Automation – för ökad produktion och attraktion
I forskningsprogrammet Driftsystem arbetar Skogforsk med flera projekt inom automatiserad drivning och skogsvård. Samtidigt utvecklas digitaliserade förarstöd för dagens maskinförare. Syftet är att hitta nya tekniksprång för ökad produktivitet och hållbarhet, men också att öka attraktiviteten i rekryteringen av framtidens medarbetare.
Bild av framtiden
På den stora konferensen Skogforskdagarna, som Skogforsk arrangerade i Mora hösten 2023, gav Gert Andersson, chef för forskningsprogrammet Driftsystem, en exposé över framtidens tekniska möjligheter i skogsbruket. Samtidigt gav han prov på flera projekt som Skogforsk driver inom detta område. Två av dem, autonom stocklastning med skotarkran och bildigenkänning vid mekaniserad plantering, presenterades av Tobias Semberg, civilingenjör på Skogforsk.
Se Gert och Tobias tala i spelaren ovan.
Skogforsk arbetar intensivt med att undersöka vilka möjligheter automation kan tillföra avverknings- och skogsvårdsarbetet i form av ökad produktivitet och attraktivitet.
En stor utmaning för språng i produktivitetsutvecklingen är att bryta relationen 1:1 mellan operatör och maskin, det vill säga att möjliggöra att en person, samtidigt, kan operera fler än en maskin. En annan stor utmaning är att öka mekaniseringsgraden i skogsvårdsarbetet.
Ökad automatisering, av hela eller delar av arbetsmomenten i kombination med fjärrstyrning av maskinerna, tror vi därför är angelägna utvecklingsområden för Skogforsk att arbeta med.
Ökad mekanisering och automation även inom skogsvårdsarbetet är angeläget för att öka produktiviteten i skogsbruket.
Bildigenkänning vid plantering
I Skogforsks testmiljö för automation och fjärrstyrning, Troedsson Forestry Teleoperation Lab, genomför vi en rad olika projekt och experiment.
Tillsammans med Holmen utvecklar vi ett bildanalysprogram för deras planteringsmaskin PlantmaX. På maskinen sitter kameror som ger datorn information om markytans beskaffenhet. Programmet bedömer genom bildklassificering om det är lämpligt att sätta en planta på ytan precis under kameran. För varje bild som tas ger datorn en procentsats på hur väl bilden överensstämmer med olika lämplighetsklasser för planteringspunkter, vilka datorn är tränad att känna igen. Operatören ställer in tröskelvärden för vilken överenstämmelse programmet ska tolerera innan datorn skickar ut en signal som stoppar plantering på bedömd planteringspunkt.
Autonom stocklastning
Ett annat projekt där bildanalys har använts är autonom lastning på skotare. Här används metoden objektidentifiering. Datorn markerar de objekt den känner igen (grip och stock) i bilder som tas i den kranmonterade kameran. När detta görs med en stereokamera kan även objektets fysiska position relativt kameran bestämmas.
För att lasta stockarna på lasset används en kombination av vanlig kranstyrning utifrån kransensorer och ren kamerastyrning. Med sensorer läggs kranen ut till en position där kranspetsen är synlig för kameran. Kameran tar då över all styrning av kranen och gör det enbart med visuell återkoppling genom kameran, precis så som en människa jobbar. När stocken sitter i gripen, och vrids in så att den är i linje med kranen, läggs den upp på lasset med hjälp av kransensorerna och cykeln upprepas för nästa stock.
Utvecklingen mot automation i skogsbruket går stegvis: från beslutsstöd och delautomation till testriggar, enstaka system och större system med flera maskiner.
Vi ser framför oss en utvecklingstrappa där olika deltekniker byggs samman till beslutsstöd och delautomatiserade arbetssekvenser. Efterhand kan alltmer autonoma maskiner för avverknings- och skogsvårdsarbete ta form.
Vi granskar och publicerar din kommentar så snart som möjligt.