Precision agriculture applied to harvesting operations through the exploitation of numerical simulation

Precision Agriculture typically focuses on Spatial Variability and Variable Rate Technology; however, when it comes to harvesting operations, this terminology needs to accommodate not only the combine harvester technology, but also the precise execution of the process to eliminate harvest losses and minimise out-of-work time. This work aims at answering these two research questions in a two-layer way. The path planning layer provides a suitable harvesting technique based on the present field boundaries and irregularities in addition to optimizing the U-turn offline. While the path tracking layer presents a vision-guided Stanley lateral controller to implement any technique effectively. To validate the developed control algorithms, event-based dynamic 3D challenging driving scenarios were created using IPG-CarMaker software to emulate wheat harvesting operations. Then, CarMaker was used in both Model-in-the-loop (MIL) co-simulations with Simulink and Driver-in-the-loop (DIL) simulations using an agricultural vehicle dynamics simulator for smart farming to simulate the behaviour of a real harvester. Results showed the effectiveness of the designed controller to follow the reference trajectory with zero harvest waste and minimum out-of-work time under regular field conditions. Whereas in presence of harsh road irregularities, the reference trajectory should be replanned by either selecting an alternative harvesting method or overlapping the harvester header by a certain distance to avoid missing crops. A quantitative and qualitative comparison between two harvesting techniques as well as comprehensive relationship between the level of irregularities and the required overlap will be presented.

L'agricoltura di precisione, quando si tratta di operazioni di raccolta, deve tenere conto non solo della tecnologia della mietitrebbia, ma anche della precisa esecuzione del processo per eliminare perdite di raccolto e ridurre al minimo i tempi di inattività. Questa tesi mira a rispondere a queste due richieste attraverso una ricerca a due livelli. Il livello di pianificazione fornisce una traiettoria di raccolta adeguata basata sugli attuali confini del campo e sulle irregolarità, oltre a ottimizzare offline l'inversione a U. Il secondo livello prevede un controllo laterale Stanley, basato sul feedback dei sensori, per inseguire ad ogni istante la traiettoria desiderata. Per convalidare gli algoritmi di controllo sviluppati, sono stati creati scenari di guida 3D dinamici utilizzando il software IPG-CarMaker per emulare le operazioni di raccolta del grano. Successivamente, CarMaker è stato utilizzato sia nelle simulazioni Model-in-the-loop (MIL) con Simulink sia nelle simulazioni Driver-in-the-loop (DIL) utilizzando un simulatore dinamico di un veicolo agricolo per emulare il comportamento di un veicolo reale. I risultati hanno mostrato l’efficacia dell’algoritmo di controllo nel seguire la traiettoria di riferimento con residui di raccolto nulli e tempi di inattività minimi in condizioni di campo regolari. Mentre in presenza di forti irregolarità stradali, la traiettoria di riferimento dovrebbe essere ripianificata selezionando un metodo di raccolta alternativo o selezionando un offset di sicurezza per la testata della mietitrice al fine di evitare perdita di raccolto. Verrà presentato un confronto quantitativo e qualitativo tra due tecniche di raccolta nonché una relazione tra il livello di irregolarità e l’offset richiesto. has context menu.