El presente trabajo aborda el desarrollo de un sistema prototipo de guiado autónomo
para vehículos agrícolas utilizados en tareas de poda y cosecha en espalderas de frutales.
Actualmente, estas labores se realizan de manera manual, lo que implica un esfuerzo físico y una posible disminución en la eficiencia debido a errores humanos. Para abordar esta
problemática, se diseñó e implementó un sistema basado en Inteligencia Artificial (IA) y
visión monocular, con el objetivo de automatizar la navegación del vehículo agrícola en
un entorno estructurado. El desarrollo del proyecto se estructuró en tres fases principales: desarrollo computacional, diseño del sistema de control, y fabricación y validación
del prototipo físico, con pruebas en un ambiente simulado para evaluar el funcionamiento
del sistema en conjunto. Los resultados obtenidos muestran que el sistema es capaz de
detectar con alta exactitud las hileras de árboles y estimar la posición e inclinación del
vehículo respecto de la espaldera. Durante las pruebas en un entorno controlado, el modelo de IA logró detectar la posición e inclinación con errores comprendidos entre 0,01 m
y 0,07 m en la posición y entre 0° y 1° en la inclinación. Además, se logró la integración
de los modelos y sistema de control propuesto en un prototipo a escala, logrando medir
distintas trayectorias dentro de la espaldera simulada. Se concluye que la integración de
IA y visión por computadora representa una solución viable para el guiado autónomo de
vehículos agrícolas en espalderas.
This work addresses the development of a prototype autonomous guidance system for
agricultural vehicles used in pruning and harvesting tasks in trellised orchards. Currently,
these tasks are carried out manually, which implies physical effort and a potential decrease in efficiency due to human errors. To address this issue, a system based on Artificial
Intelligence (AI) and monocular vision was designed and implemented, aiming to automate the navigation of the agricultural vehicle in a structured environment. The project
development was structured into three main phases: computational development, control
system design, and the fabrication and validation of the physical prototype, with testing
conducted in a simulated environment to evaluate the systems overall performance. The
results show that the system is capable of accurately detecting tree rows and estimating
the vehicle’s position and inclination with respect to the trellis. During tests in a controlled environment, the AI model achieved position estimation errors ranging from 0.01 m
to 0.07 m, and inclination errors between 0° and 1°. Additionally, the integration of the
models and proposed control system into a scaled prototype allowed for the measurement
of different trajectories within the simulated trellis. It is concluded that the integration
of AI and computer vision represents a viable solution for the autonomous guidance of
agricultural vehicles in trellised orchards.
Excepto si se señala otra cosa, la licencia del ítem se describe como Atribución-NoComercial-CompartirIgual 4.0
