwarzania robota za pośrednictwem interfejsu API REST zaimplementowanego za pomocą FastAPI.

Projekt finansowany jest z funduszy przydzielonych na postawie zaproszenia do składania wniosków o przyznanie pomocy na funkcjonowanie grup zadaniowych Europejskiego Partnerstwa Innowacyjnego (EPI) w 2022 r. w ramach Programu Rozwoju Obszarów Wiejskich Regionu Andaluzji na lata 2014–2022, na mocy zarządzenia z dnia 7 lipca 2020 r. Regionalnego Ministerstwa Rolnictwa, Hodowli, Rybołówstwa i Zrównoważonego Rozwoju (poddziałanie 16.1, operacje 16.1.2 i 16.1.3).