Cuộc cách mạng nông nghiệp thông minh: Cảm biến quán tính đang thúc đẩy độ chính xác và năng suất như thế nào? 

Tác giả Tzeno Galchev

Tóm tắt

Áp lực phải đảm bảo nguồn cung lương thực bền vững cho dân số ngày càng tăng trên toàn thế giới đang dẫn đến việc áp dụng nhiều công nghệ và tự động hóa hơn trong nông nghiệp thông minh hiện đại. Cảm biến quán tính đóng vai trò quan trọng trong nhiều ứng dụng khác nhau. Các thiết bị đo lường quán tính chính xác đang được sử dụng để điều hướng và ổn định cho quá trình robot hóa ngày càng tăng trong ngành công nghiệp, bao gồm máy kéo tự lái, robot thu hoạch, máy bay không người lái, v.v. Hơn nữa, cảm biến quán tính băng rộng có thể được sử dụng để bảo trì dự đoán cho tất cả các loại máy móc phức tạp này. Cuối cùng, cảm biến quán tính giúp hỗ trợ nhiều phương thức cảm biến tại chỗ như theo dõi động vật, phát hiện động dục ở động vật nuôi lấy sữa và theo dõi các dấu hiệu sinh tồn.

Giới thiệu

Dân số thế giới dự kiến ​​sẽ đạt gần 10 tỷ người vào năm 2050, đòi hỏi sản lượng lương thực toàn cầu phải tăng 70% khi mức sống tăng lên trên toàn cầu. Tuy nhiên, thị trường nông nghiệp đang phải đối mặt với những thách thức chưa từng có. Nhiều quốc gia phát triển và đang phát triển đang phải đối mặt với tình trạng thiếu hụt lực lượng lao động nông nghiệp. Thế hệ trẻ đang dần rời bỏ nông nghiệp truyền thống, và chi phí lao động tiếp tục tăng. Thêm vào đó, biến đổi khí hậu càng làm trầm trọng thêm thách thức, với các hình thái thời tiết khó lường, suy thoái đất và khan hiếm nước, gây ra những khó khăn lớn cho nông dân trên toàn cầu. Các doanh nghiệp nông nghiệp phải tối đa hóa năng suất, giảm thiểu lãng phí và tối ưu hóa chi phí để đáp ứng nhu cầu và duy trì khả năng cạnh tranh. Đây là nơi công nghệ đóng vai trò quan trọng. Sự phát triển của trí tuệ nhân tạo (AI), máy học (ML), robot và Internet vạn vật (IoT) đã giúp việc tự động hóa trong nông nghiệp thông minh trở nên khả thi và tiết kiệm chi phí hơn. Nông dân hiện nay có thể tiếp cận những thông tin chi tiết dựa trên dữ liệu giúp cải thiện việc ra quyết định nhanh chóng.

Các hệ thống tự động, chẳng hạn như máy gặt robot và giám sát bằng máy bay không người lái, cho phép các hoạt động canh tác nhanh hơn, hiệu quả hơn và giảm sự phụ thuộc vào lao động thủ công. Kỹ thuật canh tác chính xác cải thiện sức khỏe của đất, vị trí gieo hạt và sự phát triển của cây trồng, dẫn đến năng suất cao hơn trên mỗi mẫu đất. Hệ thống tưới tiêu và bón phân thông minh giảm thiểu lãng phí nước và phân bón, dẫn đến tiết kiệm chi phí và bảo tồn tài nguyên.

Trong thế giới nông nghiệp thông minh, cảm biến quán tính đóng nhiều vai trò quan trọng. Trước hết, cảm biến quán tính cung cấp dữ liệu thời gian thực về gia tốc, hướng và vị trí, cải thiện hiệu quả của các phương tiện nông nghiệp tự hành và bán tự hành (tự lái). Các thiết bị đo quán tính (IMU), được hỗ trợ bởi GPS, được sử dụng để điều hướng và lái các phương tiện trên bộ và trên không như máy kéo, robot và máy bay không người lái, giám sát tư thế và các trạng thái quán tính khác của chúng, và cho phép các phương tiện này đi theo các đường dẫn chính xác để gieo hạt, cày xới và phun thuốc, cuối cùng giúp giảm chi phí và cải thiện tính bền vững của nông nghiệp. Thứ hai, trong quản lý chăn nuôi, cảm biến quán tính có thể được sử dụng để theo dõi chuyển động và hành vi của động vật, cho phép nông dân theo dõi sức khỏe đàn và phát hiện những bất thường trong mô hình hoạt động. Cuối cùng, việc tích hợp cảm biến quán tính với trí tuệ nhân tạo (AI) giúp cải thiện hơn nữa việc bảo trì dự đoán thiết bị nông nghiệp, giảm thời gian ngừng hoạt động và chi phí bảo trì.

Những tiến bộ trong công nghệ hệ thống vi cơ điện tử (MEMS) đã dẫn đến hiệu suất được nâng cao, khiến các IMU MEMS trở nên then chốt cho các nền tảng xe tự hành (AV) có khả năng mở rộng. IMU MEMS thường đóng vai trò là các phần tử cảm biến phản hồi trong các hệ thống điều khiển chuyển động, chẳng hạn như điều khiển dẫn hướng (GNC) trong xe tự hành hoặc trong điều khiển hướng cho các thiết bị thông minh (máy phun thuốc, máy gieo hạt, gầu xúc, lưỡi dao). Khi được sử dụng làm phần tử cảm biến phản hồi, hiệu suất của IMU MEMS có tác động trực tiếp đến độ chính xác của hệ thống. ADIS16576 là một ví dụ gần đây về IMU MEMS mang lại sự tiến bộ cả về tích hợp chức năng và hiệu suất cảm biến cốt lõi (Hình 1). Thiết bị này mang lại một bước tiến đáng kể, với hiệu quả nổi bật nhất đến từ sự cải thiện gấp 10 lần về sai số hiệu chỉnh rung động của con quay hồi chuyển (VRE) và cải thiện gấp 50 lần về VRE của gia tốc kế. Ở mức cơ bản nhất, IMU MEMS cung cấp khả năng cảm biến tốc độ góc ba trục xung quanh ba trục vuông góc với nhau (cuộn, nghiêng, xoay) đồng thời cung cấp khả năng cảm biến gia tốc tuyến tính ba trục dọc theo cùng ba trục đó. Gia tốc kế cung cấp ước lượng góc trung bình (hoặc tĩnh) trong khi việc tích hợp các phép đo con quay hồi chuyển cung cấp độ dịch chuyển góc theo thời gian thực. Bộ xử lý hệ thống kết hợp hai nguồn ước lượng góc này để tạo ra thông tin điều khiển phản hồi đáng tin cậy cho hệ thống điều khiển dẫn đường mặt đất (GNC) hoặc điều khiển hướng. Khi hoạt động theo cách này, việc có sai số tương đối (VRE) của gia tốc kế là 1,3 mg, dưới độ rung rms 4g, có nghĩa là nền tảng GNC có thể duy trì góc tư thế tốt hơn 0,1° mà không cần sự hỗ trợ từ bất kỳ chức năng cảm biến nào khác. Điều này có thể rất hữu ích cho UAV có thể trải qua những thay đổi đáng kể về độ rung, tùy thuộc vào mức lực đẩy. Trong con quay hồi chuyển, VRE có thể tạo ra những thay đổi nhanh chóng và dai dẳng về độ lệch, có thể dẫn đến hiệu chỉnh chuyển động sai và, trong trường hợp xấu nhất, có thể dẫn đến sự mất ổn định của nền tảng. Trong các thiết bị thế hệ trước, phản hồi VRE có thể vượt quá 300°/giờ, dưới 8 g rms, trong khi ADIS16576 cung cấp phản hồi 12°/giờ, giúp giảm đáng kể gánh nặng ước lượng/hiệu chỉnh bởi các phương thức cảm biến hệ thống khác. Một trong những cải tiến chức năng quan trọng nhất của IMU MEMS này là khả năng đồng bộ hóa bên ngoài có thể mở rộng. Bằng cách bao gồm chức năng điều chỉnh tỷ lệ xung nhịp do người dùng lập trình, các nhà phát triển hệ thống giờ đây có thể điều khiển việc lấy mẫu dữ liệu IMU 4000 Hz với các tham chiếu cấp hệ thống chậm hơn, chẳng hạn như GPS hoặc đồng bộ video. Điều này cung cấp cả sự kết nối chặt chẽ với các tham chiếu cảm biến xung trên giây (PPS) hoặc cảm biến nhận thức trong khi vẫn giữ nguyên tất cả các tùy chọn xử lý kỹ thuật số mà việc lấy mẫu dữ liệu cao hơn cung cấp. Hình 2 và Hình 3 minh họa một ví dụ trong đó nền tảng xe tự hành sẽ sử dụng tham chiếu GPS 20 Hz và hệ số tỷ lệ 200× để tạo ra tốc độ lấy mẫu nội bộ là 4000 Hz. Ngoài ra, hệ thống này minh họa việc sử dụng bộ lọc giảm mẫu trên bo mạch để giảm tốc độ dữ liệu đầu ra xuống 20 lần (200 Hz). Trong những tình huống năng động hơn, chẳng hạn như máy bay không người lái kiểm tra mùa màng hoạt động trong điều kiện gió mạnh, bộ xử lý hệ thống có thể cần đọc và xử lý dữ liệu ở tốc độ lấy mẫu tối đa để đảm bảo tính ổn định và khả năng điều khiển.

Hình 1. Hệ quy chiếu quán tính ADIS16576.

Hình 2. Chuỗi tín hiệu ADIS16576 và các đầu vào đồng bộ hóa bên ngoài.

Hình 3. Sơ đồ thời gian của ADIS16576 ở chế độ đồng bộ hóa thang đo.

Một lĩnh vực khác mà cảm biến quán tính đang cung cấp khả năng quan trọng là trong việc sử dụng các hệ thống IoT, được dùng để liên tục giám sát vị trí và tình trạng sinh lý của động vật. Các hình thức điển hình bao gồm thẻ gắn vào tai, đuôi hoặc thân, và vòng cổ thông minh đeo quanh cổ. Những thẻ này có thể giúp quản lý vị trí đàn và quan trọng hơn là cung cấp thông tin liên tục về sức khỏe động vật, chẳng hạn như hoạt động, thời gian cho ăn và nhịp thở, và các khả năng mới hơn cho phép theo dõi nhịp tim và các dấu hiệu sinh tồn khác. Vòng cổ đeo quanh cổ đã trở thành công cụ vô giá để phát hiện chu kỳ động dục ở gia súc, sự nhai lại, chứng què chân và các tình trạng khác. Một yêu cầu cốt lõi trong các hệ thống IoT này là mức tiêu thụ điện năng vì việc duy trì pin (có thể sạc lại hoặc pin dùng một lần) trong các đàn lớn là một công việc khó khăn. ADXL366 cung cấp khả năng chưa từng có về mặt này. Gia tốc kế ba trục này có thể kết nối trực tiếp với pin vì nó được điều chỉnh bên trong, có thể hoạt động ở điện áp thấp đến 1,1 V và có thể cung cấp dữ liệu chuyển động ở tần số 100 Hz với mức tiêu thụ năng lượng khoảng 1 μW. Ở mức này, mức tiêu thụ năng lượng thấp hơn cả sự tự phóng điện của pin cúc áo. Khi được sử dụng trong vòng cổ đeo ở cổ, gia tốc kế có thể chuyển đổi giữa chế độ công suất thấp và chế độ nhiễu thấp, cung cấp tín hiệu tối thiểu trong khoảng từ 3 mg đến 8 mg rms — đủ để phân biệt giữa nhịp nhai, nhịp thở và nhịp thở (R-R). Khả năng theo dõi dấu hiệu sinh tồn được nâng cao được cung cấp bởi ADXL380, hoạt động với mức nhiễu thấp hơn gần hai bậc độ lớn trên băng thông 4 kHz. Để so sánh công bằng ở băng thông 200 Hz, mức nhiễu tương đương của gia tốc kế này sẽ là 0,4 mg rms. Tỷ lệ tín hiệu trên nhiễu (SNR) như vậy, kết hợp với băng thông rộng, có thể biến gia tốc kế ba trục này thành một ống nghe có khả năng thu thập thông tin nhịp tim thông qua phép đo điện tâm đồ hoặc các loại tiếng ồn khác nhau liên quan đến hô hấp, tiêu hóa và các chức năng sinh lý khác. Bảng 1 so sánh hai gia tốc kế. Một khả năng cốt lõi khác được cung cấp bởi các cảm biến quán tính siêu tiết kiệm năng lượng là quản lý năng lượng ở cấp hệ thống của các nút IoT. ADXL366 cung cấp chế độ đánh thức chuyên dụng có thể được sử dụng để khởi động lại các hệ thống điện tử bằng cách phát ra các ngắt dựa trên các cấu hình chuyển động được phát hiện. Một cấu hình điển hình có thể được tìm thấy trong Hình 4. Các gia tốc kế cung cấp một tập hợp phong phú các tham số có thể lập trình để cấu hình cấu hình chuyển động mong muốn và, quan trọng nhất, đánh thức và lấy mẫu ở băng thông đầy đủ. Khả năng này rất quan trọng để tránh hiện tượng răng cưa và phát hiện sai. Ở chế độ đánh thức, ADXL366 chỉ tiêu thụ một lượng điện năng đáng kinh ngạc là 180 nA. Bằng cách tận dụng khả năng này, các cảm biến, bộ thu phát vô tuyến và các thành phần khác tiêu thụ nhiều năng lượng có thể được tắt nguồn khi không cần thiết để tăng tuổi thọ hữu ích của nút cảm biến.

Hình 4. ADXL366 được cấu hình như một công tắc chuyển động trong hệ thống IoT.

Do đó, đối với bảo trì dự đoán, gia tốc kế cần cung cấp ba thông số quan trọng. Chúng cần có độ nhiễu thấp (dự đoán sớm hơn), băng thông cao (để phát hiện tất cả nội dung phổ và hỗ trợ phân loại lỗi) và phạm vi đo đủ lớn. Tuy nhiên, thông số cuối cùng thường bị bỏ qua, vì độ lớn của gia tốc tỷ lệ thuận với tần số ω2, và nội dung phổ tần số cao có thể làm bão hòa cảm biến nếu không được xem xét. Gia tốc kế kỹ thuật số ba trục ADXL382 mới cung cấp cả ba yêu cầu trong một gói nhỏ gọn. Sản phẩm có phạm vi toàn thang đo lên đến 60 g, băng thông 8 kHz và độ nhiễu cực thấp < 55 μg/√Hz.

Chủ đề cuối cùng liên quan đến việc tích hợp cảm biến quán tính và phân tích AI cho bảo trì dự đoán trong nông nghiệp thông minh. Khi quy mô của các trang trại hiện đại tăng lên, họ phải dựa vào máy móc có chi phí đầu tư cao để sản xuất. Loại thiết bị này phải hoạt động chính xác trong điều kiện khắc nghiệt và sự vất vả của mùa vụ nông trại. Hỏng hóc trong mùa gieo trồng hoặc thu hoạch ngắn ngủi có thể gây thiệt hại tài chính nghiêm trọng. Ví dụ, các thiết bị điều khiển chính xác, như máy gieo hạt hoặc máy gặt, thường phải hoạt động trong điều kiện mưa, gió, bụi, bùn, mảnh vỡ, đất đá và nhiều mối nguy hiểm môi trường khác. Trong những môi trường này, sự thay đổi trong các tín hiệu rung động quan trọng có thể giúp dự đoán sớm các vấn đề, từ đó có thể được giải quyết thông qua bảo trì, vào thời điểm ít ảnh hưởng đến năng suất cao điểm. Phân tích rung động trong máy móc (tương tự như việc theo dõi dấu hiệu sinh tồn ở vật nuôi) có thể xác định chính xác chế độ hỏng hóc và thời điểm xảy ra các vấn đề khác nhau trong các bộ phận cơ khí, chẳng hạn như ổ bi bị lỗi, lệch trục, mất cân bằng, lỏng lẻo, lỗi bánh răng và các vấn đề khác. Hãy xem xét một khuyết tật của ổ bi, chẳng hạn như bị vỡ hoặc bất kỳ sai lệch vật lý nào so với hình cầu hoàn hảo. Điều này sẽ tạo ra một vết lồi trên bệ đỡ mỗi khi khuyết tật này tiếp xúc với bề mặt máy, dẫn đến một cấu hình rung động phức tạp chứa cả nội dung cơ bản và băng thông rộng. Xem Hình 5 để minh họa cấu hình rung động phức tạp theo thuật ngữ phổ.

Hình 5. Băng thông rộng, biểu diễn phổ của các lỗi máy móc thường gặp.

Kết luận Tự động hóa và công nghệ trong nông nghiệp giúp giải quyết các thách thức toàn cầu quan trọng, bao gồm an ninh lương thực, thiếu hụt lao động và tính bền vững môi trường. Bằng cách áp dụng các đổi mới như trí tuệ nhân tạo (AI), robot và nông nghiệp chính xác, ngành nông nghiệp có thể nâng cao hiệu quả, giảm chi phí và đảm bảo một tương lai bền vững hơn cho sản xuất lương thực. Cảm biến quán tính đóng vai trò quan trọng trong hệ sinh thái này vì chúng cung cấp khả năng cảm nhận cần thiết. Tuy nhiên, cần phải cẩn thận lựa chọn các cảm biến có sự phù hợp và chức năng thích hợp.

Tài liệu tham khảo

1 “Nông nghiệp toàn cầu hướng tới năm 2050.” Tổ chức Lương thực và Nông nghiệp Liên hợp quốc tháng 10 năm 2009.

Tác giả Tzeno Galchev

Tzeno Galchev là giám đốc tiếp thị và kỹ thuật ứng dụng cho các giải pháp cảm biến quán tính tại Analog Devices. Trong vai trò này, ông giám sát hoạt động kinh doanh của ADI trong lĩnh vực cảm biến quán tính, bao gồm tiếp thị chiến lược, định nghĩa sản phẩm và kỹ thuật ứng dụng. Ông nhận bằng Cử nhân Khoa học (B.S.) về kỹ thuật điện và kỹ thuật máy tính năm 2004, và bằng Thạc sĩ Khoa học (M.S.) và Tiến sĩ (Ph.D.) năm 2004. Ông tốt nghiệp kỹ sư điện vào năm 2006 và 2010, đều tại Đại học Michigan, Ann Arbor. Ông có hơn 30 bài báo và bằng sáng chế về MEMS và thường xuyên thuyết trình về các chủ đề liên quan đến MEMS, thu năng lượng và cảm biến.