Undersøkelse av problemet med død av rådyrkalver på grunn av landbruksmaskiner i Europa, og forslag til løsning

Transkript

1 Undersøkelse av problemet med død av rådyrkalver på grunn av landbruksmaskiner i Europa, og forslag til løsning Kristian Brevik Per Christian Henden Arild Husby Tore Stene Bjørn Lasse Ulfsrud Norges teknisk- naturvitenskapelige universitet Fakultet for naturvitenskap og teknologi Institutt for biologi

2

3 Forord Denne rapporten ble skrevet som en semesteroppgave i faget Eksperter i team våren 2004 ved Norges teknisk-naturvitenskapelige universitet, NTNU. I dette faget jobber 5-7 studenter med forskjellig faglig bakgrunn sammen i et team med et bestemt tema. Målet med arbeidet var å undersøke problemet med at rådyrkalver blir drept av landbruksmaskiner og evaluere eksisterende og alternative løsninger på problemet. Arbeidet foregikk i en tverrfaglig prosjektgruppe sammensatt av forfatterne av denne rapporten. Prosjektgruppen arbeidet selvstendig, men med nær kontakt med Dr. Reidar Andersen. Vi ønsker å rette en takk til Jean-Michel Gaillard, Christine Saint-Andrieux, Petter Kjellander, Sandro Lovari, Claudia Melis, Torsten Mörner og Reidar Andersen for å ha hjulpet oss med populasjonsestimatene for rådyr i Europa. Andersen har i tillegg gitt oss informasjon om rådyrets adferd. Vi ønsker også å takke Dr. Ernst Moser for å ha gitt oss informasjon om tester av Wildretter - systemet, Dr. Volker Tank for å sende oss artikkelen om Wildretter og svare på spørsmålene våre, og til fôrrådgiver Ola Stene hos Tine Meierier for å ha hjulpet oss med undersøkelsen i Østfold. Kontaktinformasjon for personene nevnt ovenfor og forfatterne kan finnes i vedlegg A.5 på side 69. Kristian Brevik Per Christian Henden Arild Husby Tore Stene Bjørn Lasse Ulfsrud iii

4

5 Innhold Forord iii Sammendrag xi 1 Problemstilling Innledning Adferd Sykdommer Botulisme og fôrkvalitet Dyrevernloven Andre problemer Sammendrag og diskusjon Omfang Utbredelse av rådyr i Europa Utbredelse i Norge Tidligere undersøkelser Undersøkelse i Østfold Sammendrag og diskusjon Tidligere løsninger Tidligere utprøvde løsninger Diskusjon Krav til løsning 19 5 Nye løsninger Mekanisk løsning Varslingssystem for mekanisk løsning Gjenkjenning av rådyrkalver i bilder Designidé Overordnet systemdesign Utviklingsfokus Algoritmer for bildeanalyse Tester, Infrarød Tester, vanlig lys Kostnad Montering v

6 vi INNHOLD Konklusjon Diskusjon Konklusjon 41 Bibliografi 44 A Vedlegg 45 A.1 Programmer A.1.1 Shellscript A.1.2 Matlabkode A.1.3 Simulert kjøring A.2 Beskrivelse av DLR Wildretter A.2.1 Litt om infrarød stråling A.2.2 Detektering av infrarød stråling A.2.3 DLR Wildretter A.2.4 Optikk A.2.5 Optisk følsomhet A.2.6 Elektronikk og dynamikk A.2.7 Testresultater hos DLR A.3 Algoritmer for bildeanalyse A.3.1 Fjerne støy/preprosessere bildet A.3.2 Finne optimal terskel A.3.3 Global terskling A.3.4 Morfologisk åpning/lukking A.3.5 Beregning av egenskaper til regionene A.3.6 Analyse av egenskapene A.3.7 Kjøretid A.4 Bilder fra test av bildeanalysealgoritmer A.5 Kontaktinformasjon

7 Figurer 1.1 Rådyrkalver drept av slåmaskin Gjennomsnittlig flyktsjanse Gjennomsnittlige flyktavstand Den nåværende fordelingen av europeisk rådyr i vest-europa Observasjoner av rådyr i Norge Risikabelt kjøremønster Wildretter i bruk Tegning av systemet Tegning av det sammenslåtte systemet Tredimensjonal figur av den mekaniske løsningen Nærbilde av den mekaniske løsningen Pinne i vanlig posisjon Utslag på pinne Potmeter som skal brukes i den designede kretsen Diagram som viser grunnprinsippet i sensorkretsen Ideell diode mot reel diode Kretsskjema av detektor Syvsegment display Overordnet systemdesign Alarmkomponenter Montering av kamera A.1 Illustrasjon av bølgelengde-konseptet A.2 Pyroelektrisk infrarød sensor A.3 Skisse av detektor A.4 To typer linser A.5 Multisegment Fresnel-linse med feltblende A.6 Radians som følge av temperatur A.7 Utgangsspenning U D som følge av strålingstemperatur A.8 Bilder fra de forskjellige stadiene i bildeanalyse-prosessen A.9 Innbilder med additiv, gaussisk støy A.10 Resultater, infrarødt bilde på A.11 Resultater, infrarødt bilde på A.12 Resultater, infrarødt på vii

8 viii FIGURER A.13 Prosessen med vanlig bilde del A.14 Prosessen med vanlig bilde del

9 Tabeller 2.1 Oversikt over bestandsestimat for rådyr i Europa Resultater fra spørreundersøkelse i Østfold Bruk av jordbruksareal i Østfold A.1 Kjøretid for bildeanalyse-algoritmene A.2 Kolmogorovtall for bildeanalyse-algoritmene ix

10

11 Sammendrag Denne rapporten tar for seg fenomenet med at rådyrkalver blir drept av landbruksmaskiner i forbindelse med fôrhøstingen på slutten av våren. Effekten og omfanget i Europa av fenomenet undersøkes. Omfanget i Norge undersøkes spesielt. En liten undersøkelse av omfanget i Østfold i Norge har blitt utført. Tidligere mottiltak blir undersøkt. En kravspesifikasjon for en innretning som oppdager rådyrkalver i åkeren fra en landbruksmaskin utarbeides. To nye mottiltak med fordeler over eksisterende løsninger presenteres. Begge mottiltakene baserer seg på tilleggsutstyr til landbruksmaskiner. Den ene i form av en rekke mekaniske sensorer som følger gresset, den andre i form av et avbildningssystem, med tilhørende analyse av bildene. De to mottiltakene vurderes mot hverandre. xi

12

13 Kapittel 1 Problemstilling Dette kapittelet beskriver problemet med at rådyrkalver blir drept eller skadet av landsbruksmaskiner. 1.1 Innledning Dyr og fugler kan bli drept eller skadet av landbruksmaskiner under fôrhøsting. De som ikke greier å komme seg unna maskinen kan bli utsatt for roterende kniver for å kutte gress eller andre redskaper, med død eller lemlestelse som følge. Figur 1.1 viser en rekke rådyrkalver som har blitt drept av slåmaskin. Bildet kommer fra (Office national de la chasse 1991). Figur 1.1: Rådyrkalver drept av slåmaskin God etikk tilsier at dette bør unngås i så stor grad som mulig, og det gjør også dyrevernloven. Problematikken rundt dyrevernloven tas opp i seksjon 1.4 på side 5. 1

14 2 KAPITTEL 1. PROBLEMSTILLING Rådyrkalver er spesielt utsatt. Grunnen til dette ligger i rådyrkalvens adferd, og tas opp i seksjon 1.2. Rester av dyrekadavre i fôret medfører en risiko for sykdom hos dyrene som spiser dette fôret, og også en viss risiko for de som spiser disse dyrene igjen. Vi ser nærmere på denne problematikken i seksjon 1.3 på side 4. Vi ser spesielt på den dødelige sykdommen botulisme, som kan forekomme i mennesker og mange dyr. Et annet problem er at føreren av landsbruksmaskinen kan oppleve det som en stor psykisk belastning å kjøre over et rådyr. Dette, og andre problemer tas opp i seksjon 1.5 på side 6. I seksjon 1.6 på side 6 diskuteres problemet i sin helhet. 1.2 Adferd Dette delkapittelet tar for seg rådyrkalvens adferd. De første 2,5 til 3 månedene av rådyrkalvens liv kjennetegnes av en gjemme- taktikk. Det innebærer at rådyrkalven ikke følger etter moren, men i stedet ligger i skjul og satser på å unngå farer på denne måten. Moren flytter kalven mellom forskjellige skjulesteder over tid, slik at den skal bli vanskeligere å oppdage for rovdyr. På grunn av kalvens skjulesteder vil den kun være synlig i ett område på omtrent 1m 2 for eventuelle rovdyr eller andre som skulle forsøke å få øye på denne. Dyret har en pels som glir lett inn i bakgrunnen på terrenget den oppholder seg i, og det avgir ingen sterke lukter. Undersøkelser gjort på øya Storfosna (Andersen, Duncan & Linell 1998) har blant annet tatt for seg hvordan rådyrkalver reagerer på ett menneske som nærmer seg. Det har her blitt registrert data for sjansen for at rådyrkalven flykter, samt hvor langt unna en person må være før den flykter. Begge undersøkelsene tar kalvens alder i betraktning. Som vist i figur 1.2 og 1.3 på neste side viser denne undersøkelsen at kalven ikke vil flykte, uansett hvor nært en fare kommer, de første 10 dagene. Deretter stiger den gjennomsnittlige flukt-sjansen jevnt til den etter 20 dager nærmer seg 20%. Etter dette stiger flukt-sjansen raskt, og når nært 100% etter drøyt 40 dager. Selv om forsøkene ikke ble gjort med landsbruksmaskiner, antas det at reaksjonen hos rådyrkalven vil være lik eller tilnærmet lik i situasjonen der en landsbruksmaskin nærmer seg kalven. At fenomenet med at rådyrkalv blir tatt av landbruksmaskiner forekommer i den grad det gjør (se seksjon 2 på side 8), tyder på at det kan være tilfelle. Gitt dette, får vi at kalven i sine 3 første leveuker sannsynligvis ikke vil flykte fra slåmaskinen når denne nærmer seg. Dette er konsistent med (Jarnemo 2002), som sier at kalvene er i faresonen minst til de en måned gamle. Trekket med å bare holde seg i skjul, og ikke flykte, er et trekk som er mer fremtredende hos europeiske rådyr enn hos det sibirske rådyret (Danilkin 1996). Dette gjør det sibirske rådyret mindre sårbar for problemet med slåmaskinen enn det europeisk rådyret. Når på våren rådyrkalven blir født varierer i følge (Danilkin 1996) med hvor rådyret holder til rent geografisk, samt årlige variasjoner på når våren begynner. Generelt kan det sies at den kan begynne så tidlig som i slutten av april og slutte så sent som i midten av juni. Men

15 1.2. ADFERD 3 Figur 1.2: Gjennomsnittlig flyktsjanse Figur 1.3: Gjennomsnittlige flyktavstand

16 4 KAPITTEL 1. PROBLEMSTILLING innenfor hvert område vil det ofte være en kortere periode hvor de fleste kalver fødes. For Tyskland så ligger denne toppen rundt mai. Rådyrkalver i Frankrike fødes litt senere og har en topp rundt den mai. For Norge har vi at kalvene fødes i perioden fra midten av mai til midten av juni. Tidsrommet for når gresset slås (første slåtten) er fra begynnelsen av mai til midt i juni, avhengig av hvor langt nord man er, med senere innhøsting dess lengre nord. I Norge er det vanlig å ha slåtten i overgangen mellom mai og juni måned på Østlandet og Jæren, og rundt midten av juni i Trøndelag (Ola Stene, pers. med). Tidsrommet for den første slåtten overlapper altså med kalvens første og mest kritiske levemåned i Norge og flere andre land i Europa. 1.3 Sykdommer Vi har sett på hvilke sykdommer som forekommer i rådyr, og om disse sykdommene kan smitte mennesker. Oversikten nedenfor er en liste over innrapporterte sykdommer hos rådyr i Europa (Mörner, Artois & Duff 2001). Mycobacterielle infeksjoner Bovin tuberkulose i rådyr er rapportert i flere land (blant annet Spania, Frankrike og Storbritannia). Sykdommen er bakteriell. Bakterien kan smitte mennesker. Avian tuberkulose er også rapportert i rådyr fra flere land, og opptrer hyppig. Sykdommen er bakteriell. Bakterien kan smitte mennesker. Paratuberkulose Sykdommen er rapportert i rådyr. Sykdommen er bakteriell. Bakterien kan smitte mennesker. Sarcoptic mange (Skabb) Sykdommen er rapportert i rådyr, men er ikke spesielt hyppig. Pseudotuberkulose Sykdommen er rapportert i rådyr. Sykdommen er bakteriell. Bakterien kan smitte mennesker. Salmonella Det ble rapportert om tilfeller av salmonella i rådyr fra en rekke land. Sykdommen er bakteriell. Bakterien kan smitte mennesker. De alvorlige sykdommene Munn- og klov-syke og rabies forekom i flere land, men er ikke rapport i rådyr. Munn- og klov-syke kan smitte rådyr. I tabellen nevnes i tillegg hvilke sykdommer som er såkalte zoonose-sykdommer, de kan ramme både dyr og mennesker. 1 Samtlige av sykdommene nevnt ovenfor, med mulig unntak av skabb og pseudotuberkulose, kan forekomme i storfe i følge (for storfe 2003). Hvor stor risikoen er for overføring av zoonose-sykdommene fra rådyr eller annet vilt til husdyr via fôret, og fra husdyr til mennesker igjen er uvisst. Det har ikke lykkes forfatterne å finne en undersøkelse som tar for seg temaet, eller vært mulig å gjennomføre en slik undersøkelse selv. 1 Dette i følge E-medicin,

17 1.4. DYREVERNLOVEN Botulisme og fôrkvalitet Botulisme er en dødelig sykdom for mennesker og dyr. Sykdommen skyldes bakterien Clostridium botulinum, som forårsaker en forgiftning. Forgiftningen skyldes nervegiften botulin (Kuusi 1998), som bakterien produserer. Botulisme er i Norge spesielt forbundet med konsum av rakfisk og hjemmeprodusert hermetisering (Kuusi 1998). I Norge har vi hatt et dødsfall hos mennesker de siste 25 årene, og 25 meldte tilfeller av sykdommen (Kuusi, Hasseltvedt & Aavitsland 1998). I følge (Vik & Nielsen 2000) oppstår sykdommen hos dyr når den farlige bakterien kommer inn i fôret Dette kan skje når fôret inneholder dyrerester eller jord. Rester av dyrekadavre i fôr er den hyppigste årsaken til vekst av denne bakterien, og dermed produksjon av giften. Det er oftest mindre dyr, som smågnagere, fugler og katter eller deler av kadavre av større dyr, som for eksempel rådyrkalver, som havner i fôret. Disse dyrerestene ligger i fôret under innhøstingen og kan bli med i fôret som lagres. Dermed råtner dyret inne i fôret og gjør vekst av bakterien mulig. Våte rundballer med innblandet jord kan også gi bakterien de nødvendige vekstvilkårene. Giften botulin suges opp fra tarmen etter inntak, og går deretter ut i kroppen til organismen (Vik & Nielsen 2000). Symptomer på botulisme oppstår 3-14 dager etter inntak av giften. Store giftmengder fører til at dyret dør raskt, ofte uten at eier har registrert symptomer på forhånd. Ved mindre doser, som er det vanligste, vil dyret overleve lenger, og symptomer på at dyret er forgiftet kan observeres. Symptomene er at dyret blir ustøtt, får dårlig koordinerte bevegelser og lammelser i tunge og svelg. Dyr som får disse symptomene har liten sjanse for å overleve og avlives ofte et stykke ut i sykdomsforløpet. En diagnose stilles på bakgrunn av symptomene fordi det er vanskelig å finne gift i fôr som allerede er spist opp. Det er også vanskelig å påvise giften i de syke dyra. Det finnes ikke noe medisin mot dette, med unntak av et antitoksin som finnes på det amerikanske markedet. Denne medisinen er svært dyr og tar lang tid å skaffe til veie for en vanlig bonde. Dyrene kan imidlertid vaksineres, noe som ikke er uvanlig i Sverige (Frostad & Andersen 2003). Antall dyr som omkommer av denne sykdommen er vanskelig å anslå fordi det, som nevnt ovenfor, i mange tilfeller er vanskelig å påvise at dødsfallet skyldes botulisme. 1.4 Dyrevernloven I dyrevernloven fra 1974 finner vi i paragraf 2 at... det skal farast vel med dyr og takast omsyn til instinkt og naturleg trong hjå dyret så det ikkje kjem i fåre for å lida i utrengsmål. Dette utsagnet gjelder alle levende pattedyr, fugler, padder, frosk, salamander, krypdyr, fisk og krepsdyr. For denne problemstillinga er det i hovedsak pattedyr og fugl som rammes hardest av metodikken som benyttes for å høste graset. Vi ser altså at det er en konflikt mellom dagens fôrhøstingsmetoder og det som dyrevernloven er ment å regulere.

18 6 KAPITTEL 1. PROBLEMSTILLING I Tyskland finnes det eksempel på at dyrevernloven ( 17 TierschG) tas mer seriøst i forbindelse med fôrhøsting enn det som virker å være tilfellet i Norge. Denne loven gir domstolene rett til å dømme folk til fengsel i inntil to år, eller økonomisk straff, for den som; tar livet av et dyr uten gyldig grunn eller som forårsaker smerte på dyr. (Pukler 2003) viser at loven opprettholdes. Artikkelen forteller at en tysk bonde ble dømt til å betale 3600 DM, noe som tilsvarer omtrent NOK, etter at han kjørte over og drepte 5 rådyrkalver under slåtten. Dommen falt fordi retten mente bonden visste at det kunne være rådyr i området og han visste at rådyr kunne bli drept under høstingen, men han tok ikke hensyn til det. 1.5 Andre problemer Et problem knyttet til at rådyr blir tatt av landsbruksmaskiner, er at dette kan være en psykisk belastning for bonden. Resultatene som ble samlet inn i vår undersøkelse på Østlandet (se seksjon på side 10) viser at noen bønder opplever at rådyr blir tatt av slåmaskin som et stort problem. Alle mente det var et problem. En av bøndene rapporterte at han hadde fått psykiske problemer som følge av hyppig overkjøring av rådyrkalv i åkeren. Han hadde derfor nå startet med å gå gjennom hele enga som skulle slås, for å forsøke å fjerne flest mulig rådyrkalv. Dette er imidlertid en lite effektiv måte å finne kalvene på. Det er også noen praktiske problemer knyttet til at rådyr blir tatt av landsbruksmaskiner, Hvis deler av rådyret henger fast i maskinen, kan det være nødvendig å fjerne de før innhøstingen kan fortsette. Det kan også være nødvendig å samle sammen og flytte på rådyrkadaveret for å få det ut av åkeren. I tillegg kommer problemet med at økt mortalitet fører til mindre jaktkvoter, gjennom statens regulering av disse. Det er ikke gunstig tatt i betraktning rådyrets økonomiske verdi som jaktbart vilt, og er også negativt for de som driver med jakt som en fritidssyssel. I Europa er rådyr en ressurs med stor økonomisk verdi, både for matproduksjon og til rekreasjonsjakt. Sverige høstet tidlig på 1990 tallet nesten rådyr. Verdien av dette ble estimert til å ligge på rundt millioner dollar (Cederlund & Liberg 1995). Tilsvarende er det registrert et tall på drøye 1.1 millioner dyr i Tyskland (Jadgshutz-Verband 2003). 1.6 Sammendrag og diskusjon Vi har sett at unge rådyrkalver sannsynligvis ikke vil flykte fra landsbruksmaskiner som nærmer seg, og kan derfor bli skadet eller drept av dem (1.2). Flere vanlige sykdommer i rådyr kan angripe storfe, og mange av dem er zoonose-sykdommer (1.3) Det er uvisst om sykdommene kan overføres via dyrekadavre med sykdommen i fôret til husdyr, men råtnende kadavre er god grobunn for bakterier, og dyrekadavre i fôret kan føre til vekst av skadelige bakterier. Slik bakterievekst er kjent å kunne forårsake botulisme hos husdyr (1.3.1). Det er forfatternes mening at det er grunn til å tro at rådyrkalver og

19 1.6. SAMMENDRAG OG DISKUSJON 7 rådyrkalvrester i fôret er et lite problem, i hvert fall i Norge, der volumet på fôret ofte er så lite at et dyrekadaver kan oppdages relativt lett under høsting eller fôring. Mindre dyr, som for eksempel katter, gnagere og fugler, antas å utgjøre en større andel av disse tilfellene. Gjennom undersøkelsen vår på Østlandet (2.1.1) fikk forfatterne rapportert inn et tilfelle av botulisme som skyldtes en død katt i fôret. Det førte til at 13 husdyr døde av botulisme. Det synes å være i strid med dyrevernloven og ikke aktivt gå inn for å fjerne rådyrkalver fra åkeren før slåtten i områder der det er kjent at rådyr kan oppholde seg (1.4). Det er forfatternes mening at om straffereaksjoner som den i Tyskland blir innført i Norge, vil dette kunne være en motivasjon for bønder til å gjøre et grundigere arbeid med å søke etter rådyrkalver i åkeren før de starter slåtten. Dette kan også skape et større marked rundt produkter som hjelper med å finne rådyrkalver i åkeren. Å kjøre over en rådyrkalv kan oppleves som en stor psykisk belastning, og kan også skape flere praktiske problem. En økning i mortalitetsraten kan føre til at kvoten på rådyr senkes, og dette er uheldig for rådyr-jegere, og kan ha økonomiske konsekvenser (1.5). Vi ser at det er mange grunner til å forsøke å unngå at rådyrkalver blir drept eller skadet av landsbruksmaskiner. Manuelle metoder for å oppdage kalvene vil uunngåelig være tid- og arbeidskrevende for store åkrer. Det antas derfor at de som ønsker å gjennomsøke åkeren sin (eller må) etter rådyrkalver vil foretrekke en automatisk eller halvautomatisk løsning, dersom denne er god nok, tilgjengelig, har god kvalitet og en overkommelig pris. Men hvor stor er etterspørselen til et slikt produkt, hva er omfanget av problemet? Er det et nisjeproblem eller forekommer det i stor skala? Vi har undersøkt omfanget av problemet i seksjon 2 på neste side.

20 Kapittel 2 Omfang I dette kapittelet undersøkes omfanget av problemet beskrevet i forrige kapittel. Omfanget er avgjørende for etterspørselen etter en innretning som oppdager rådyrkalver i åkeren automatisk eller halvautomatisk. Omfanget undersøkes ved å se på utbredelsen av rådyr i Europa og spesielt Norge. De områdene der rådyr er utbredt regnes som potensielle fareområder. Det antas at problemet er størst i de områdene som i tillegg er landsbruksområder. I tillegg bringer resultatene av tidligere undersøkelser fram (seksjon 2.2 på side 10), og resultatene fra forfatternes egen undersøkelse (seksjon på side 10) i Østfold. 2.1 Utbredelse av rådyr i Europa I Europa har rådyret (Capreolus capreolus) hovedsakelig en østlig utbredelse (se figur 2.1 på neste side 1 ), og det er anslått at det finnes omtrent 6 millioner rådyr i hele Europa (Fickel & Reinsch 2000). I løpet av det siste århundre har rådyr bestanden hatt en kraftig økning og ekspandert sitt utbredelsesområde i Europa. Ekspansjonen i Fennoskandia har vært høy. En populasjon på 100 rådyr i Sør-Sverige har spredt seg til nå å dekke mesteparten av Sverige, Norge og Finland (Cederlund & Liberg 1995). Økningen antas å være knyttet til en endring i bruk av landområder (økning i skogareal) sammen med en bedre viltforvaltning (Cederlund & Liberg 1995). Selv om rådyret er blant de aller mest studerte ungulater har de vist seg vanskelig å finne noen gode kilder på populasjonsstørrelsene i de ulike landene. Dette kan forklares med at det ikke er noe form for overvåkningsprogram som følger bestandene for hele land. Rådyr er også vanskelige å observere, spesielt i skogshabitat, noe som også gjør det vanskelig å få presise tellinger. Forfatterne har samlet inn estimater på størrelsen av rådyrbestanden i flere europeiske land, se tabell 2.1 på neste side. 1 Bildet kommer fra artikkelsamlingen (Andersen et al. 1998) 8

21 2.1. UTBREDELSE AV RÅDYR I EUROPA 9 Figur 2.1: Den nåværende fordelingen av europeisk rådyr i vest-europa Land Bestand/1000 Kilde Norge 65 (Reidar Andersen, pers. med.) Sverige (Petter Kjellander, pers. med.) Danmark 400 (Skov- og Naturstyrelsen 2003) Frankrike 1400 (Jean-Michel Gaillard, pers med.) England 220 (Wilson 2003) Skottland 300 (Harris, Morris, Wray & Yalden 1995) Italia 400 (Sandro Lovari, pers. med.) Estland 600 Estonian Ministry of Environment Tyskland (Mitchell, Amori & et al. 1999)* Nederland (Mitchell et al. 1999)* Tjekkia (Mitchell et al. 1999)* Sveits (Mitchell et al. 1999)* Ungarn (Mitchell et al. 1999)* Tabell 2.1: Oversikt over bestandsestimat for rådyr i Europa. * = Estimatet er gjort av forfatterne ved å se på jaktstatistikk og anta at 25%-35% av bestanden blir felt årlig.

22 10 KAPITTEL 2. OMFANG I følge (Wilson 2003) økte rådyrbetanden i Europa i perioden 1995 til 2003 (og også tidligere), da artikkelen ble publisert. Det er derfor grunn til å tro at antallet i Skottland er høyere enn estimatet fra Det samme gjelder for estimatene fra (Mitchell et al. 1999) Utbredelse i Norge Figur 2.2 på neste side fra (Norsk zoologisk forening 2002) viser hvor rådyr er observert i Norge. De største jordbruksområdene i Norge er Trøndelag, Jæren og Østlandet. Figuren viser at av disse, er det Østlandet som har flest rådyrobservasjoner. Det er en indikasjon på at problemet vil være størst i dette området i Norge. 2.2 Tidligere undersøkelser Det har vært gjort noen undersøkelser rundt problem og omfang tidligere. Resultatene fra de undersøkelsene forfatterne kjenner til er gjengitt nedenfor. I et studie foretatt i Sverige (Jarnemo 2002), ble mortalitetsraten som følge av landbruksmaskiner i et område estimert til å være 44% i 1997, og 25% i 1998 og 1999 for de undersøkte områdene. Tilsvarende undersøkelser fant denne dødeligheten til å ligge på 26% (Kaluzinski 1982) i Ungarn. I Tyskland fant (Kittler 1979) at kalver (14, 4% av det årlige fellingstallet i området) døde som følge av møte med landbruksmaskiner. En undersøkelse gjennomført i Frankrike for statens jaktkontor (Office national de la chasse 1991) konkluderer med at for rådyr som lever i åpne områder (ikke skog) er overlevelsessjansene til kalvene i noen tilfeller i stor grad avhengig av tilstedeværelsen av landbruksmaskiner i de områdene. Rapporten understreker viktigheten av nærmere undersøkelser for å bestemme omfanget av problemet. Det er imidlertid få undersøkelser som er gjort akkurat på dette området, til tross for at det ser ut til å være av stor konsekvens for rådyrstammen. Faktisk så ser det ut til at mortalitet som følge av landbruksmaskiner kan være nest viktigste dødsårsaken etter predasjon av rødrev (Jarnemo 2002) i noen områder med mye jordbruk. Forskere forfatterne har vært i kontakt med påpeker også behovet for undersøkelser av omfanget av problemet (se liste i forordet). 2.3 Undersøkelse i Østfold 2004 Forfatterne mente det var viktig å undersøke hvor ofte rådyrkalver blir tatt av slåmaskiner i landbruket for å få en ide om omfanget av dette i landbruket. Derfor ble en liten spørreundersøkelse blant bønder for å kartlegge problemet gjennomført. Det ble foretatt en rask ringerunde til bønder og entreprenører i de største jordbruksområdene i landet Jæren, Trøndelag og Østlandet. På Jæren og i Trøndelag mente ingen av de spurte bøndene og entrepenørene at det var et problem. Omfanget av denne undersøkelsen er dog

23 2.3. UNDERSØKELSE I ØSTFOLD Figur 2.2: Observasjoner av rådyr i Norge

24 12 KAPITTEL 2. OMFANG for lite til å utelukke at det likevel er et problem i disse områdene. Forfattere tror at dette kan skyldes liten rådyrbestand på Jæren og at første slåtten er ganske sein i Trøndelag. Resultatene fra undersøkelsen på Østlandet viste at problemet trolig er større der. Derfor valgte forfatterne å gjennomføre en mer grundige undersøkelse på Østlandet, nærmere bestemt i Østfold. Der er det stor rådyrbestand og tidlig første-slått. Det ble antatt at problemets omfang i Norge ville være størst på Østlandet av disse grunner. Ola Stene ved Tine Meierier hjalp oss med gjennomføringen av undersøkelsen som ble gjort ved 17 gårdsbruk i Østfold. Spørsmålene som ble stilt var som følger: 1 Hvor mange mål gress slår du vanligvis i førsteslåtten? 2 Har du opplevd sykdom hos dyra som du tror kan stamme fra dyrerester(hele dyr eller deler av dyr, som mus, gnagere, katter, rådyr) i grovforet? ( [Ja] [Nei] [Vet ikke] ) 3 Hvor mange rådyrkalver har blitt tatt av forhøster/slåmaskin på jordene dine de to siste årene? 4 Synes du det er et problem at rådyrkalver blir tatt av forhøster/slåmaskin? ( [Ja] [Nei] [Vet ikke] ) Svarene er oppsummert i tabell 2.2 på neste side (Gårdsnavnene er tatt bort av annonymitetshensyn). For å finne et anslag for antall rådyrkalver som blir tatt av slåmaskin i Østfold per år, må vi multiplisere gjennomsnittsverdien (5,51 rådyrkalver per 1000daa per år) med antall dekar fulldyrket eng i Østfold (77900daa). Dette gir 430 rådyrkalver per år. Det må sies at undersøkelsen kun dekker 2,7% av arealet i Østfold og at usikkerheten i svaret derfor er stort. Samtidig er dette den delen av landet det er naturlig å forvente at problemet er størst. Det viste seg at samtlige av de spurte mente at faren for å få rådyrkalver i slåmaskinen er et problem. Den ene bonden hadde hatt fôrproblemer som følge av dyrekadavre i fôret. Dette skyldes en katt som hadde blitt tatt av slåmaskin og på denne måten kommet i fôret. 2.4 Sammendrag og diskusjon Rådyr finnes over store deler av Europa, og spesielt i Tyskland, Frankrike, Sverige, Danmark og Estland er bestanden stor. I Norge er bestanden liten i forhold til de andre landene i Nord-Europa. Tidligere undersøkelser [(Jarnemo 2002), (Office national de la chasse 1991), (Kaluzinski 1982) og (Kittler 1979)] viser at mortalitetsraten for rådyrkalver kan påvirkes mye av tilstedeværelsen av landbruksmaskiner i enkelte områder. Basert på dette tror forfatterne at problemet er størst i Tyskland og Frankrike, der slåtten foregår relativt tidlig, og det er store landbruksområder og mange rådyr per areal. Men (Jarnemo 2002) viser at også i Norden, på tross av senere slått, kan mortalitetsraten som følge av landbruksmaskiner i områder med mye landbruk likevel være høy.

25 2.4. SAMMENDRAG OG DISKUSJON 13 Tabell 2.2: Resultater fra spørreundersøkelse i Østfold Tabell 2.3: Bruk av jordbruksareal i Østfold (hentet fra Statistisk sentralbyrå)

26 14 KAPITTEL 2. OMFANG Forfatternes undersøkelse i Østfold viste at samtlige av de spurte bøndene (17) oppfattet død av rådyrkalv på grunn av landbruksmaskiner som et problem, selv om de ikke hadde opplevd at et stort antall rådyrkalver døde på denne måten. Forfatterne tror derfor at en innretning som lar bøndene finne rådyrkalver i åkeren sin, kan være høyaktuell i landbruksområder i Sentral-Europa, og også aktuell i andre områder der det er mye landbruk og betydelig rådyrpopulasjon. Forfatterne finner ingen grunn til å tro at rådyrdød på grunn av landbruksmaskiner er et nytt fenomen. Derfor har forfatterne undersøkt hva som finnes i litteraturen av forslag til løsninger på problemet. Resultatene av undersøkelsen følger i kapittel 3 på neste side.

27 Kapittel 3 Tidligere løsninger Dette kapittelet beskriver kjente tidligere løsninger på problemet med at rådyrkalver blir drept eller skadet av landbruksmaskiner. 3.1 Tidligere utprøvde løsninger Det er gjort en rekke forsøk på å løse problemet med at rådyrkalver blir skadet og drept av landbruksmaskiner under fôrhøsting. Imidlertid er det ikke mange av disse som har vist seg å være spesielt suksessfulle. Dette skyldes blant annet ulike aspekter ved rådyrets økologi, som at de ikke avgir lukt, har trykkrespons også videre. Her beskrives noen av de metoder som er kjent gjennom litteraturen. Manglene som er kjente ved de forskjellige metodene blir også tatt opp. Bruk av hunder til å oppdage rådyrkalver. Dette er en metode som benyttes i en del land, blant annet i Sverige [(Haschberger, Bundschuh & Tank 1996), (Reidar Andersen, pers.med)]. Problemet med dette er at rådyrkalver ikke avgir lukt, slik at hunder i utgangspunktet har veldig vanskelig for å finne dem. Denne metoden ble testet av Dr. Reidar Andersen på øya Jøa i Namsfjorden. Resultatet var nedslående, hunden klarte ikke å finne rådyret selv om den ble geleidet på rett vei. Det ser altså ut til at denne metoden er svært lite egnet. Spesielle kjøremønster under slåing. Det har blitt forsøkt å unngå at rådyrkalver blir tatt av fôrhøsteren ved å benytte spesielle kjøremønstre under slåtten. Effektiviteten av denne metoden er imidlertid ikke undersøkt (Jarnemo 2002). Det er klart at dette ikke er tilstrekkelig alene utifra teorien i seksjon 1.2 på side 2, da rådyrkalvenes trykkerefleks sørger for at de holder seg i ro, uavhengig av førerens kjøremønster. Det er likevel en fordel med å unngå kjøremønsteret i figur 3.1 på neste side, da dette resulterer i at dyr (mus, katt, fugler med mer) blir ringet inn og samlet i midten av åkeren og tatt av traktoren til slutt, med mindre føreren stopper opp for å fjerne dyrene i de innerste ringene før han kjører der. Da er det bedre å å slå innenfra og utover gjør det lettere for fugler og især store unger å rømme unna til naboeiendom eller kantvegetasjon. 15

28 16 KAPITTEL 3. TIDLIGERE LØSNINGER Figur 3.1: Risikabelt kjøremønster Bruk av skremsel i form av kjettinger påmontert traktor. I Danmark har det blitt gjort forsøk med å henge kjettinger ned fra en bom på traktoren slik at kjettingen sveiper gresset. Hensikten med dette var at rådyrkalver skulle skremmes opp, for deretter å stikke av. Resultatet var at rådyrkalvene trykket enda hardere, og forsøket betraktes derfor som mislykket. Det er i dag ikke lenger en metode som brukes (Reidar Andersen, pers. med.). Bruk av generelle skremsel. Andre forsøk på å benytte skremsel er blitt gjennomført. Blant er det i USA forsøkt traktor-monterte flushing bars. Det er påvist at disse er med på å redusere mortaliteten for bakke- hekkende fugler, og antas å også redusere mortalitet hos hjortedyr (Green 1998). I Sverige er det gjort undersøkelser av Anders Jarnemo (2002) som viser at bruk av påler med plastsekker er virkningsfulle for å få mora til å flytte ungene vekk fra området. De studerte et område i Sør-Sverige hvor studieområdet besto av 53% skog, og 47% kulturlandskap. Rådyrtettheten i studieområdet ble estimert til å være 23dyr/km 2. Rådyrkalver ble fanget, og påsatt radiomerking for at en skulle kunne følge de. Det ble så satt ut 2 m lange påler med svarte plastsekker som målte omtrent cm i ulike områder innenfor studieområdet. Det ble også tatt med områder hvor sekkene ikke ble satt ut slik at virkningen av pålene kunne påvises. Resultatet fra undersøkelsen viser at dagen etter at skremselet ble satt ut så var rådyrkalver utsatt for skremslene blitt flyttet i større grad enn de som ikke hadde blitt utsatt for skremselet. 18 av 22 kalver ble flyttet, mens 30 av 50 kalver ble flyttet i områder som ikke hadde skremsel. Etter 2 netter var dette forholdet henholdsvis 21 av 22 og 36 av 51. Dette resultatet viser at det var en signifikant effekt av skremselet. Studiet viser også at når eksperimentet ble gjentatt så ble rådyrkalvene flyttet kortere etter hvert som antall eksperiment økte. Det vil si at effekten av eksperimentet var størst den første gangen. Wildretter Forskere hos Deutsche Zentrum für Luft- und Raumfahrt (DLR) har konstruert en løsning som baserer seg på infrarøde sensorer. Løsningen er kommersielt tilgjengelig gjennom det tyske firmaet ISA Industrieelektronik 1. DLR har patentert 2 systemet bare i Tyskland, Østerrike og Sveits. Figur 3.2 på neste side viser systemet i bruk. Systemet bæres manuelt. Systemet, kalt Wildretter, har blitt testet ut i Østerrike av Dr. Ernst Moser med gode resultater. Tester har blitt gjort under slåtten i 1999, 2000, 2001, 2002 og 2003, og systemet Patentnummer i Tyskland er DE

29 3.2. DISKUSJON 17 (a) Båret manuelt (b) Festet på traktor Figur 3.2: Wildretter i bruk greier å finne omtrent 96% av rådyrkalvene når letingen skjedde veldig tidlig om morgen og sent på kvelden. Antallet falske alarmer stiger etterhvert som sola varmer opp omgivelsene. Dr. Moser forteller at de startet klokken 0400 for å finne flest mulig kalver. Letingen skjedde ved at flere personer gikk manngard i åkeren med Wildretter -utstyret. I tillegg til de lokale bøndene, hjalp lokale jaktforeninger med dette letearbeidet. Jegerne var i følge Dr. Moser svært engasjerte i letearbeidet. Dr. Moser forteller også at det var et problem med at rådyrkalver de fjernet fra åkeren kom tilbake før slåtten var ferdig. Det sikreste, sier han, er å lukke kalvene inne i en boks mens slåtten pågår. Det arbeides med å forbedre systemet. Den forbedrede versjonen skal bruke mikrobølgesensorer i tillegg til infrarøde. Den nye løsningen er som den forrige patentert 3 i Tyskland, Østerrike og Sveits. 3.2 Diskusjon Wildretter i sin nåværende form fremstår som den beste løsningen av de ovenfornevnte, selv om det er, som nevnt, noen sterke begrensninger på bruk av systemet. Det antas at det er mulig å lage et bedre system enn Wildretter, som er basert på samme eller lignende prinsipper. Derfor vil det være gunstig å undersøke virkemåten til Wildretter grundig for 3 Patentnummer i Tyskland er DE

30 18 KAPITTEL 3. TIDLIGERE LØSNINGER å ha et godt grunnlag for å designe dette forbedrete systemet. Ikke minst er det viktig å forstå hva problemene med Wildretter er. Wildretter har derfor blitt undersøkt, med fokus på virkemåte, og resultatene presenteres i seksjon A.2 på side 47. Fordi Wildretter ikke gir helt tilfredstillende resultater og det er begrensninger rundt bruken av den, har forfatterne arbeidet med å komme opp med nye forslag til løsninger av problemet. I forkant av dette arbeidet ble en kravspesifikasjon utarbeidet. Kravspesifikasjonen er gjengitt i kapittel 4 på neste side. To nye løsninger ble utarbeidet. Disse presenteres og diskuteres i kapittel 5 på side 22.

31 Kapittel 4 Krav til løsning Dette kapittelet beskriver kravene til en innretning som kan automatisere oppdaging av rådyrkalver i åker. Som nevnt i delen om rådyrkalvens atferd ( 1.2 på side 2), er det ikke mulig å med god sikkerhet skremme vekk rådyrkalven når slåmaskinen kommer. Ethvert forslag til løsning må derfor ta utgangspunkt i en apparatur som er i stand til å oppdage rådyret, slik at dette kan fjernes manuelt av traktorføreren. Tatt i betraktning at det finnes en rekke ulike varianter av slåmaskiner fortoner en løsning som baserer seg på å stoppe traktoren eller eventuelt å løfte slåmaskinen, seg som urealistisk. Både fordi en slik innretning kan bli komplisert å installere og tilpasse den enkelte slåmaskin, og fordi det vanskelig kan lages en standardløsning som dermed kunne ha blitt masseprodusert slik at prisen kan holdes nede. Det er i hovedsak to måter å angripe deteksjonsproblemet på. Det første går ut på å lage en løsning som undersøker området rett foran traktoren. Dette forutsetter at føreren får beskjed om rådyrkalven omtrent 15-20m før han treffer den, slik at han har tid til å stoppe. Dette er lite heldig fordi det gir føreren veldig kort tid å reagere på, og traktoren kan heller ikke stoppe instantant. En bedre innfallsvinkel vil være å utnytte det faktum at bonden vil kjøre i et bestemt mønster i åkeren og at han da kan ha en innretning som oppdager rådyrkalver han ville ha truffet neste runde i åkeren. En slik sidemontert løsning vil måtte være opptil 9m lang for å dekke de største slåmaskinene som finnes i på det europeiske markedet i dag (Representant fra Felleskjøpet Stjørdal, pers. med.). Med dette som utgangspunkt kan følgende elementære krav listes opp. Innretningen skal være billig relativt til kostnaden av en traktor NOK foreslås som en øvre grense. Innretningen må være lett å installere. Den må være robust og tåle vann og støt godt. Den må kunne penetrere en viss mengde gress slik at rådyr skjult av gress også oppdages. 19

32 20 KAPITTEL 4. KRAV TIL LØSNING Den må kunne registrere en rådyrkalv innenfor det tidsrommet som er tilgjengelig i det innretningen passerer over rådyret. Den må ha lav feildeteksjonsrate og høy suksessrate. Den må ha varsellampe og varsellyd som kan gjøre traktorføreren oppmerksom på hva som er oppdaget. Den må kunne utnytte traktorens eksisterende elektriske anlegg, det vil si gå på 12V, som er den etablerte standardspenningen på traktorbatterier (Representant fra Felleskjøpet Stjørdal, pers. med.). Begrunnelse av krav: En billig løsning er essensiell for å sikre utbredelse og anerkjennelse av produktet i en industri preget av stadig tøffere krav til bøndene. Dette kommer både i form av innskjerpelse av statlig støtte og stadig økende krav til kvalitet fra forbrukernes side uten at de ønsker å betale ekstra for dette. Det foreslåtte tallet på NOK er valgt på bakgrunn av prisen på en slåmaskin og ønsket om at innretningen ikke utgjør en betydelig del av prisen på en slåmaskin. Med betydelig menes her mindre enn 10%. Kravet til lett installasjon er viktig da innretningen må kunne installeres av både produsenten av slåmaskinen og av slåmaskineieren som en oppgradering av tidligere kjøpt slåmaskin. Det er ønskelig at innretningen ved bruk skal kunne installeres og demonteres på kort tid, uten bruk av verktøy utover det som er vanlig å bruke på traktorer. Robusthet er en viktig egenskap da innretningen skal brukes i et miljø preget av kontinuerlige rystelser og slitasje på utstyret fra miljøet. Viktige momenter er at utstyret tåler fuktighet som følge av vått gress og har en viss bestandighet mot syre (maursyre brukes som ensileringsmiddel på fôrhøstere) At utstyret er raskt nok til å oppdage en rådyrkalv innenfor det tidsrommet som er tilgjengelig i det innretningen passerer over rådyret, er et absolutt krav, da det må foregå en kontinuerlig overvåkning av gresset etter rådyr. Grunnet en hastighet på traktoren på 3-5m/s og en utbredelse på rådyret på rundt cm, vil det være veldig kort tid på å oppdage rådyrkalven. Det er derfor essensielt at innretningen takler dette ved at den kan behandle innkommende data raskt nok. Hvis ikke vil forsinkelsene akkumulere, og ventetiden på tilbakemelding til føreren vil øke, slik at området tilbakemeldingen gjelder vil ligge i stadig lengre avstand bak. Da vind kan medføre at gress legger seg over kalven og på den måten skjuler denne, vil vi være avhengig at innretningen, som er plassert rett over det undersøkte området, kan se igjennom en viss mengde gress uten problemer. For å sikre at slåmaskinføreren ikke kobler ut innretningen eller ignorerer alarmen på grunn av mange falske alarmer er det viktig at innretningen har en lav feildeteksjonsrate. Samtidig må ikke dette kravet gå for mye på bekostning av ønsket om en høy suksessrate for apparatet da dette undergraver hensikten med apparatet. Apparatet må ha en mekanisme for å underrette føreren av slåmaskinen om funnet av en rådyrkalv. Dette er det ønskelig at gjøres både visuelt, i form av eksempelvis en varsellampe, og akustisk i form av en alarm som må kunne overdøve støyen i en traktor som ligger mellom 72 og 80 db i dagens nye traktorer (Traktor/Transporter 2000).

33 Da traktoren allerede har utgang for tilkobling av utstyr på 12V, er det ønskelig å utnytte dette fremfor å bruke en batteridrevet variant. Dette vil forhindre uhell forårsaket av tomt batteri, som kan bli ignorert av en slåmaskinfører i arbeid, og sparer også føreren for merarbeidet det medfører å bytte og lade batteriet. 21

34 Kapittel 5 Nye løsninger Dette kapittelet beskriver to nye løsninger på problemet med at rådyrkalver blir drept eller skadet av landbruksmaskiner. Den første er en mekanisk løsning (se seksjon 5.1), den andre baserer seg på et avbildningssystem og programvare for å analysere bilder (se seksjon 5.2 på side 30). Etter beskrivelsen av løsningene følger en diskusjon (se seksjon 5.3 på side Mekanisk løsning Den mekaniske løsningen baserer seg på et enkelt prinsipp. Det er en rekke pinner som går ned i gresset, og hver av disse pinnene er koblet til en sensor. Hvis en pinne møter noe, som for eksempel en stein eller en rådyrkalv, vil pinnen bøyes og sensoren slår ut. Beskjed vil da bli sendt inn til førerhuset i traktoren, der en alarm går. I figur 5.1 på neste side ser vi en illustrasjon av prinsippet. Alle pinnene er festet på en ramme av lett-metall, med et hjul på enden som støtter opp og sørger for at pinnene er i jevn kontakt med bakken. Denne festes til slåmaskinen slik at den går ut i det feltet hvor det enda ikke er slått. På den måten sjekkes neste slåbredde samtidig som en bredde blir slått. Det vil derfor ikke bli noe økt kjørelengde med denne løsningen. Pinnene plasseres ut med en avstand på omtrent cm for å ikke bomme på rådyrkalver. Hver pinne er knyttet til en sensor, og alle sensorene er knyttet sammen. Dette gir oss muligheten til å finne omtrentlig størrelse på objektet, og dermed avgjøre om det kan være en rådyrkalv, stein eller ujevnheter i bakken. Hvis for eksempel det kommer utslag på 5 pinner samtidig, er det lite sannsynlig at dette skyldes rådyrkalv, fordi rådyrkalver ikke er store nok til å treffe 5 pinner samtidig, og de legges heller ikke ut rett ved siden av hverandre av mora (Reidar Andersen, pers. med.). Da er det nok heller litt ujevnheter i bakken, noe som ikke er av betydning. Ved å registrere dette slipper altså sjåføren å gå ut av førerhuset hver gang alarmen går. Pinnen, som er laget av solid plast, følger bakken. Et møte med en stein eller rådyrkalv vil derfor føre til et utslag på pinnen, og det er nettopp dette sensoren registrerer. Signalet fra sensoren blir så overført inn til førerhytta hvor sjåføren vil få beskjed om utslaget. 22

35 5.1. MEKANISK LØSNING 23 Utstyret tar mye plass, og vi har derfor funnet på en måte utstyret kan slås sammen på, se figur 5.1 på neste side. Figur 5.1: Tegning av systemet Figur 5.1 på neste side viser hvordan pinnene kobles sammen til bommen. Legg merke til at pinnene har en beskyttelse som dekker den øverste delen. Hensikten med denne er å få pinnen til å gli lettere gjennom gresset. Beskyttelsen er V-formet, med en tynn kant ytterst, og denne tynne kanten setter seg ikke så lett fast i noe, og den samler heller ikke opp gress, da dette glir til sidene. Den går en halv meter ned fra bommen. Figur 5.1 på side 25 viser et nærbilde av dette. Vi estimerer prisen på hver sensor til å ligge på omtrent 50 kroner, i tillegg kommer produksjonskostnader for selve rammen og utgifter til pinnene. Sensorene, som krever strøm, kobles på batteriet som allerede er på traktoren. Det er også behov for en slags varslingsmekanisme som kan gi føreren beskjed. Den kan bestå av en vanlig pære som lyser opp og en lydalarm. Hvis vi antar en kostnad på 35 kroner per pinne, 4 meter ramme til 400 kroner, en sensor hver 25 cm, hjul til 100 kroner, og 150 kroner for alarmen, får vi en totalkostnad på 2000 kroner. Merk at dette bare er et grovt overslag.

36 24 KAPITTEL 5. NYE LØSNINGER Figur 5.2: Tegning av det sammenslåtte systemet Figur 5.3: Tredimensjonal figur av den mekaniske løsningen

37 5.1. MEKANISK LØSNING 25 Figur 5.4: Nærbilde av den mekaniske løsningen Varslingssystem for mekanisk løsning Til vanlig vil hver av pinnene følge åkeren og se ut som i figur på neste side. Når pinnen får kontakt med en rådyrkalv eller et annet stort fremmedlegeme i åkeren, får pinnen utslag, som vist i figur 5.6 på side 27 For å kunne registrere dette utslaget, vil det være nødvendig med en varslingsmekanisme. En beskrivelse av hvordan dette kan implementeres elektronisk gis nedenfor. Grunnprinsipp Det er ønskelig med en løsning hvor bevegelse i pinnen utløser en mekanisme som fungerer som en bryter. Det vil si at så lenge pinnen ikke er vippet opp, vil det ikke gå noe strøm den kretsen som vi ønsker å lage. I det pinnen vippes opp skal derimot det begynne å gå strøm i kretsen. For å oppnå dette er pinnen koblet til en variabel motstand, et såkalt potmeter. Se figur 5.7 på side 27. Denne sørger for at strømmen varierer med hvor stort utslag pinnen har. For å få den ønskede strømbryter funksjonaliteten er det også valgt å koble denne til en diode. En ideell diode fungerer slik at den bare leder strøm så lenge det er en spenning over denne som er over en viss terskelverdi. Dette vil kun være tilfelle så lenge den motstanden i potmeteret er liten nok. I praksis betyr dette at når pinnen vippes opp vil motstanden minke slik at dioden begynner å lede og det går strøm i kretsen. For å varsle omgivelsene om at pinnen er vippet opp, er det valgt å bruke en lysdiode som vil lyse når denne leder strøm. Se figur 5.8 på side 27 for et kretsdiagram som viser prinsippet. Forbedring av kretsen I avsnittet over ble det nevnt at kretsen bare fungerer som en strømbryter dersom vi har en ideell diode. Virkelighetens dioder fungerer dessverre slik at overgangen til å lede er noe

38 26 KAPITTEL 5. NYE LØSNINGER Figur 5.5: Pinne i vanlig posisjon

39 5.1. MEKANISK LØSNING 27 Figur 5.6: Utslag på pinne Figur 5.7: Potmeter som skal brukes i den designede kretsen Figur 5.8: Diagram som viser grunnprinsippet i sensorkretsen

40 28 KAPITTEL 5. NYE LØSNINGER flytende, det er med andre ord ingen skarp overgang mellom når den leder og ikke leder, se figur 5.9 for illustrasjon av dette. Figurene kommer fra (AMS 2001). Figur 5.9: Ideell diode (H) mot reel diode (V) For å rette opp dette vil det derfor velges en litt annen oppbygging av kretsen som tar sikte på å frembringe den ønskede funksjonaliteten. Dette oppnås ved å koble potmeteret til inngangen på en operasjonsforsterker. Et av kjennetegnene til en operasjonsforsterker er at den vil prøve å holde innganger på samme nivå. Dersom dette ikke er tilfellet vil utgangen trekke strøm slik at det blir tilfellet. Fordelen med dette er at vi nå får en krets som leder strøm med en gang det oppstår en forskjell mellom inngangene. Denne forskjellen vil oppstå for ved å koble et annet potmeter til den andre inngangen på operasjonsforsterkeren. Dersom pinnen blir bøyd slik at motstanden endrer seg, vil vi få en forskjell på inngangene og dioden vil begynne og lede og lyse. Den nye kretsen er vist i figur Figur 5.10: Kretsskjema av detektor Sensorsystem De beskrevne sensormodulene vil kun ha mulighet til varsle med lys i den perioden slåmaskinen er over rådyrkalven, etter dette vil lyset slukkes igjen umiddelbart. I tillegg vil føreren av traktoren ikke ha noen mulighet til å se lyset i sensormodulen, nå dette slår ut. Det

41 5.1. MEKANISK LØSNING 29 er derfor nødvendig med en løsning som kan overføre signal fra hver av modulene til en felles kontrollenhet som traktorføreren har tilgang til. Denne enheten bør ha mulighet for registrering av hvilken sensor som slo ut og også en mulighet for å se hvor lenge hver sensor slo ut for å forhindre falske alarmer. Med de oppgitte mål til avstand mellom sensorpinnene, vil det også være ønskelig med funksjonalitet som hindrer falske alarmer ved å registrere når flere pinner slår ut samtidig. Dette fordi rådyrkalver stort sett aldri ligger så nærme hverandre at to stykker kan havne i slåmaskinen samtidig (R. Andersen, pers. med.). Oppbygging av kontrollenhet Kontrollenheten må bestå av en mikrokontroller som kan ta inn signaler fra de enkelte sensorene, samt å registrere hvilke av disse som har fått utslag på sensorpinnene. Mikrokontrolleren må også kunne styre to syvsegment display (se figur 5.11) for å muliggjøre avlesning av hvilken sensor som har fått utslag. Hver sensor vil her ha fått et nummer og displayet vil vise nummeret til den sensor som har fått utslag. Figur 5.11: Syvsegment display I tilegg må kontrollenheten være koblet til en lydkilde, som gi et lydsignal til traktorføreren når sensoren oppdager noe. Valg av mikrokontroller Ved valg av mikrokontroller er det lagt vekt på at den skal være billig, ha minst 32 innganger og være lett å programmere. Ved å legge vekt på kriteriet om programmerbarhet ved søking etter aktuelle mikrokontrollere, fremsto AVR-kretser fra ATMEL som aktuelle. Mikrokontrolleren ATmega8515 oppfylte kravet til antall innganger, og har en gunstig pris. Tilpasning av mekanikk til sensor I beskrivelsen av grunnprinsippet ble en løsning hvor sensorpinnen var koblet direkte på potentiometeret beskrevet. Da utstyret kommer til å utsettes for kraftig press både i fartsretningen, men ikke minst også sideveis, vil en slik løsning ikke være holdbar nok til praktisk bruk. En bedre løsning vil derfor være å koble sensorpinnen til en tverrstilt metallpinne som er festet godt til chassiset til sensoren. Til denne metallpinnen kan så potentiometeret festes. Videreutvikling av sensor I en storskala produksjon vil den beskrevne løsning ikke holde mål, da det er flere skjøre deler som vanskelig kan takle de forholdene utstyret vil bli utsatt for i åkeren. Tatt i betraktning at vår ønskede funksjonalitet til kretsen hele tiden har vært å få den til å fungere som en bryter, vil det være naturlig å arbeide med en løsning hvor den

42 30 KAPITTEL 5. NYE LØSNINGER ovenfor beskrevne tverrstilte metallpinnen fungerer som en bryter. Dette vil si at ved ut stort nok utslag vil bryteren vippes over i en påslått posisjon. 5.2 Gjenkjenning av rådyrkalver i bilder Problemet med at rådyrkalver blir drept av landbruksmaskiner har vært forsøkt løst på flere måter. Ingen av de eksisterende løsningene (se seksjon 3 på side 15) kan sies å være tilstrekkelig gode. Den beste løsningen på markedet 1, baserer seg på infrarøde sensorer. Den har problemer med falske og manglende alarmer på varme dager (se seksjon A.2.7 på side 55). Denne artikkelen beskriver en metode som forventes å minske feilraten til både falske og manglende alarmer ved deteksjon basert på samarbeidende sensorer, som kan være av en vilkårlig type. Sammendrag En metode for å trekke ut informasjon av bilder dannet fra sensordata blir foreslått. Metoden baserer seg på å segmentere bildet inn i regioner ved hjelp av terskling, med pre- og postprosessering, for å deretter beregne flere egenskaper ved regionene, og sjekke hvor godt de stemmer med det som er registrert til å være egenskapene til et rådyr i slike bilder. Metoden ble testet med lovende resultat. Metoden er uavhengig av sensor, så lenge denne er i stand til å produsere et bilde med sensorverdier. Ved å bruke standardkomponenter holdes prisen nede. Systemet som kreves for å benytte metoden tas også opp, og konkrete forslag blir gitt til hvordan et slikt system kan lages Designidé DLR Wildretter søkes forbedret. Wildretter har flere sensorer, som hver dekker en jordlapp på 0.5m 0.5m (Haschberger et al. 1996). Hver av sensorene har sin egen alarm. Alarmen til en sensor går dersom forskjellen i signalsstyrken over en periode med målinger endrer seg mer enn en bestemt, stillbar størrelse. Wildretter søkes forbedret gjennom å gjøre analysen av sensordata både på et høyere nivå og på et større datagrunnlag. Dette oppnås gjennom to midler: 1. Forbedrede sensordata. Å forbedre sensordataene fra det Wildretter med 5 sensorer, som hver beskriver et område på 0.5m 0.5m hver, gir, kan gjøres ved å øke antallet sensorer og/eller øke kvaliteten på sensorene. I sammenheng med ønsket om å se på større områder under ett, vil forbedrede sensordata i tilfelle 1 gis ved å øke k og l og/eller ved å bruke sensorer av høyere kvalitet, mens i tilfelle 2 er kameraets kvalitet avgjørende faktor alene. 1 DLR Wildretter

43 5.2. GJENKJENNING AV RÅDYRKALVER I BILDER Større områder analyseres som en enhet. Det søkes altså å både se på større områder under ett og å dele opp i flere områder. For å se på større områder under ett er det bare to muligheter: 1 Sensordata kombineres: kan realiseres gjennom at et antall på k sensorer langs en rett linje (f.eks. festet på en sensorstang) gir tilbake k dataverdier. Dette gjentas l ganger mens sensorene beveges over området (f.eks. ved å feste dem på en fôrhøster-maskin). Slik får vi l ganger k dataverdier. Disse l linjene settes sammen i et bilde på k l punkter. 2 Sensoren dekker et stort område: kan realiseres gjennom at et kamera tar et bilde (som kan være infrarødt, ekkolodd eller et vilkårlig annet avbildningssystem) på k l punkter. Merk at begge disse metodene har som resultat et bilde på k l punkter. I et slikt bilde kan hvert punkt adresseres, som gir oss inndelingen i mange områder vi søkte Overordnet systemdesign Deteksjonssystemet består av tre selvstendige moduler som kommuniserer; sensorer, mikrokontroller og alarm. Se figur Sensorer tar bilder flere ganger i minuttet. Bildene sendes til en mikrokontroller, som er koblet til en alarmenhet. Mikrokontrolleren analyserer bildedataene. Hvis mikrokontrolleren mener det er et rådyr i bildet utløser den alarmen ved å sende et signal til alarmenheten om at alarmen skal starte. Figur 5.12: Overordnet systemdesign Valg av sensortype Sensorene som brukes i systemet er avgjørende for suksessen til systemet. Disse sensortypene ble vurdert: 1 Lyd - ultralyd/sonar/radar 2 Mikrobølge 3 Infrarød 4 Optisk (vanlig lyskamera)

44 32 KAPITTEL 5. NYE LØSNINGER Av disse anbefales infrarød eller synlig lys. De andre alternativene regnes for dyre og for lite tilgjengelige. En kombinasjon av infrarød og synlig-lys sensorer virker lovende, men kommer i en høyere prisklasse, og undersøkes derfor ikke videre her. Krav Systemet er uavhengig av sensortype, slik det er designet i figur 5.12 på forrige side, men stiller krav til sensorene. Sensoren(e) må kunne danne et bilde som kan overføres til mikrokontrolleren. Sensoren må kunne gi bilder i oppløsningen i 256 intensitetsnivåer, eller bedre. Dette kommer fram av tester som har blitt gjort (se seksjon på side 34. For høy oppløsning er problematisk på grunn av behovet for å prosessere bildet i en mikrokontroller, da denne trenger å ha nok minne til å lagre bildet. Sensoren må ha rask nok oppdatering til at et nytt bilde foreligger senest en kort tid etter at området som ble målt på er passert. Områdes som skal måles antas å ha en diameter på 4m. Oppdateringshastigheten må være på 0.7 sekund for å kunne være klar med et nytt resultat hver 4. meter når fôrhøster-maskinen kjører i 20km/h. 2, se ligning 5.1. fart tid = distanse = x = 4 = x 0.7 (5.1) Sensorene må også kunne kobles til mikrokontrolleren. Det regnes for enklere å koble sammen mikrokontrolleren til et sensorarray, som er en annen chip, enn å koble den til en ekstern enhet, som et kamera, på grunn av tendensen til å bruke høynivå protokoller for kommunikasjon mellom slike enheter og datamaskiner. Forslag Basert på kravene ovenfor foreslås webkameraet Logitech QuickCam Messenger brukt i en prototype. Til en ferdig implementasjon kan det bli billigere og enklere å bruke en en-chips CMOS eller CCD sensor, som for eksempel Micron MT9C133P11STC (Micron Corporation 2004). Valg av mikrokontroller En mikrokontroller kan brukes til å utføre selve analysen av sensorbildene. Det er et stort utvalg av mikrokontrollere på markedet, og de er mye utbredt i vanlige apparater. Krav Mikrokontrolleren må kunne ta imot et bilde fra sensorene og behandle det før neste bilde kommer inn. Mikrokontrolleren trenger å lagre bildet før det prosesseres. Det må være plass til å lagre både et bilde som arbeides med og neste bilde som leses inn og resultatene. Et ukomprimert bilde på punkter i 256 farger tar 48KB plass. Det kan derfor være nok med så lite som 128KB minne, men 256KB er ønskelig for større fleksibilitet i implementasjonen. Mikrokontrolleren må ha en avbrudd-kontroller eller tilsvarende for å kunne prosessere et bilde samtidig med at et annet bilde lastes inn, for å vite når innlastingen er ferdig. Denne framgangsmåten gjør det nødvendig å ha plass til å lagre to bilder til enhver 2 Felleskjøpet på Stjørdal oppga hastighet på traktoren under innhøsting til 10-15km/h. Hastigheten 20km/h, som setter større krav til utstyret brukes i utregningen for økt sikkerhet.

45 5.2. GJENKJENNING AV RÅDYRKALVER I BILDER 33 tid. Dette er en vanlig teknikk å bruke. Den må gjøres fordi overføringshastigheten fra sensor til minnet i mikrokontrolleren er mye lavere enn fra minnet i mikrokontrolleren til registrene i prosessoren i mikrokontrolleren. Forslag Basert på kravene ovenfor foreslås mikrokontrolleren ATMEL AT91R40008 (Atmel Corporation 2004) for bruk. Valg av alarm En alarm er nødvendig for å få føreren av landbruksmaskinen sin oppmerksomhet. Krav Alarmen er simpel. Den skal starte når den får signal om det og skru seg av når den får signal om det. Når den har startet skal den gi fra seg en lyd som høres over motorduren til fôrhøster-maskinen. For å oppnå det må lyden ha høy tonehøyde og lydstyrke. Lyden bør også være repetiv, som i en sirene. I tillegg til dette må et lett synlig lys lyse opp. Ideélt sett kan alarmen plasseres inni førerhuset på fôrhøster-maskinen, men det er ikke et absolutt krav. Den skrus av ved at brukeren trykker på en lett synlig knapp, og skrus også av etter å ha vært på i lengre tid. Alarmen må bruke 12V eller lavere spenning, da det er det som er tilgjengelig i traktoren. Forslag For en prototype kan alarmkomponentene for eksempel kjøpes fra Clas Ohlson. Se figur (a) Blitlys nr (b) Summer nr Figur 5.13: Alarmkomponenter Utviklingsfokus Delsystemene sensorer, mikrokontroller og alarm er som vist ovenfor kommersielt tilgjengelige i den form de kreves i dette systemet, og beskrives derfor ikke i mer detalj.

46 34 KAPITTEL 5. NYE LØSNINGER Sammenkoblingen av alarm, mikrokontroller og sensorer regnes for en vanlig oppgave innen digitalteknikk og beskrives derfor ikke i detalj her. Programmeringen av mikrokontrolleren regnes for uproblematisk, gitt at algoritmene for bildeanalysen er kjent. Problemet reduseres derfor til å tilpasse kjente algoritmer og eventuelt utvikle nye algoritmer for bildeanalyse for å løse dette bestemte bildeanalyseproblemet: Å bestemme med høy sikkerhet om det er et eller flere rådyr i et bilde dannet fra sensordata eller ikke innen 0,7 sekund. Resten av delkapittelet tar for seg disse algoritmene Algoritmer for bildeanalyse En algoritme er en prosedyre eller formel for å løse et problem. Dette delkapittelet tar for seg å beskrive en konkret måte bestemte algoritmer kan kombineres til å løse problemet med gjenkjenning av rådyrkalver i sensorbilder. Det er lagt vekt på at algoritmene skal kunne utføres i sanntid, dvs. at resultatet skal foreligge umiddelbart, slik at brukeren ikke trenger å vente på at systemet skal gi tilbakemelding. Prosessen nedenfor foreslås for å trekke ut - og gjenkjenne formen til et rådyr i sensorbilder: 1 Fjern støy/preprosesser bildet 2 Finn optimal terskel 3 Utfør global terskling 4 Utfør morfologiske operasjoner på bildet 5 Gå gjennom bildet og beregne egenskaper ved de forskjellige regionene Etterpå sjekkes hver region sine egenskaper for å se om de samsvarer med de en rådyrkalv har. Hvis det er godt nok samsvar for en region, antas det at det er et rådyr, og et signal til alarmenheten sendes fra mikroprosessoren. Algoritmene og effektiviteten deres er nøye beskrevet i seksjon A.3 på side Tester, Infrarød Enkle tester av bildeanalysemetoden har blitt utført for ett bilde 3 tatt med infrarødt kamera. Se figur A.8(a) på side 62 for orginalbildet. Bildet kommer fra projekt33.html og er tillatt å publisere fritt. Tester av de to siste stegene i formgjenkjennings-prosessen har ikke blitt utført. Det er fordi at for å gjøre det siste steget er det nødvendig å ha data om hvordan rådyrkalver ser ut i et bilde tatt med den aktuelle sensortypen, og det er ikke mulig å teste det siste steget uten å utføre det nest siste steget først. 3 Det eneste som var tilgjengelig

47 5.2. GJENKJENNING AV RÅDYRKALVER I BILDER 35 Metoden har blitt testet på varianter av bildet med forskjellig støy og bildestørrelser. Bildene som metoden ble prøvd på var av størrelsene , og Støyen som ble brukt var additiv, gaussisk støy med forventning 0 og standardavvik 0, 20, 40 og 80, hvor 0 er utgangspunktet (orginalbildet). Alle kombinasjoner av støyverdi og bildestørrelse ble brukt, og det er dermed 12 resultatbilder. Bildet er i pseudocolour, verdiene i bildet har blitt gitt forskjellige farger for å gjøre det lettere å tolke bildet for mennesker. Dette gjør det ikke lettere å tolke bildet for en datamaskin, tvert om. Som første steg i prosesseringen ble bildet derfor redusert fra 3 hovedfarger (rød, grønn og blå) til et monokromt bilde med intensitetsnivåene 0 til 255. Dette ble gjort etter formel 5.2, som gir gode resultater fordi de varmeste områdene er gule (rød+grønn) og røde, og bakgrunnen er blå. Vi trekker bakgrunnen (blå) fra de varmeste (middels og mest varme) områdene i bildet ved å trekke blåbildet fra rødbildet, og bruker resultatbildet til å legge på de litt mindre høye temperaturene til det grønne bildet, som har de aller høyeste temperaturene (på grunn av at grønn inngår i gul, og gul er varmest i bildet). f(bilde) = 0.33 (bilde r bilde b ) (bilde g ) (5.2) Resultatet av ligning 5.2 på bildet i figur A.8(a) på side 62 vises i figur A.8(b) på side 62. Deretter ble bildet tersklet. Resultatet vises i figur A.8(c) på side 62. Deretter ble bildet morfologisk lukket. Resultatet vises i figur A.8(d) på side 62. Vi ser at det morfologisk lukkede bildet er svært likt det tersklede bildet. Det er fordi det ikke er spesielt mange små trekk i dette bildet, det er i hovedsak bare den ene store rådyrkalven. Hvis det hadde vært andre, små varmekilder, eller mer støy i bildet, ville vi sett at den morfologiske lukningen fjernet deler av eller hele bidragene fra disse. Vi får også at små trekk langs kanten til rådyrkalven fjernes, slik at vi står igjen med bare hovedkonturen. Dette er viktig for neste steg i prosessen. Resultatbildene for alle oppløsninger og støynivå vises i figurene A.10 på side 64 til og med A.12 på side 66. Effekten av støy Støy er et vanlig problem med avbildningsutstyr. Det er en markant prisforskjell mellom utstyr med merkbar støy og det uten. Fordi vi her ønsker å bruke billig, enkelt utstyr, er det interessant å se hvor resistent metoden er ovenfor støy. Det vil være en generell test av metoden under hvor dårlige forhold greier den å operere? Testene viser at vi får gode resultater på alle bilder, med additiv, gaussisk, støy med standardavvik opp til og med 40. Med svært høy støy (standardavvik 80) ble formen av rådyret i varierende grad brutt opp, men noen av egenskapene var også da bevart, som nær kuleaktig form, og arealet. For effekten av s.a. 80 ved , se figur A.9(a) på side 63. For effekten av s.a. 80 ved , se figur A.9(b) på side 63.

48 36 KAPITTEL 5. NYE LØSNINGER Effekten av bildestørrelse Detaljnivået eller oppløsningen på sensorer er, som støy, også forskjellig i billig og dyrt utstyr. Vi ønsker å bruke utstyr med lav oppløsning, både for å spare penger, men også for å reduserere minnekravet til mikrokontrolleren (se seksjon på side 32). Med synkende bildestørrelse synker detaljnivået, og effekten av støy øker, i og med. at et punkt i bildet utgjør en større andel enn i et større bilde. For det minste bildet (128 96), med noe støy (standardavvik 20), forsvinner nederste delen av bakbeina til rådyret, mens de er synlige på alle støynivåene i det mellomstore bildet ( ). Utifra testene ser ut som et magert grunnlag å gjøre avgjørelser på, mens er akseptabelt for additiv gaussisk støy med standardavvik på opptil 40 intensitetsverdier, som er mye støy (se figur A.9(c) på side 63), med 255 intensitetsverdier i bildet. Oppsummering av testene Metoden ble testet på 12 varianter av et sensorbilde. Bare den komplette segmenteringen ble testet, pga. manglende tilgang på bildedata. De 12 variantene skilte seg fra hverandre med å ha forskjellig støynivå og størrelse. Variantene ble dannet ved simulering av støy og lineær skalering av bildet. Testene viste at metoden i alle tilfeller plukket ut rådyret fra bildet, også i det ekstreme tilfellet med svært lite bilde (128 96) og svært mye støy (80 i standardavvik). Utførelse av testene Testene ble utført ved hjelp av bildebehandlingspakken Xite versjon fra universitet i Oslo og programmet Matlab versjon 13SP1 5. Matlab ( Matrix laboratory ) ble brukt til å gjøre matematisk morfologi på bildene. Spesialskrevne programmer ble brukt for å gjøre bildeoperasjonene ved hjelp av Xite og Matlab. Se seksjon A.1 på side 45 for programmene. Bildefilene og de spesialskrevne programmene er tilgjengelige på internettadressen for fri bruk Tester, vanlig lys Tester av metoden på vanlig lys bilder ble også gjennomført. Også her var det problemer med å få tak i skikkelige testbilder. Det ble antatt at i de aktuelle bildene vil store områder grønt (grønt gress) dominere. Det gitt, er bildet i figur A.13(a) på side 67 representativt, og derfor aktuelt å teste metoden på. Tester har blitt gjennomført på dette bildet. Første steget ble endret fordi et vanlig bilde har ikke pseudo-colour, som det infrarøde bildet har, og rådyrets farger er annerledes i et infrarødt og et vanlig bilde. Som med det infrarøde bildet ble en betraktning rundt bakgrunn og sterke kanter brukt. Av de tre fargebåndene i bildet, rød, grønn og blå, ble to av fargebåndene, rød og grønn brukt. I det grønne laget ble bildepunkter der grønn farge var dominerende fjernet (vi er ikke interessert i bakgrunnen,

49 5.2. GJENKJENNING AV RÅDYRKALVER I BILDER 37 som vi har antatt er grønn). I det røde ble bildepunkter med lavere intensitetsverdi enn fjernet. Denne operasjonen fjernet alt annet enn konturen av rådyret (kanten) fra bildet. Resultatbildene av disse to operasjonene ble gjort om til et nytt bilde ved en affin lineærkombinasjon, som vist i ligning 5.3, analogt med ligning 5.2 på side 35. h er funksjonen som fjerner bildepunkter med laver intensitetsverdi enn 160. f(bilde) = 0.10 g(bilde r ) h(bilde g ) (5.3) Resultatet av ligning 5.3 på bildet i figur A.13(a) vises i figur A.13(b) på side 67. Deretter ble bildet filtrert med at hvert bildepunkt fikk gjennomsnittsverdien av de åtte naboene sin verdi. Resultatet vises i figur A.13(c) på side 67. Deretter ble bildet tersklet. Resultatet vises i figur A.14(a) på side 68. Deretter ble bildet morfologisk åpning. Resultatet vises i figur A.14(b) på side 68. Det viste seg at det var bedre å gjøre morfologisk lukking enn åpning på dette bildet på grunn av at når gresset delvis dekker rådyret, vil bildet av rådyret bli oppstykket, og lukning kan slå sammen regioner som er nær hverandre. Sammenlignet med det infrarøde bildet ser vi at formen til rådyrkalven blir mer stykket opp på grunn av gress som dekker den. Når kalven ligger nede vil større mengder gress dekke den. Det foreslås derfor å ha et løsere krav enn konnektivitet rundt hva som teller som en region for de to siste punktene i algoritmen for å komme rundt dette problemet. Istedenfor kan nærhet implisere samme region. Grensen for hva som er nært settes til så stor avstand det kan være mellom to punkter på en rådyrkalv i slike bilder som vi analyserer. Dette gjøres i det nest siste steget i metoden helt til slutt Kostnad Dette er et overslag på kostnaden 7 av utstyret. Utviklingskostnad tas ikke i betraktning. Kostnad mikrokontroller: NOK hos Arrow Norway AS Kostnad alarm: 139 NOK for lyset hos Clas Ohlson (art nr ) og 39 NOK for summeren 8 (22-572) Kostnad kamera/sensor: Varierer med sensortype. Infrarød: Raytek MP50-1M : 3600$ Optisk: Logitech QuickCam Messenger : 239 NOK hos mshop (art nr ) Kostnad monteringsstang og sammenkobling: Anslått til 400 NOK Total kostnad: Anslått til å være 820 NOK for prototypen av optisk variant. Prototypen antas dyrere enn en eventuell kommersiell løsning. Hvis det regnes 20% prisreduksjon mellom prototypen og kommersiell løsning, blir kostnaden til delene per enhet 655 NOK. Tilsvarende for den infrarøde enheten blir kostnaden med en dollarkurs på 7.0 omtrent NOK. 6 Verdien ble funnet eksperimentelt 7 Prisene er fra uke 12, En summer er en enhet som lager en summelyd. Denne lager en høy summelyd med høy frekvens

50 38 KAPITTEL 5. NYE LØSNINGER Montering Sensorstang Sensorene monteres slik at når fôrhøster-maskinen kjører i rette linjer opp og ned langs åkeren, dekker sensorene neste linje som fôrhøsteren skal høste fra. Det gjøres ved å feste sensorene vinkelrett ut fra draget til fôrhøsteren. Se figur 3.2(b) på side 17. Kamera Kamera monteres slik at det dekker en sirkel på bakken som har samme diameter som bredden på draget. Kameraet henges opp over bakken i et lite stilas, slik at det peker på neste linje som fôrhøsteren skal høste fra. Kameraet må ikke riste, det gir uklare bilder. Kameraet monteres i en ramme som er slik at den alltid lar kameraet peke rett ned etter tyngdekraften, og begrenser de uregelmessige forflytningene av kameraet som skjer på grunn av at fôrhøsteren rister når den kjører. Det bør også være en kjegleformet skjerm rundt kameraet, som hindrer at kameraets linse ikke blir truffet av flygende gress under kutting. Se figur Figur 5.14: Montering av kamera. Bildet er basert på det i figur 3.2(b) på side Konklusjon Testene av metoden ga gode resultater, men er ikke tilstrekkelig grunnlag til å gi en generell konklusjon. Ved svært høy støy (uavhengig gaussisk støy m/standardavvik 80, tilsvarende drøye 30% av maksimalt sensor utslag), ble kanten og det indre av rådyret brutt opp, noe som teoretisk sett kan føre til feilklassifisering, men forventes å ha liten betydning ved vektlegging av arealet til rådyret i bildet i gjenkjenningsprosessen. Ved bruk av vanlig kamera (synlig lys) vil gresset som dekker rådyrkalven føre til at formen til kalven brytes opp. Dette kan løses ved å slå sammen regioner som ligger tilstrekkelig nært hverandre. Metoden er i prinsippet uavhengig av sensortype, men prosessen for å danne bilder egnet for bildeanalyse må nødvendigvis variere med typen bilde, som er gitt sensortypen. En god metode for å danne egnede bilder fra infrarødt kamera som viser temperatur i pseudocolour ble funnet, og for vanlig lys der bakgrunnen er grønt gress.

51 5.3. DISKUSJON 39 Prisen på en enhet som implementerer metoden avhenger i stor grad av sensorvalg. Infrarødt avbildningsutstyr er mer kostbart enn vanlig kamera. Dette gjør at vanlig kamera anbefales fremfor infrarødt, for bruk ved metoden. Ved bruk av infrarødt kamera ble kostnaden av delene estimert til å ligge rundt NOK og ved vanlig kamera ble prisen estimert til å ligge rundt 650 NOK. 5.3 Diskusjon For å kunne avgjøre hvilken av de to foreslåtte løsningene som er best egnet for videre utvikling vil de ulike usikkerhetsmomentene, styrker og svakheter her settes opp mot hverandre. I kravene til løsningen som ble beskrevet i kapittel 4 på side 19, er pris et sentralt tema. Begge de to foreslåtte løsningene vil ligge godt innenfor den prisgrensen, bortsett fra at ved bruk av infrarødt kamera, vil prisen gå over grensen. Hvis vi derfor tar utgangspunkt i at det er den optiske løsningen som velges, har vi to tilnærmet likeverdige løsninger som begge antas å ligge i størrelsesorden kr for en ferdig prototyp. Prisene er basert på overslag. Prisen vil kunne bli mindre dersom det hele blir masseprodusert. For å oppnå aksept blant kundene, er det nødvendig med et system som er lett å installere for brukeren og som krever lite vedlikehold og ettersyn. Her vil den mekaniske løsningen ha visse fordeler over kameraløsningen. Dette fordi denne er tenkt realisert som en separat enhet som skal kunne kobles til en traktor ved behov, og som kun vil trenge en strømforsyning og mulighet for tilkobling av alarm inn i førerhuset til traktoren. Vedlikehold av innrettningen vil være som for slåmaskinen. Dersom en sensormodul ødelegges er det meningen at denne enkelt skal kunne byttes ut, til en svært billig pris. Kameraløsningen vil derimot sette krav til at kameraets linse rengjøres hyppig for gress og annet smuss. Dette krever dertil egnet utstyr i form av egnede rensevæsker og pussekluter. For begge løsninger gjelder det ellers at de skal kunne installeres på traktoren ved hjelp av det verktøy som naturlig er tilstede på traktoren. Dersom noe går i stykker på kameraløsningen vil det ikke være noe annen løsning på dette enn å skifte ut hele kameraet, mens det for den mekaniske løsningen vil være lettere å gjøre reparasjoner. Da innretningen skal brukes i et utsatt arbeidsmiljø, kreves det at den er robust. Også på dette punktet vil den mekaniske løsningen stille med fortrinn da den kan designes slik at robusthet er mulig i mye større grad enn det vil være mulig for kamera. I tillegg vil den i mye mindre grad være påvirket av klimaforhold. Dette fordi kameraets suksessrate vil være avhengig av faktorer som temperatur ved bruk av infrarødt avbildningssystem, og lysforhold, vind og tåke ved bruk av ordinært kamera. Spesielt vind vil her være et problem, da gresset kan legge seg over rådyrkalven og på denne måten okkludere kalven. Den fulle effekten av dette fenomenet er ikke kjent, men i det verste tilfellet vil kalven kunne bli fullstendig dekket av gress og derfor ikke oppdaget av kameraet. For begge løsninger er et stort usikkerhetsmoment hvorvidt de vil fungere i praksis. Bildeanalyseløsningen har gitt gode resultater i testene som er utført, men mangelen på gode bilder som illustrerer hvordan en rådyrkalv i åkeren vil arte seg sett ovenfra blant høyt gress, begrenser muligheten til å konkludere på grunnlag av testene. For den mekaniske løsningen er det store usikkerhetsmomentet hvorvidt denne vil være i stand til å motstå trykket fra gresset, men

52 40 KAPITTEL 5. NYE LØSNINGER samtidig slå ut under trykket fra en rådyrkalv. Dette antas å være et økende problem ved økende hastighet, og det er ønskelig at utstyret fungerer i opptil 20 km/t. Det er lagt til flere mekanismer på innrettningen som skal begrense trykket fra gresset, men kun forsøk ute i felt eller i gode simulatorer vil avsløre hvordan dette potensielle problemet eventuelt arter seg.

53 Kapittel 6 Konklusjon Denne rapporten har vist at det er et reelt problem at rådyrkalver blir drept av landbruksmaskiner under slåtten. I Norge er problemets omfang lite relativt til i Sentral-Europa, men undersøkelser tyder på at det bare i Østfold fylke kan være anslagsvis 430 rådyrkalver som blir drept av slåmaskin hvert år. Det er funnet at rådyrkalver i fôret kan utgjøre et potensielt problem, i form av sykdommer, som for eksempel husdyr som rammes av botulisme. I tillegg er det funnet at enkelt bønder opplever det som meget ubehagelig å få rådyrkalver i slåmaskinen. Tidligere foreslåtte løsninger ble evaluert, og den ledende løsningen viste seg å ha viktige begrensninger. Derfor ble det utarbeidet to nye forslag til løsning på problemet. Begge disse er prismessig gunstige og har ikke de begrensningene den nevnte ledende løsningen har, men har noen usikkerhetsmomenter rundt funksjonalitet i praksis. Det er derfor nødvendig med en utprøvning av en prototype av utstyret i en åker, før det er mulig å anbefale en av løsningene. 41

54 42 KAPITTEL 6. KONKLUSJON

55 Bibliografi AMS, A. M. (2001), Diode-rectifier. Andersen, R., Duncan, P. & Linell, J. (1998), The European Roe Deer: The Biology of Success, Scandinavian University Press. Angel, E. (2003), Interactive Computer Graphics, 3. edn, Addison-Wesley. Atmel Corporation (2004), Atmel at91r40008 datablad. Cederlund, G. & Liberg, O. (1995), Rådjuret: viltet, ekologien och jakten, Svenska jägareförbundet. Danilkin, A. (1996), Behavioral Ecology of Siberian and European Roe Deer, Chapman & Hall. Fickel, J. & Reinsch, A. (2000), Mircrosatellite markers for the european roe deer (capreolus capreolus), Molecular Ecology 9(7), for storfe, H. (2003), A, b, c, d-sjukdommer. Frostad, L. & Andersen, H. (2003), Botulisme. Gonzalez, R. & Woods, R. (2002), Digital Image Processing, 2. edn, Prentice Hall. Green, C. (1998), Reducing mortality of grassland wildlife during haying and wheatharvesting operations, Oklahoma State University Forestry Publications F Harris, S., Morris, P., Wray, S. & Yalden, D. (1995), A review of british mammals: population estimates and conservation status of british mammals other than cetaceans. areviewofbritishmammalsall.pdf. Haschberger, P., Bundschuh, M. & Tank, V. (1996), Infrared sensor for the detection and protection of wildlife, Optical Engineering 35(3), Jadgshutz-Verband, D. (2003), Jahresjagdstrecken bundesrepublik deutschland. Jarnemo, A. (2002), Roedeer (capreolus capreolus) fawns and mowing - mortality rates and countermeasures, Wildlife Biology 8(3),

56 44 BIBLIOGRAFI J.J.Brehm & W.J.Mullin (1989), Introduction to the structure of Matter, John Wiley and Sons. Kaluzinski, J. (1982), Roedeer mortality due to mechanization of work in agrocenoses, Acta Theriologica 27, Kittler, L. (1979), Wildverluste durch den einzats landwirtschaflicher maschinen nach einer erhebung aus dem jagdjahr 1976/77 in nordrhein- westfallen, Zeitschrift für Jagdwissenschaft 25, Kuusi, M. (1998), Botulisme. Kuusi, M., Hasseltvedt, V. & Aavitsland, P. (1998), Botulisme i norge , Meldingssystemet for smittsomme sykdommer, MSIS 9. Micron Corporation (2004), Micron mt9c133p11stc datablad. Mitchell, A., Amori, G. & et al. (1999), The Atlas of European Mammals, Academic Press. Mörner, T., Artois, M. & Duff, J. (2001), News from europe. wildlife diseases in europe in Norsk zoologisk forening (2002), Pattedyratlas. Office national de la chasse (1991), Impact du machinisme agricole sur la mortalité des faons de chevreuil, B.M. Office national de la chasse 155, Pukler, M. G. V. (2003), Fünf kitze ausgemäht, Zeitschrift für Jagdwissenschaft 10, Skov- og Naturstyrelsen (2003), Flere rådyr end nogensinde, Nyhedsbrevet Skov og Natur Sonka, M., Hlavac, V. & Boyle, R. (1999), Image Processing, Analysis, and Machine Vision, 2. edn, Thomson Publishing inc. Traktor/Transporter, F. (2000), Testberichte Vik, G. & Nielsen, B. D. (2000), Rundballer, hest og botulisme. Wilson, C. (2003), Current and future deer management options. pdf. Internett-adressene eksisterte den 2. mai 2004, men er dessverre ikke garantert å eksistere i fremtiden.

57 Tillegg A Vedlegg A.1 Programmer A.1.1 Shellscript Benytter seg av programmer fra bildepakken Xite. Bruk: bash scriptnavn bildenavn <standardavvik til støy> #! / bin / sh i f [ $# == 2 ] then r e s u l t d i r=r e s u l t s #basename i s filename n o i s e l e v e l base = echo $1 cut d. f 1 $2 mkdir p $ r e s u l t d i r b i f f c o p y band 1 $1 /tmp/ red. b i f f b i f f c o p y band 2 $1 /tmp/ green. b i f f b i f f c o p y band 3 $1 /tmp/ blue. b i f f #add n o i s e addgauss /tmp/ red. b i f f /tmp/ colortmp. b i f f 0 $2 mv /tmp/ colortmp. b i f f /tmp/ red. b i f f addgauss /tmp/ green. b i f f /tmp/ colortmp. b i f f 0 $2 mv /tmp/ colortmp. b i f f /tmp/ green. b i f f addgauss /tmp/ blue. b i f f /tmp/ colortmp. b i f f 0 $2 mv /tmp/ colortmp. b i f f /tmp/ blue. b i f f #c a l c u l a t e f image, f = ( red band b l u e band ) green band s i g n D i f f /tmp/ red. b i f f /tmp/ blue. d i f f /tmp/ d i f f. b i f f addw w w o f f s e t 0. 0 t r e s /tmp/ d i f f. b i f f /tmp/ green. b i f f /tmp/$ { base} combined. b i f f thresridcal /tmp/${ base} combined. b i f f /tmp/${ base} combined t. b i f f #c a l c u l a t e median image median /tmp/${ base} combined t. b i f f /tmp/ f o o. b i f f 3 3 mv /tmp/ f o o. b i f f /tmp/${ base} combined t. b i f f #c o n v e r t images b i f f 2 t i f f /tmp/${ base} combined. b i f f /tmp/${ base} combined. t i f f 45

58 46 TILLEGG A. VEDLEGG b i f f 2 t i f f /tmp/${ base} combined t. b i f f /tmp/${ base} combined t. t i f f convert /tmp/${ base} combined. t i f f $ r e s u l t d i r /${ base} combined. png convert /tmp/${ base} combined t. t i f f $ r e s u l t d i r /${ base} combined t. png #c l e a n up temporary f i l e s rm /tmp /. t i f f /tmp /. b i f f exit f i A.1.2 Matlabkode i=imread ( b i l d e. t i f ) ; im=bwmorph( i, open ) ; imwrite ( i, m o r f e t b i l d e. t i f ) ; A.1.3 Simulert kjøring #include <s t d i o. h> #include <s t d l i b. h> int main ( ) { double T=0; double mem=200; double N= ; double M= ; double K1= 5 5 ; double K2= 3 3 ; double cache = 2 0 ; double D= ; double f= 5 0 ; double R = 3 0 ; double F = 4 ; double t [ 6 ] ; int i ; t [ 0] = 4+5 N+1 M N mem+5 M+N+5 M N K1+1 M N K1 ( ( 0. 2 mem) cache )+ K1 mem; t [1]= 75 mem M N+4 D; t [ 2] = 3+6 N+4 N M+2 M N mem; t [3]= 2 (4+5 N+1 M N mem+5 M+N+5 M N K2+1 M N K2 ( ( mem) cache ) )+ 2 K2 mem; t [4]= 2+4 M (2+(4+2 (6+5+5 f mem) ) N) f ; t [5]= 6 (R+1) mem R F+2 f ; for ( i =0; i < 6 ; i ++){ p r i n t f ( Steg %d : bidro med %f sekund \n, i, t [ i ] / 2 e9 ) ; T+=t [ i ] ; } T/=2e9 ; p r i n t f ( Totalt %f sekund \n, T) ; return 0 ; }

59 A.2. BESKRIVELSE AV DLR WILDRETTER 47 A.2 Beskrivelse av DLR Wildretter Deutsche Zentrum für Luft- und Raumfahrt (DLR) har utviklet en detektor som oppdager vilt som ligger gjemt i graset. Detektoren er basert på at selv om viltet er vanskelig å oppdage med det blotte øye når det ligger gjemt i graset, vil det som regel være varmere enn omgivelsene. Dette betyr at det sender ut mer infrarød stråling (varmestråling) enn graset omkring. Dette valgte DLR å utnytte, og baserte derfor sin løsning på sensorer for infrarød stråling. A.2.1 Litt om infrarød stråling For å forstå prinsippet bak varmesensorer er det nødvendig med en grunnleggende kjennskap til infrarød stråling. Infrarød stråling har vært kjent i over 200 år. Det kjennetegnes ved at det er en form for strålingsenergi med en bølgelengde som er lengre enn synlig lys. En grei analogi for å forstå bølgelengde er vist i figur 1 A.1. Figur A.1: Illustrasjon av bølgelengde-konseptet Dersom du står på stranda og ser utover havet, vil du kunne se toppene på de innkommende bølgene. Avstanden mellom to etterfølgende bølgetopper kalles bølgelengden, og betegnes ofte som lambda (λ). Dersom avstanden mellom to bølgetopper halveres, se nedre del av figur A.1, ville bølgene treffe stranda dobbelt så ofte. Med andre ord ville vi ha fått en dobling av frekvensen, dette uttrykkes vanligvis med at frekvensen er invers proporsjonal med bølgelengden, f = v λ. Infrarød stråling er bølger med bølgelengder mellom 0, 78µm og 100µm. Infrarødt lys kan sees på som varmestråling da det er strålingsenergi som går over til varme i det strålingen treffer et fast legeme. Alle faste legemer med temperatur over det absolutte nullpunkt 2, emiterer termisk stråling. Jo høyere temperatur legemet har, jo kortere vil bølgelengden 1 Figuren kommer fra nettstedet Carl s Electronic Kits, grader celcius

60 48 TILLEGG A. VEDLEGG bli. A.2.2 Detektering av infrarød stråling Dersom det er ønskelig å bruke infrarøde detektorer, finnes det tre varianter som kan brukes, kvantedetektorer, pyroelektrisk detektor og en såkalt thermopile. Førstnevnte vil i vår sammenheng være uaktuell både av tekniske grunner som problemer med kjøling og av prismesige grunner. En såkalt Thermopile har vært prøvd ut (Haschberger et al. 1996), men ble ikke funnet god nok, da den krevde en minimum temperaturforskjell mellom objektet som skulle finnes og omgivelsene på mer enn 5 grader, selv med optimalt designet elektronikk. Derfor ble isteden er pyroelektrisk detektor benyttet i Wildretter. Den pyroelektriske detektoren benytter seg av en såkalt pyroelektrisk effekt. Denne kjennetegnes ved at dersom et bestemt materiale skifter temperatur, produseres det litt elektrisitet. En pyroelektrisk krystall er et eksempel på et slikt materiale. Dersom en slik krystall har vært i den samme temperaturen over en viss tid, vil det ligge en viss spenning mellom krystallets elektroder, se figur A.2. Når krystallets temperatur skifter, vil en spenning produseres på elektrodene på krystallet. Figur A.2: Pyroelektrisk infrarød sensor Den infrarøde sensoren består to krystaller som er koblet sammen med motsatt polaritet med kun 1mm mellomrom. Disse krystallene er står bak en linse som beskrevet i seksjon A.2.4. Se figur A.5 på side 52. Utgangseffekten fra krystallene er svært lav. Derfor er det som vist 3 i figuren koblet til en felt-effekt transistor (FET), for å øke utgangseffekten. En FET virker slik at svært små endringer i inngangsspenningen på FET transistorens port. A.2.3 DLR Wildretter DLR hadde satt to krav til sin løsning (Haschberger et al. 1996). Det første var at sensoren måtte være i stand til å oppdage vilt som lå skjult i varierende omgivelser i eng, basert på 3 Kalles Gate i figuren

61 A.2. BESKRIVELSE AV DLR WILDRETTER 49 forskjell i infrarød stråling. Det andre kravet var at utstyret måtte kunne bæres og brukes av en person til fots og i tillegg kunne monteres på traktor med slåmaskin eller fôrhøster. I likhet med synlig lys kan ikke infrarød stråling passere gjennom gras eller andre massive objekter. Dette betyr at sensoren må ha direkte synskontakt med viltet. DLR valgte derfor å montere flere sensorer langs en horisontal stang, for at sensorene skal kunne se rett ned i graset som mulig (se figur A.3). På denne måten vil det bli minst gras mellom sensorene og viltet. Dette er også viktig for å øke treffsikkerheten til sensoren og for å unngå falsk alarm. Spesielt er dette viktig utover dagen når væsken i graset blir varmet opp av sollys. Målinger har vist at tidlig om morgenen er temperaturforskjellen mellom pattedyr og gras fra 4K til 7K mens den er litt lavere for fugler (Haschberger et al. 1996). Så lenge det er overskyet og ikke direkte sollys vil denne temperaturforskjellen holde ganske konstant utover dagen, men på varme dager med sol, vil graset absorbere sollyset og sende dette ut igjen som infrarød stråling. Dette gjør at viltet vil bli fullstendig usynlig for sensorene, på grunn av så mye bakgrunnstråling i den samme delen av spekteret, og metoden vil derfor fungere dårlig. Et annet viktig trekk ved dette utstyret er at det måler mengde innkommende infrarød stråling og så sammenligner dette med den mengde som ble målt ved forrige måling. Hvis forskjellen overstiger en viss, stillbar, grense vil alarmen bli løst ut. Dette gjør at skiftende værforhold og temperatur til omgivelsene ikke påvirker detekteringen av vilt i stor grad. Dette hadde vært et mye større problem hvis en istedenfor skulle vurdert faren for vilt i graset utifra totalt innkommende infrarød stråling i en enkelt måling. Et annet problem som derimot dukker opp ved denne metoden er at en må velge tiden mellom hver måling med omhu. Hvis det går for lang tid mellom hver måling i forhold til farten, vil rådyrkalven kunne bli passert uten at den blir detektert. Hvis det blir for tette målinger i forhold til farten, vil forskjellen i detektert stråling i det rådyrkalven kommer inn i den romvinkelen som detektoren dekker bli liten. Dermed kan rådyrkalven også på denne måten unngå å bli detektert. De tyske forskerne har kommet fram til at 50ms mellom hver måling er ideelt for hastigheter mellom 5 og 15 km/t. Normal kjørehastighet for traktor med slåmaskin vil i de aller fleste tilfeller ligge i dette området (Representant fra Felleskjøpet Stjørdal, pers. med.). Figur A.3: Skisse av detektor

62 50 TILLEGG A. VEDLEGG A.2.4 Optikk I Wildretter er det brukt 8 sensorer for å dekke 4m (Haschberger et al. 1996). Det vil si at hver sensor må dekke 50 cm. I og med at sensorene er plassert 1m over bakken, gir enkel geometri at sensorene må minimum ha feltvinkelen (halvvinkel): ( ) 25cm α = tan 1 = 14grader = 0, 245radianer 100cm Standard IR-detektorer har feltvinkel mellom 60 og 90 grader. Derfor er det nødvendig med en optisk innretning for å begrense feltvinkelen (som vist i figur A.5 på side 52), slik at en unngår forstyrrelser fra bakgrunnsstråling. Dette kan løses med en enkel feltblende, men problemet med dette er at lysgjennomgangen til systemet reduseres kraftig. En annen mulighet er å bruke en samlelinse og plassere IR-detektoren i fokalplanet 4 til denne (vist i figur A.4(a) på neste side). Fokallengden kan da beregnes utifra formelen: f 2 = A d Ω f = Ad Ω der f er fokallengde, A d er detektorarealet og Ω er romvinkelen. Romvinkelen kan beregnes ut fra formelen: Ω = 2π (1 cos α) For α = 0,245 radianer gir dette romvinkelen: Ω = 2π (1 cos 0, 245) = 0, 19sr IR-detektorene som brukes i den tyske løsningen har et detektorareal på 2,25 mm 2. Ut i fra dette kan vi regne ut den maksimale fokallengden samlelinsa kan ha slik: f = Ad Ω = 2, 25mm 2 0, 19sr = 0, 0035m = 3, 5mm 4 Fokalplanet er det planet i rommet der parallelt innkommende stråler vil bli samlet av en samlelinse. Avstanden fra linsa til fokalplanet kalles fokallengden, f.

63 A.2. BESKRIVELSE AV DLR WILDRETTER 51 (a) Tradisjonell samlelinse (b) Multisegment Fresnel-linse Figur A.4: To typer linser Samlelinser med så kort fokallengde vil oftest ha liten diameter, stor transmisjonstap og høy pris. Derfor vil dette være et dårlig valg. Dette problemet kan løses ved hjelp av Fresnellinser. En Fresnellinse er et system av ringlinser som fokuserer hver sin strålebunt, slik at det totale resultatet blir en samlelinse (se figur A.5 på neste side). En slik linse kjennetegnes ved korte fokallengder og at de er atskillig tynnere enn tradisjonelle linser. I den tyske løsningen er det på hver detektor brukt en multisegment Fresnellinse, som er bygd opp av 26 rektangulære Fresnellinser som hver for seg fokuserer hver sin strålebunt mot detektorarealet. Hvis detektorene er montert i 1m høyde, dekker hvert linsesegment 4cm i kjøreretningen. Linsene har fokallengde 30mm og når vi i tillegg vet at detektorarealet er 2,25 mm 2 kan vi regne ut romvinkelen som hvert enkelt linsesegment dekker: Dette tilsvarer feltvinkelen: Ω = A d 2, 25mm2 = f 2 2 = 0, 0025sr (30mm) ( α F = cos 1 1 Ω ) ( = cos 1 1 2π ) 0, 0025 = 0, 028radianer = 1, 62grader 2π Når vi i tillegg vet at hver linse består av 26 slike linsesegment tilsvarer dette at hver detektor dekker over 40 grader i bredden. Denne vinkelen reduseres til 14 grader med en feltblende (se

64 52 TILLEGG A. VEDLEGG figur A.5). Ved å bruke en Fresnellinse blir lysgjennomgangen mer enn 3 ganger så høy som med en tradisjonell samlelinse. Figur A.5: Multisegment Fresnel-linse med feltblende A.2.5 Optisk følsomhet På grunn av at detektormetoden baserer seg på å studere strålingsprofilen i infrarødspekteret til graseng, er det viktig å se på den optiske følsomheten til systemet. Den utstrålte effekten som blir absorbert av IR-detektoren er gitt ved: P = A Ap Ω λ 2 λ 1 L λ (ε, T )dλ der A Ap er aperturareal, Ω er romvinkel og L λ er radians 5. Aperturarealet er oppgitt til å være 2000 mm 2 og romvinkelen er 0,0025 sr. Radiansen til et svart legeme 6 er som en følge av Plancks lov gitt ved (J.J.Brehm & W.J.Mullin 1989): L λ (ε, T ) = c 1 ε πλ 5 e (c 2/kT ) 1 der λ er bølgelengde, T er temperatur, ε er emissivitet 7 og c 1 og c 2 er konstanter. Vi kan nå løse integralet i uttrykket for den detekterte effekten slik: L (ε, T ) = λ 2 λ 1 L λ (ε, T )dλ = λ 2 λ 1 c 1 πλ 5 [ ε e (c 2/kT ) 1 dλ = c 1 4πλ 4 ] ε λ2 e (c 2/kT ) 1 λ 1 5 Radians er den utstrålte effekten fra et flateareal i en viss retning innen en gitt romvinkel, dividert med arealet av flaten sett fra sen gitte retningen. 6 Et svart legeme er et legeme som absorberer all innkommende stråling og sender strålingen ut igjen når legemet er i likevekt. Dette er selvsagt idealisert, men vi gjør ingen store feil ved å si anta at frekvensfordelingen i strålingen fra en rådyrkalv tilsvarer strålingen fra et svart legeme. 7 Emissivitet er forholdet mellom utstrålingstetthetene fra et legeme og et svart legeme. Det vil si at for et svart legeme er ε=1

65 A.2. BESKRIVELSE AV DLR WILDRETTER 53 = c ( 1 ε 1 4π e (c 2/kT ) 1 λ 4 1 ) 1 λ 4 2 Som vi ser er L(ε,T) nå kun avhengig av emissiviteten ε, og temperaturen T. Fordi vi her antar svart legeme er ε= 1. Figur A.6 viser et plott av L(ε=1,T) for temperaturer mellom 0 C og 40 C. Som vi ser er grafen forholdsvis rett og vi gjør ingen stor feil ved å anta at den er lineær. Dermed kan vi si at den deriverte av radiansen i det temperaturområdet vi er interessert i, er lik stigningstallet til grafen. Ved å lese av fra figuren kan vi anslå dette slik: L (ε, T ) 0, , 004 W µw = T 40 2 = 94 Ksrcm Ksrcm 2 Nå kan vi uttrykke den deriverte av den absorberte effekten: P T = T A Ap Ω λ 2 λ 1 L λ (ε, T )dλ = T (A L (ε, T ) ApΩL(ε, T )) = A Ap Ω T Ved å sette inn den beregnede verdien for den deriverte av radiansen og de oppgitte verdiene for aperturareal og romvinkel, kan vi regne ut tallverdien. Men i tillegg må vi må vi ta hensyn til transmisjonskoeffisienten, som for dette systemet kan antas å være omtrent 0,7. Da får vi: P T = τa L (ε, T ) ApΩ = 0, 7 20cm 2 0, 0025sr 94 µw T Ksrcm 2 = 3, 3µW K Dette er en utregning med mange antagelser og forenklinger. Likevel kan vi se av svaret at en endring av temperaturen på 1 Kelvin, fører til en endring av den detekterte effekten som vil være i størrelsesorden µw. Figur A.6: Radians som følge av temperatur A.2.6 Elektronikk og dynamikk Med den gitte sensoren får vi en tidskonstant på 0.8 sekunder. Det vil si at fra temperaturforskjellen oppfanges til den maksimale på utgangen av sensoren nås, går det 0.8 sekunder.

66 54 TILLEGG A. VEDLEGG Figur A.7 viser hvordan denne dersom sensoren oppdager et sprang i den målte temperaturen på 11 grader. Dersom rådyrkalven befinner seg mindre enn 0,8 sekunder i detektorens synsområde, så vil utgangsspenningen bli svakere jo kortere tid rådyrkalven befinner seg under sensoren. Da en tidskonstant på 0,8 sekunder tilsvarer en hastighet på mindre enn 0,6 km/t, er dette noe som må tas hensyn til og håndteres tatt i betraktning at vi ønsker at sensoren skal fungere ved 5-15 km/t. Variasjoner i utgangsspenning på grunn av hastigheten til slåmaskinen er funnet(haschberger et al. 1996) til å være av størrelsesorden en faktor på 2,5 mellom hastigheten på 5 og 15 km/t. For å kompensere for dette er det nødvendig med analog elektronikk som skal sørge for at tidskonstanten blir mindre enn 48 ms, dette for at sensoren skal kunne fungere tilfredsstillende i hastigheter opptil 15 km/t. Detektorens trege reaksjonstid kan akselereres ved å øke systemets båndbredde. Dette realiseres ved å ta i bruk ett høypass filter, noe som delvis kompenserer for detektorens lavpasskarakteristikk. Som med nesten all analog elektronikk vil en forbedring av en egenskap gå på bekostning av en annen. I dette tilfelle vil det være sensorens sensitivitet ved lave frekvenser som avtar. I praksis vil dette bety at deteksjon av rådyr ved hastigheter lavere enn 5 km/t vil ha lavere sannsynlighet for suksess. Figur A.7: Utgangsspenning U D som følge av strålingstemperatur for T = 11 K Resultatet er et design som er best egnet ved en hastighet på mellom 5 og 20 km/t, noe som er i det område en traktor med slåmaskin forventes å ligge i hastighet i åkeren. Ved hastighet over dette vil ikke lenger detektoren klare å oppfange temperaturforandringen raskt nok lenger. Ved hastighet under 3 km/t vil vi ha en svært lav sannsynlighet for suksess. Wildretter er bygd opp ved hjelp av moduler, hvor hver modul har sin sensor. Data fra disse sensorene sendes til en sammenligner som sjekker om signalet er sterkere enn en viss grenseverdi. Dersom dette er tilfelle betyr dette at sensorene har oppdaget noe som har en temperatur som skiller seg ut fra omgivelsene. Dette utløser en akustisk og optisk alarm. I tillegg er alle modulene tilkoblet en kontrollenhet som har LED-display som kan vise hvilken av sensorene som oppdaget noe. Systemet er laget slik at det flere sensorer kan oppdage noe samtidig uten problem.

67 A.3. ALGORITMER FOR BILDEANALYSE 55 A.2.7 Testresultater hos DLR Den tyske løsningen har blitt testet av de som utviklet utstyret(haschberger et al. 1996). Ved testing av utstyret i graseng, ble den håndholdte versjonen prøvd ut først. Først ble terskelnivået på detektoren justert ved at det ble gradvist justert opp helt til det ikke ble registrert falske alarmer. De rådyrkalvene som ble funnet holdt grader, noe som var omkring 6 K høyere enn bakgrunnen. Rådyrkalvene ble også funnet selv om de lå midt mellom to detektorer. Den traktormonterte utgaven ble testet med en hund som rådyrkalv. Her måtte terskelnivået justeres høyere på grunn av vibrasjoner og støy fra traktor og redskap. Likevel ble hunden funnet uten problemer ved en kjørehastighet på 15 km/t. Nå skal det sies at hunden var atskillig større enn en rådyrkalv, men likevel gir dette en pekepinn på at utstyret fungerer. Derimot er det avhengig av at utstyret blir brukt om morgenen eller i overskyet vær. Hvis ikke rådyrkalven har forskjellig temperatur fra omgivelsene i enga, vil metoden ikke virke. A.3 Algoritmer for bildeanalyse Her beskrives algoritmene for bildeanalyse, og effektiviteten deres. A.3.1 Fjerne støy/preprosessere bildet Sensorbildet har litt eller mye støy, som et resultat av avbildningsprosessen. Det er flere metoder for å redusere effekten av støy. En enkel måte å gjøre det på er bruk av medianfilter. Medianfilter er beskrevet i (Gonzalez & Woods 2002). Hvis ingen informasjon om støyens art er kjent, er medianfilteret et godt alternativ. Det glatter ut bildet. Dette reduserer støy fordi støy som oftest er høyfrekvent. Den beste kjente algoritmen for medianfilter er for tidskrevende for vårt formål. Derfor brukes en forenklet variant, som har lignende effekt, nemlig gjennomsnitt. Algoritmen blir da veldig enkel for hvert punkt i bildet, la det punktet sin verdi endres til å være en affin sum av gjennomsnittsverdien av punktene i de N nærmeste naboene til punktet og punktet selv. A.3.2 Finne optimal terskel Terskling er å lage en svart-hvitt utgave av bildet der objektene er svarte og bakgrunnen er hvit (eller omvendt). Utfordringen ligger i å finne den intensitetsverdien der grensen mellom bakgrunn og objekter (forgrunn) går. Til dette brukes en algoritme av Ridler og Calvard, kalt Iterative (optimal) threshold selection, som gjengis nedenfor. Selv om de to distribusjonene er overlappende, vil algoritmen i mange tilfeller gi et godt (optimalt) resultat i følge (Sonka, Hlavac & Boyle 1999). 1 Assuming no knowledge about the exact location of objects, consider as a first approximation that the four corners of the image contain background pixels only and the remainder contains object pixels.

68 56 TILLEGG A. VEDLEGG 2 At step t, compute µ t B and µt O as the mean background and object gray-level, respectively, where segmentation into background and objects at step t is defined by the threhold value T t determined in the previous step. µ t (i,j) background f(i, j) B = (A.1) #background pixels 3 Set µ t O = (i,j) objects f(i, j) #object pixels T (t+1) = µt B + µt O 2 T (t+1) now provides an updated background object distinction. 4 If T (t+1) = T t, halt, otherwise return to step 2. (A.2) (A.3) Hvor mange gjennomløp av steg 2. til 4. som gjøres avhenger av hvor nært til terskelen verdien som velges i steg 1. ligger. (Sonka et al. 1999) sier at til vanlig er det nødvendig med 4-10 gjennomløp. For vår bruk trenger vi at denne prosessen går raskest mulig, og vi har jobbet med å redusere antall gjennomløp. Det har vi lykkes med, og den nye prosessen beskrives nedenfor. Det antas først at med a priori kunnskap om bildene fra sensoren er det mulig å estimere en bedre initialverdi for µ B (det vil si nærmere terskelverdien) enn i algoritmen ovenfor, og at det medfører et lavere gjennomsnittlig antall gjennomløp. Det settes et øvre tak på antall steg, slik at det ikke er en sjanse for forsinkelser på grunn av spesielt mange gjennomløp. Dette taket settes til 6. Som en optimalisering kan estimeringen av initialverdien for µ B og første gjennomløp av steg 2. til 4. foregå i hvert bildepunkt etter filtreringen av det bildepunktet under preprosseringen av bildet. Det gir 5 gjennomløp av bildet. Dette kan optimaliseres ytterligere, ved å lagre den kumulative verdien av antall bildepunkter av hver intensitetsverdi multiplisert med intensitetsverdi for alle intensitetsverdier, og i tillegg antallet bildepunkter som har hver intensitetsverdi, og gjøre gjennomløp av tabellen over kumulativ frekvens-sum istedenfor bildet. Det er raskere fordi denne tabellen sin størrelse er lik antall intensitetsnivåer, som her settes til 256 (1 byte). Denne er mindre av størrelse enn alle bilder, unntatt så små bilder (8 rader og 8 kolonner) at de er uaktuelle for bruk på grunn av det lave detaljnivået. Den nye algoritmen endrer altså ligning A.1 til ligning A.5 og ligning A.2 til ligning A.6 i steg 2, der tabell[i] er som definert i ligning A.4, og f(s) er intensitetsverdien i koordinat s, og S er bildet. Tabellen over antall er bare en kumulativ sum over alle koordinater i bildet som har en bestemt verdi, slik at for eksempel antall[0] er antall koordinater med verdien 0 og antall[1] er summen av antall koordinater med verdien 0 og alle med verdien 1. MAXVAL er antall intensitetsnivåer, indeksert fra 0 og oppover. tabell[i] = i n n=0 µ t B = tabell[i] antall[i] s S,f(s)=i f s (A.4) (A.5)

69 A.3. ALGORITMER FOR BILDEANALYSE 57 µ t O = tabell[maxv AL] tabell[i] antall[m AXV AL] antall[i] (A.6) Som resultat av optimaliseringene sparer vi oss de fem gjennomgangene av bildet, men må gjøre en gjennomgang for å lage tabellene, før vi utfører algoritmen, og så gjøres gjennomgangen av de tabellene istedenfor bildet. Å lage tabellene tabell og antall kan gjøres med algoritmen nedenfor: For alle punkter s i bildet S, la tabell[f(s)]=tabell[f(s)]+f(s); og la antall[f(s)]=antall[f(s)]+1; For alle indekser t i mengden indekser T, 0 <= t < 256 la tabell[t] = tabell[t]*t +tabell[t-1]*(t-1); og antall[t] = antall[t] +tabell[t-1]; A.3.3 Global terskling Etter at terskelen er funnet terskles bildet. Terskling er en enkel operasjon. Algoritmen for terskling av et bilde med terskelen T er: For alle punkter i bildet, hvis punktet er mindre enn terskelen, sett verdien i punktet til 0, ellers sett den til maksimalverdien. A.3.4 Morfologisk åpning/lukking Matematisk morfologi handler om å omforme (morfe) en mengde punkter til en annen. Matematisk morfologi er beskrevet i (Gonzalez & Woods 2002). Her gis et kort, forenklet sammendrag. Morfologisk åpning er en operasjon som fjerner små trekk ved bildet. Først fjernes små trekk langs kantene til alle objekter i bildet, og så blir et lag smurt på igjen langs alle kantene, slik at objektene blir omtrent like store som de var før trekkene ble fjernet. Fjerningen (kalt erosjon) og tilbakeleggingen (kalt dilasjon) skjer ved at et strukturelement flyttes over kanten til objekter i bildet. Et objekt kan ses på som en mengde punkter. Ligning A.7 viser dette matematisk for en mengde A og et strukturelement B. A B = {(B) z (B) z A} (A.7) Vi ser at åpningen til A av B er mengden som er unionen av alle transleringer av B som er slik at B translert er inneholdt i A. Dette kan implementeres ved å først erodere A med B og så dilatere A med B, som er analogt med ligning A.7 i følge (Sonka et al. 1999). Disse to stegene beskrives i algoritmen nedenfor, for et binært bilde, som vi har på dette stadiet pga. tersklingen vi gjorde tidligere.

70 58 TILLEGG A. VEDLEGG 1 Erodere A med B: For alle punkter som inngår i den indre kanten til A, flytt strukturelementet B slik at senter i B er i punktet. Sett alle punkter i A som nå er dekket av B til 0. 2 Dilatere A med B: For alle punkter som inngår i den indre kanten til A, flytt strukturelementet B slik at senter i B er i punktet. Sett alle punkter utenfor A som nå er dekket av B til 1. Strukturelementet kan implementeres som en matrise på for eksempel 3 3 elementer. Hvor stor matrisen er bestemmer hvor store trekk som fjernes fra bildet. Matrisen kan bestå av bare 0 for erosjon, da skal ethvert punkt som er dekket av matrisa få verdien av binær AND mellom punktet i bildet og punktet i matrisa. Tilsvarende kan strukturelementet ha bare 1- ere for dilasjon, og da skal ethvert punkt som er dekket av matrisa få verdien av binær OR mellom punktet i bildet og punktet i matrisa. Morfologisk lukking er en operasjon som kobler sammen små trekk ved bildet til større enheter. Den er lignende åpning, men motsatt på den måten at erosjon og dilasjon byttes gjøres i motsatt rekkefølge, men ellers er alt likt. A.3.5 Beregning av egenskaper til regionene På dette punktet i prosessen er regionene kjente, som separerte objekter på bakgrunnen. Flere størrelser beregnes fra dem, som grunnlag for avgjørelsen som kommer i neste steg. I lista nedenfor er det foreslått noen beskrivende størrelser som er raske å regne ut. Disse størrelsene kalles deskriptorer. Deskriptorene nedenfor er rotasjonsinvariante. Det vil si at de har samme størrelse uavhengig av hvilken retning rådyret måtte være orientert i i bildet. Vi normaliserer størrelsene for å gjøre dem uavhengig av bildestørrelse. Normaliseringen tar en størrelse og gjør den til et tall mellom 0 og 1. Normaliseringen gjøres ved å dele på antall punkter i bildet. Normalisert areal og kompakthet regnes for de mest avgjørende egenskapene i denne gjenkjenningsprosessen. Normalisert areal Antall punkter innenfor kanten til en region Normalisert kantlengde Lengden til kanten til en region Forholdstall hoyde bredde Normalisert kompakthet kantlengde2 areal (lengste delt på korteste, slik at svaret er mellom 0 og 1) Som en optimalisering kan de regionene som åpenbart er for små (for lite normalisert areal) droppes med en gang, de er uaktuelle. Algoritmene for dette utelates, da de bare består av de enkle uttrykkene over. I en datamaskin der minnet er mye tregere å aksessere enn det som er lagret i prosessoren (som gjelder de vi i nesten alle tilfeller jobber med), anbefales denne måten å implementere algoritmene på, som minimerer antall ganger bildet må hentes fra minnet. Binært bilde er input. La besøkte koordinater i bildet få verdien 2 (i kontrast til andre som har verdien 0 eller 1). Dermed: For alle koordinater i bildet i radvis rekkefølge nedover, hvis

71 A.3. ALGORITMER FOR BILDEANALYSE 59 verdi ikke er 2, undersøk koordinatet. Utvelgelse av koordinater å besøke etter en ikke besøkt er funnet bør foregå etter Flood fill algoritmen, (Angel 2003). Fortsett slik til hele bildet er prosessert. Når et koordinat besøkes, sett verdien av den til 2, og besøk alle naboer nedenfor og ved siden av koordinatet som ikke har verdien 2, og ikke er en kant. Fortsett slik til alle naboer er besøkt - da er hele regionen besøkt. Når et koordinat besøkes, øk arealet med 1. Hvis det er en kant, øk kantlengden med 1 hvis det har to naboer som ikke er kanter, øk den med (2) ellers. Under besøkene lagres også den minste og største verdien av x-koordinatene av alle punkt, og tilsvarende for y-koordinatene. Dermed er alle størrelsene kjente etter 1 gjennomgang av bildet, og vi kan i etterkant regne ut regnestykkene over. Da flytttallsoperasjoner er mer tidkrevende i en datamaskin enn heltallsoperasjoner, foreslå en optimalisering heltallet 3 kan brukes som en tilnærming til (2) hvis arealet skaleres med 2 (3/2 (2)). Etter utregningen kan arealet halveres igjen. A.3.6 Analyse av egenskapene For hvert objekt i bildet sjekkes det om egenskapene til objektet er forenlige med de et rådyr har. For å gjøre denne testen må vi vite hvilke egenskaper er rådyr har med det aktuelle avbildningssystemet (sensortypen). Hvis slike data er kjent kan de statistiske fordelingene til arealet av en rådyrkalv og andre størrelser regnes ut, og vi kan basert på dem regne ut en total sannsynlighet, eller odds, for at et objekt i bildet er et rådyr, bare ved å multiplisere sannsynlighetene sammen. Algoritme: For alle regioner sannsynlighet=1 For alle egenskaper sannsynlighet = sannsynlighet (1 normalisert(observertverdi f orventning) ) Slutt for Slutt for Hvis sannsynlighet > minste grense så start alarm En mulig forenkling er å starte alarmen i alle tilfeller dersom det finnes et objekt i bildet som har stort nok areal. Da vil alarmen gå på steiner, andre gjenstander og andre dyr som er store nok, i tillegg til rådyr. Det er ikke sikkert at dette er en ønsket egenskap for eventuelle kjøpere av systemet, men det virker akseptabelt. A.3.7 Kjøretid Det er kritisk viktig at algoritmene er så raske å kjøre at mikrokontrolleren rekker å bli ferdig med å undersøke ett bilde før det neste kommer inn, for å få undersøkt hele området. Denne seksjonen tar for seg kjøretiden til algoritmene, først den algoritmiske tidskompleksiteten, gjennom asymptotisk kjøretid, og så tidsbruk i sekund. Asymptotisk kjøretid viser i hvilken grad regnearbeidet øker med økende datasett.

72 60 TILLEGG A. VEDLEGG Asymptotisk kjøretid for algoritmene og antall gjennomløp av bildet for hver av stegene i bildeanalyseprosessen er beskrevet i tabellen A.1. Stegnr Kjøretid #gjennomløp 1 O(N) 1 2 O(N) 0 3 O(N) 1 4 O(N) 2 5 O(N) 1 6 O(1) 0 Tabell A.1: Kjøretid og antall gjennomløp av bildet for hver steg. N er antall bildepunkter. Totalt sett blir det da 5 gjennomløp av bildet. Hvor lang tid et gjennomløp av bildet tar avhenger av tre faktorer, 1 Bildets størrelse i antall punkter 2 Overføringshastigheten+aksesstid til minnet til mikrokontrolleren 3 Et bildepunkts datastørrelse Tiden det tar å prosessere et bilde avhenger altså av bildets størrelse og overføringstider internt i mikrokontrolleren. Dette beskrives analytisk i ligning A.8, hvor t er total tid brukt i millisekund, N er antall punkter i bildet, A er aksesstiden i millisekund, og O er overføringshastigheten i millisekund per byte, og B er datastørrelsen til et bildepunkt i bytes. t(n, A, O, B) = N A + N B O = N (A + B O ) (A.8) Dette kan forenkles som i ligning A.9, hvor τ er den tiden det tar å hente et bildepunkt. t(n) = N (A + B O ) N τ (A.9) Et steg som gjør G gjennomløp av et bilde av N punkter, og for hvert bildepunkt C 1 operasjoner, og i forkant og etterkant av gjennomløp av bildet C 0 operasjoner, har da det totale antallet operasjoner #Operasjoner = G N C 1 +C 0. Tiden dette tar er gitt i ligning A.10, hvor Z er tiden det tar å utføre en instruksjon i millisekund, noe som kan variere med instruksjonen i noen prosessorer, derfor er dette bare en tilnærming. W (N) G t(n) + C 0 Z (A.10) Ligning A.10 summert opp for alle stegene, gir den totale tidsbruken. Dette er vist i ligning A.11. T (N) = i (G i (t(n) + C 1,(i) Z )) + i (C 0,(i)) Z (A.11)

73 A.4. BILDER FRA TEST AV BILDEANALYSEALGORITMER 61 Verdien av τ og Z avhenger av mikrokontrolleren og C 0 og C 1 avhenger av implementasjonen av algoritmen i tillegg til mikrokontrollerens egenskaper. Det antas videre at τ = 200 Z En måte å bestemme kjøretid med høy nøyaktighet på er å regne ut algoritmenes Kolmogorov tall, som er det minste antall operasjoner som er nødvendig for å utføre algoritmen. Kolmogorov tall for en MIPS CPU har blitt regnet ut, både for instruksjoner som aksesserer minnet (LOAD og STORE), og andre. Det er antatt at CPUen har minst 20 programmerbare registre og et hurtiglager (cache). Det antas at masker vil lagres i hurtiglageret etter de har blitt brukt en gang. Se tabell A.2. Variabelnavnene som brukes forklares nedenfor. K maskestørrelse, Ki er maskestørrelse i steg i N horisontal dimensjon på bildet M vertikal dimensjon på bildet mem antall cpusykler (1/Z) det tar å aksessere noe i minnet cache antall cpusykler (1/Z) det tar å aksessere noe som er i cache F antall features, egenskap som undersøkes R antall objekter i bildet D dybden, antall intensitetsnivåer i bildet f antall cpusykler en flyttallsoperasjon tar Stegnr Instruksjoner 1 4+5*N+1*M*N*mem+5*M+N+5*M*N*K1 +1*M*N*K1*(0.2*mem + 0.8*cache)+ K1*mem 2 75*mem *M*N+4*D 3 3+6*N+4*N*M+2*M*N*mem 4 2*(4+5*N+1*M*N*mem+5*M+N+5*M*N*K2 +1*M*N*K2*(0.33*mem + 0.8*cache)) +2*K2*mem 5 2+4*M*(2+(4+2*(6+5+5*f+0.6*5*mem))*N)+30+10*f 6 6*(R+1)*mem + 2+4*2*R*F+2*f Tabell A.2: Kolmogorovtall for bildeanalyse-algoritmene i en MIPS/RISC mikrokontroller Hvis vi setter inn de kjente størrelsene MN = , D = 256, F = 4 og lar mem = 200 som tidligere (med τ = 200 Z), og cache = 20, og K1 = 5 5 og K2 = 3 3, og antar at f = 50, R = 30, og så summerer opp, får vi at T = Dette er innenfor grensen vi regnet ut i kravspesifikasjonen. Programmet for å regne ut kjøretiden er vedlagt i A.1 på side 45. A.4 Bilder fra test av bildeanalysealgoritmer Bildene følger på de neste sidene.

74 62 TILLEGG A. VEDLEGG (a) Innbilde (her: infrarødt) (b) Ligning 5.2 på side 35 utført på bilde A.8(a) (c) Tersklet bilde (d) Morfologisk lukket bilde Figur A.8: Bilder fra de forskjellige stadiene i bildeanalyse-prosessen

75 A.4. BILDER FRA TEST AV BILDEANALYSEALGORITMER 63 (a) Innbilde på , støy med standardavvik 80 (b) Innbilde på , støy med standardavvik 80 (c) Innbilde på , støy med standardavvik 40 Figur A.9: Innbilder med additiv, gaussisk støy.