کشاورزان برای جمع آوری محصولات خود در زمان برداشت به کمباین تکیه می کنند، به ویژه برای مزارع کشاورزی صنعتی بزرگ از محصولات غلات مانند گندم، ذرت، سویا و برنج. از نظر تاریخی، این یک کار نسبتاً دستی و مکانیکی بوده است. با این حال، با پیشرفت فناوری، و با رونق اخیر در کاربرد هوش مصنوعی (AI)، شتاب فزاینده ای به سمت کشاورزی هوشمند و برداشت هوشمند وجود داشته است.
کاربردهای فناوری جدید، در صورت اعمال مناسب، پتانسیل بهبود سرعت برداشت، به حداکثر رساندن محصول، به حداقل رساندن اتلاف، و کاهش تلاش دستی و تعداد پرسنل را دارند. این مقاله به برخی از پیشرفتها و روندهای نوآورانه اصلی که اکنون در برداشت و کمباینها اعمال میشود، نگاه میکند.
فهرست مندرجات
رشد کشاورزی هوشمند
کاربردهای فناوری هیجان انگیز در کمباین
مروری بر روندها و تحولات جاری
افکار نهایی
رشد کشاورزی هوشمند
کشاورزی هوشمند یا کشاورزی هوشمند، اصطلاحاتی برای توصیف استفاده از آخرین فناوریها برای آسانتر، هوشمندانهتر، کارآمدتر کردن و مقرونبهصرفهتر کردن کشاورزی است.
در سال 2022، ارزش بازار جهانی کشاورزی هوشمند 18.5 میلیارد دلار بود. پیشبینی میشود که این نرخ با نرخ رشد سالانه مرکب (CAGR) حدود 12 درصد در دوره 2023 تا 2032 رشد کند.
کاربردهای فناوری هیجان انگیز در کمباین

کمباین ها وظایف متعدد برداشت را با ادغام چندین کار در یک پاس واحد از دستگاه انجام می دهند. نام "کمباین" از ترکیب این وظایف گرفته شده است. برداشت شامل درو کردن (بریدن علف دانه)، خرمن کوبی (جدا کردن کاه از دانه)، تمیز کردن (حذف گل و سنگ) و سپس بریدن (جدا کردن کاه درشت از دانه های داخل) است.
هزینه و کارایی همیشه در دستور کار کشاورزان قرار دارد. کشاورزان می خواهند هزینه های نیروی کار را به حداقل برسانند و در عین حال ساعات کار مولد را افزایش دهند. راندمان برداشت محصول برای به حداکثر رساندن عملکرد و به حداقل رساندن ضایعات اهمیت فزاینده ای دارد.
فرآیندهای مکانیکی ساده برداشت، فرصتهای زیادی را برای از دست دادن دانه و محصول با کیفیت پایین ایجاد میکند، بنابراین با راهیابی فناوری در تمام جنبههای برداشت، همه چیز برای کشاورز خوب است.
تعدادی از روندهای فناوری مهیج و نوآورانه وجود دارد که می تواند زندگی کشاورز را بسیار بهبود بخشد، و بسیاری از آنها اکنون در برداشت به کار می روند. اینها شامل اینترنت اشیا (IoT)، حسگرها، پردازش تصویر در زمان واقعی، روباتیک، کشاورزی خودمختار و اکنون هوش مصنوعی است.
برخی از روش هایی که در آن فناوری به کار گرفته می شود عبارتند از:
- نقشه برداری مزرعه و عملکرد، رسم محصول برای برداشت
- استفاده از GNSS و GPS برای ارائه سفر میدانی بهینه
- رانندگی رباتیک و خودمختار برای کاهش نیاز به کار انسان و امکان ساعات کار طولانی تر
- اتصال اینترنت اشیا برای ارائه داده های زمان واقعی در مورد برداشت به چندین سیستم
- حسگرها و دوربینها، همراه با پردازش تصویر هوش مصنوعی، برای نظارت و کاهش اتلاف و به حداکثر رساندن بازده
- حرکت هوشمند هدر و تنظیم زاویه برای برش نزدیک حتی در زمین های شیب دار و ناهموار
- تعمیر و نگهداری پیش بینی برای بهینه سازی استفاده از ماشین و کاهش زمان خرابی و
مروری بر روندها و تحولات جاری
نقشه برداری میدانی، GNSS و GPS، و برداشت مستقل

جدیدترین نرم افزار کشاورزی قادر به نقشه برداری از مزرعه محصول مورد برداشت است و می توان نقشه برداری را به روش های مختلف انجام داد. یکی از راه های تولید نقشه میدانی به صورت دستی است، با استفاده از نرم افزار نقشه برداری با تصویر ماهواره ای برای بزرگنمایی و علامت گذاری مرزها. اکثر تولید کنندگان بزرگ نرم افزار نقشه برداری میدانی را ارائه می دهند.
پس از تکمیل نقشه میدانی، می توان مرزها را به دقت مشخص کرد و سطح زمین را محاسبه کرد. سپس می توان از نقشه برای نقشه برداری عملکرد، ارزیابی بهره وری محصول برای پیش بینی عملکرد استفاده کرد. برنامه های کاری را می توان اضافه کرد و داده های تاریخی میدانی را به راحتی بررسی کرد. هنگامی که مزرعه نقشه برداری شد، سیستم های ردیابی پیشرفته می توانند برنامه ریزی کنند و به برداشت بهینه محصول کمک کنند.
روش دیگر برای ترسیم یک میدان، استفاده از سیستمهای ماهوارهای ناوبری جهانی (GNSS) همراه با GPS و قابلیتهای بیسیم و اینترنت یکپارچه برای ارائه موقعیتیابی بسیار دقیق است. دادههای گرفتهشده از فعالیتهای کشاورزی قبلی را میتوان استفاده کرد، که میتوان از کشت، کاشت یا برداشت قبلی ثبت کرد. داده های ضبط شده را می توان به سرعت و با دقت به دستگاه های محلی و راه دور منتقل کرد.
اپراتورها و مدیران مزرعه هنگامی که با جدیدترین سنسورها و دوربینها، همراه با سایر ویژگیهای ضبط داده هوشمند ترکیب میشوند، میتوانند تجزیه و تحلیل دقیقی در مورد عملکرد، کارایی و ایمنی جمعآوری کنند.
این سیستم های موقعیت یابی دقیق همچنین عملکرد خودکار، رباتیک یا از راه دور ماشین آلات، بهبود دقت و ایمنی، جلوگیری از برخورد و ردیابی از راه دور را امکان پذیر می کنند.
به عنوان مثال، جان دیر یک مرکز عملیات کامپیوتری را با ابزارهایی برای نقشه برداری مزرعه فراهم می کند، و نرم افزار AutoTrac™ آنها با مرکز عملیات ادغام می شود تا مسیرهای برداشت را ترسیم و کنترل کند که شکاف ها و همپوشانی ها را برای بهینه سازی برداشت محصول کاهش می دهد. سیستمهای آنها همچنین میتوانند بهعنوان عملیات کاملاً مستقل و بدون راننده اجرا شوند.
Kubota ویژگیهای مشابهی را با FMIS (سیستم اطلاعات مدیریت مزرعه) ارائه میکند که میتواند یک نقشه میدانی لایهای ارائه کند که میتواند با سنجش و تجزیه و تحلیل و همچنین راهحلهای رانندگی خودکار یکپارچه شود.
ترکیب سنسورها و دوربین ها برای به حداکثر رساندن محصول برداشت

سازندگان دروگر سالهاست که با چالش متعادل کردن سرعت دروگر در برابر از دست دادن دانه در هنگام خرمنکوبی دست و پنجه نرم میکنند. افزایش سرعت دروگر با انتظار راندمان بهتر باعث انسداد و افزایش هدررفت دانه، چه در اثر افتادن و چه هنگام تخلیه با گرد و غبار، کاه و کاه می شود.
یانمار بیش از 10 سال است که از حسگرها همراه با نقشه های میدانی برای یافتن راه حل هایی برای شناسایی ریزش دانه ها در زمان واقعی استفاده می کند و به سرعت تجزیه و تحلیل می کند که آیا این ریزش دانه ها ناشی از کوبیدن یا تکان دادن است، به طوری که فیدرها، غربال ها و دریچه های تخلیه را می توان در صورت نیاز تنظیم کرد.
تکامل سیستمهای هوش مصنوعی باعث شده است که پردازش تصویر دوربین در زمان واقعی سریع و دقیق باشد. این اجازه می دهد تا با سایر سیستم های حسگر ادغام شود تا نقاط با عملکرد متفاوت در سطح مزرعه و مناطق با تراکم بیشتر یا کمتر محصول شناسایی شود. استفاده از این فناوریهای ترکیبی باعث میشود که سرعت برداشت مطابق با آن تنظیم شود تا بازده محصول ثابتی حفظ شود. این تنظیم سریع زمان واقعی برای به حداکثر رساندن بازده و به حداقل رساندن اتلاف و همچنین به حداکثر رساندن راندمان موتور خدمت می کند.
به عنوان مثال، فناوری IntelliSense نیوهلند میتواند مقدار مواد روی روتورها و غربالها را محاسبه کند و از دست دادن دانه را با استفاده از حسگرهایی در کفش تمیزکننده همراه با دوربینهای نظارت بر دانه اندازهگیری کند. سپس سیستم می تواند عمل و تنظیمات مناسب را برای خرمنکوبی، فن و غربال انتخاب کند.
مدلهای نیوهلند مانند TC5.30 و مدلهای یانمار با SMARTASSIST، چندین سیستم هوشمند را برای بهینهسازی توان عملیاتی، بهبود عملکرد، اندازهگیری سطوح رطوبت دانه و بهبود کیفیت کلی دانه ادغام میکنند.
سنسورها و دوربین های زمینی برای انطباق با ارتفاع و زمین

با دروگرهای کمتر هوشمند، ارتفاع برش محصول معمولاً قبل از شروع برداشت تنظیم شده است، مانند بسیاری از تنظیمات دیگر. تنظیمات میله برش به صورت دستی روی دروگر در حالی که ساکن است انجام می شود و برای نوع محصولی که باید برداشت شود تنظیم می شود.
هدر که محصول را برش می دهد معمولاً در یک زاویه افقی ثابت می شود. با این حال، یک هدر افقی ثابت برای زمین هایی که کاملاً مسطح نیستند، دارای فرورفتگی، برآمدگی یا شیب هستند، ایده آل نیست. شکاف زیر میله کاتر به معنای برش ناهموار، باقی ماندن کلش ناهموار و دانه های بالقوه از دست رفته است. بسیاری از دروگرهای قدیمی دارای هدرهایی هستند که می توان آنها را به صورت دستی برای تناسب با یک شیب زاویه داد.

اکنون گرایش به سمت ماشینهای پیشرفته است که از فناوری حسگر زمین برای شناسایی زمین ناهموار و سپس تنظیم خودکار ارتفاع میله برش استفاده میکنند. برخی از تولیدکنندگان، بالهای هدر قابل تنظیم را برای انطباق با زمین پیشنهاد میکنند. این بال ها از مجموعه اصلی به هر دو طرف گسترش یافته و می توانند به طور مستقل بالا یا پایین تنظیم شوند تا با شیب های مختلف سازگار شوند.
John Deere طیف پیشرفته ای از دروگرهای فن آوری جدید را با هدرهای پارچه ای انعطاف پذیر ارائه می دهد که به عنوان میله های برش مستقل عمل می کنند. این بالهای هدر قابل تنظیم از مرکز بیرون میروند و میتوانند به طور مستقل بالا یا پایین تنظیم شوند تا با شیب یا میدان منحنی مطابقت داشته باشند. در پشت میلههای برش، تسمههای دریپر نیز با هدر تنظیم میشوند تا خوراک دانه را با حداقل تلفات حفظ کنند. سازنده می گوید که بال ها می توانند تا 10 درجه خم شوند که به این معنی است که نوک بال ها تا 8.5 فوت (2.6 متر) حرکت عمودی دارند.
ترکیبات مشابهی از سنسورها و دوربین ها می توانند ناهمواری های زمین را شناسایی کرده و سرعت برداشت را بر اساس آن تنظیم کنند تا سرعت برداشت در شیب های بالا را افزایش داده و سرعت در شیب های پایین را کاهش دهند. این امر به حفظ یکنواخت کوبیدن کمک می کند و از جریان ناکافی و ناکارآمد دانه، یا جریان بیش از حد، هدر رفتن و گرفتگی در نتیجه جلوگیری می کند.
جان دیر این کار را با استفاده از ترکیبی از دوربین های نصب شده در جلو و نقشه برداری میدانی انجام می دهد. ادغام این فنآوریها به برداشتگر اجازه میدهد تا به جای پاسخگویی به تغییر زمین، پیشبینی کند.
تعمیرات قابل پیش بینی
اگرچه کاربردهای فراوان فناوری حسگر به کشاورز در به حداکثر رساندن عملکرد و بهره وری برداشت کمک می کند، یکی دیگر از تحولات مهم در جمع آوری داده ها استفاده از نظارت از راه دور برای ارائه هشدارهای تعمیر و نگهداری پیش بینی، کاهش زمان از کار افتادن دستگاه و هزینه های نگهداری است.
استفاده از ردیابی GPS، همراه با اینترنت اشیا که با فناوری هوش مصنوعی تجزیه و تحلیل شده است، به کامپیوتری اجازه می دهد سیستم مدیریت نگهداری (CMMS) برای پیگیری مایل ها (کیلومتر) تحت پوشش و ساعات کار. این سیستمها میتوانند هشدارهایی را در مورد زمانبندی سرویس ارائه دهند و میتوانند دادهها را برای ارائه اطلاعات در مورد سرعت عملیات و کارایی تجهیزات تجزیه و تحلیل کنند.
افکار نهایی
کشاورزی می تواند شغلی پرمشقت و ناکارآمد باشد، بنابراین از هرگونه استفاده از فناوری برای آسان کردن کار و مهمتر از همه کارآمد و مقرون به صرفه استقبال می شود.
معرفی فناوریهای حسگر، از جمله استفاده از دوربینهایی با پردازش تصویر سریع، که همگی با هوش مصنوعی همراه شدهاند، مزایای بسیار زیادی را برای کشاورز فراهم میکنند و این کاربردهای فناوری تنها در آینده افزایش خواهند یافت.
کمباینها هوشمندتر میشوند و اطلاعات بسیار بیشتری اکنون در دست اپراتور است. برخی از این اطلاعات می توانند به طور مستقل توسط سیستم های تعبیه شده عمل کنند، و برخی دیگر به روش های بلادرنگ سریع به اپراتور اطلاع می دهند.
کشاورزان اکنون میتوانند به روشهای هوشمندانهتر بر کل مزرعه و عملکرد تا برداشت نظارت کنند، همپوشانی مسیر برداشت را کاهش دهند و قدرت و سرعت را در مناطق کم محصول بهینه کنند. کشاورز می تواند بیشتر برداشت کند، با کیفیت بهتر، و کمتر از دست بدهد، به این معنی که در کل محصول بهتری خواهد داشت. این به معنای بهره وری بهتر برای کشاورز، هزینه کمتر و درآمد بیشتر برای سرمایه گذاری است.
این زمان های هیجان انگیز برای کشاورزی است. برای کسب اطلاعات بیشتر در مورد کمباین های موجود، به نمایشگاه آنلاین مراجعه کنید Chovm.com.