موقعيت يابي تفاضلي ارزان قيمت براي كاربردي سازي كشاورزي دقيق در مناطق كمتر توسعه يافته

Low-cost differential positioning for implementation of precision agriculture in the less developed areas

يكي از مولفه ها و اجزاء مهم "كشاورزي دقيق" كه در تمام دنيا با سرعت زيادي در حال رشد است، موقعيت يابي مناسب مي باشد. با طي شدن سير تكاملي تكنولوژي، دقت GPS نيز پيوسته درحال بهبود بوده است، اما استفاده از اين سنسورها در كشورهاي كمتر توسعه يافته همچنان با چالش تكنولوژي و قيمت روبرو است. ارتباط مستقيم دقت و قيمت GPS منجر به تلاشهايي براي استفاده از GPS هاي ارزان قيمت شده است. البته استفاده از GPS ارزان قيمت همراه با منابع مختلف خطا مي باشد. در اين پژوهش براي غلبه بر چالش ارتقا دقت موقعيت يابي در حين كاهش قيمت تجهيزات، روش جديدي ارائه گرديده است. روش پيشنهادي براساس طبيعت خطاي GPS (خطاي تصادفي و باياس) به دو قسمت تقسيم شده است. در ابتدا، خطاي تصادفي با استفاده از فيلتر كلاسيك ساده كاهش يافته است. در اين ارتباط، مقايسه اي بين سه فيلتر كالمن، پايين گذر و ميانگين متحرك انجام شده است. تنظيمات فيلترها به گونه اي انجام شد كه علاوه بر قدرت كاهش خطاي تصادفي، در كمترين زمان ممكن به محدوده خطاي مطلوب برسد. فيلتر كالمن بالاترين عملكرد را از خود نشان داد. حذف باياس جز با استفاده از گيرنده DGPS كه قابليت دريافت اصلاحات ارسالي از ايستگاه هاي مبنا را دارند امكان پذير نمي باشد. براي حل اين مشكل، ايستگاه مبنايي طراحي شد كه قابليت ارسال اصلاحات مورد نياز گيرنده هاي ارزان قيمت را داشته باشد. روش موقعيت يابي تفاضلي ارزان قيمت پيشنهاد شده منجر به كاهش 89% در شاخص خطا افقي شده كه دقت بدست آمده براي عمليات مختلفي در كشاورزي دقيت مناسب مي باشد.

Precision agriculture is rapidly growing worldwide, which is mainly based on positioning. While with the evolution of technology the accuracy of GPS data is continuously improved, the use of these sensors in the less developed countries is still challenging. The direct price link with the accuracy of the GPSs has led to attempts to use low-cost GPSs. The use of low-cost GPSs comes with various sources of error. In this study, a new method has been proposed to overcome the challenge of improving the accuracy of positioning while reducing equipment prices. The proposed method is based on the nature of the GPS error (random noise and bias) and is divided into two parts. First, the random noise was eliminated by employing the simple classic filter. In this regard, a comparison was made between the Kalman filter, Low-pass filter and the Moving Average filter. The settings of the filters were made in such a way that in addition to reducing the power of random error, it reaches the desired error range in the shortest possible time. The results showed that the Kalman filter was more efficient than the other filters. Bias removal is not possible except by using a DGPS receiver that can receive corrections sent from base stations. To solve this problem, a base station was designed that could send the corrections needed by low-cost receivers. The proposed low-cost differential positioning method leads to a 89% reduction in the horizontal error index, which is the accuracy obtained is suitable for various operations in precision agriculture. Second, the bias was removed by inspiring from DGPS technique, via providing a base station, incorporating three low-cost GPSs. in noise reduction and the proposed low-cost differential positioning at best resulted in 89% reduction in the error index. Such an enhanced accuracy can be used for many applications in precision agriculture.