Geo­Spatial Yield Monitoring Technology for Mechanized Almond harvest

15 Pages·2011·2.17 MB·English

INTERNATIONAL JOURNAL OFGEOMATICS AND GEOSCIENCES 
Volume 1, No4, 2011 
© Copyright 2010 All rights reserved Integrated Publishing services 
Research article  ISSN   0976–4380 
Geo­Spatial Yield Monitoring Technology for Mechanized Almond 
harvest 
Balaji Sethuramasamyraja1  , Sunny Sehgal1  , Jim Yager 2 
1­ Department of Industrial Technology, California State University, Fresno 
2255 E Barstow Ave, M/S IT 09, Fresno, CA 93740­8002, USA 
2­ Impact Marketing Enterprises & Hydroponic Mastery Inc., 
Fresno, CA 93740, USA 
[email protected] 
ABSTRACT 
Yield monitoring is critical for almond growers to garner profitability through application 
of  geospatial  technology  and  site  specific  crop  management  in  almond  production. 
Almond growers could optimize water and application of inputs based on soil thematic 
layer of the field that has a strong correlation to yield besides management practices. In 
this research a commercially deployable yield monitor was developed for almonds with 
sensing, global positioning system (GPS) and geographic  information systems (GIS) 
technology  (Digi­Star®  Yield  Monitor).  Yield  maps  were  developed  for  production 
almond fields. The yield data was validated using sampling datasets which were in turn 
correlated to soil thematic layer developed using soil electrical conductivity (Veris® 
3100 EC Mapper). The sampling from multiple soil zones representing a soil texture were 
correlated to the almond turn out ratio. Also, the effect of navel orange worm (NOW) on 
almond meat turn out ratio was reported. 
Key words: Precision agriculture, precision viticulture, differential harvest, anthocyanin, 
wine grapes, geo­statistics, kriging. 
1. Introduction 
Almond Orchards are ubiquitous in California and almonds tree nuts are a major part of 
Central Valley (Central California) agricultural production. California produces about 
80% of world’s almonds and 100% of domestic need (USDA Market Report, 2009). In 
year 2009 California produced 1.35 billion lbs worth $2.34 billion almonds at an average 
1900 lbs/acre and 108 trees/acre. There are over 6000 almond growers located in Central 
Valley of California alone. In 2009 the almond yield reduced by 20% from the previous 
year (USDA Acreage Report, 2009). Almond yield variation from year to year could be 
caused by several factors. However, soil variability is one critical factor that affects yield, 
especially  if  the  grower’s  management  practices  are  not  in  line  with  the  variability 
(Sethuramasamyraja et al., 2010). 
Although almond production in California is huge amounting to 0.9 million acres in 2009 
(USDA Acreage Report, 2010), there is no usage of yield monitoring technology to 
capture an aspect of variability. Spatial variability is common in any field due to several 
reasons including natural terrain, management of land over the years and excessive or
864
INTERNATIONAL JOURNAL OFGEOMATICS AND GEOSCIENCES 
Volume 1, No4, 2011 
© Copyright 2010 All rights reserved Integrated Publishing services 
Research article  ISSN   0976–4380 
improper usage of agricultural chemicals. Almond orchard growers have realized this for 
decades and have devised several cultural management practices to overcome spatial 
variability. However, without proper application of technology and its related science, 
fruits of site­specific management may not be realized profitably. The application of 
precision farming and geospatial technologies (Pierece and Nowak, 1999) to almond 
farming  is relatively recent, but  could take advantage of technologies such as  yield 
monitoring applied in other crops like corn and soybean. The variability in yield revealed 
by this technology in several crops, although expected, is quite informative for precise 
management. As compared to the application of site­specific crop management practices 
in row crop farming, application of geospatial technologies in almonds, by all means, 
adds  considerable  value  due  to  the  higher  value  of  crops  involved.  For  instance, 
differential  harvesting  of  almonds  based  on  soil  variability  has  the  potential  for 
profitability in almond production (Sethuramasamyraja et al., 2007). 
Yield is correlated to soil texture, irrigation and agro chemical application (Maja and 
Ehsani, 2010). Sandy soils are typically low yielding soils due to the coarser particle size 
and hence its inability to hold nutrients and water for longer period. Clay soils on the 
contrary are high yielding soils due to the fine particles size as they could hold water and 
nutrients longer yielding higher yield (Shein, 2009). However, over irrigating in clayey 
soils could result in water clogging causing growth of mold on the crop due to excessive 
moisture resulting in pest incidence and crop damage. 
Although adoption of geospatial technology in agriculture has been significant in the 
country, it has been relatively slow in the Central California region due to the diversity of 
crops and necessity of multiple mechanized systems in production. However, the initial 
investment in technology could be retrieved through proper application of technology in 
agriculture. There is no successful commercial almond yield monitor at this point and 
such a system will capture the almond yield variability. This variability could be the 
trigger  for  further  analysis  and  comparison  with  other  thematic  layers  like  soil  to 
determine the productivity on a site specific basis. Therefore, yield monitoring helps 
understand variability, which can be used for the application for site­specific inputs, 
which is critical for protecting the quality of environment and attain profitability through 
optimization.    The  objectives  of  this  project  are  to  develop  a  sensor  based  yield 
monitoring system for mechanized almond harvest, create a geospatial map of almond 
yield, and validate almond yield variability with soil electrical conductivity. 
2. Materials and Methods 
2.1 Field Information 
Two different almond fields were utilized in this research. The almond fields were Field 
I, Fargovsa Almond Farms  located in  West Fresno, California (Figure 1a & b) and 
University Agricultural Laboratory, California State University (CSU), Fresno, California 
(Figure 2a & b). Table 1 lists field specification.
865
INTERNATIONAL JOURNAL OFGEOMATICS AND GEOSCIENCES 
Volume 1, No4, 2011 
© Copyright 2010 All rights reserved Integrated Publishing services 
Research article  ISSN   0976–4380 
Table 1: Experimental Almond Field Specifications 
Spacing 
Acres &  Rows & 
Field  Heading  (Row, 
Tree/ac  Ave. Trees 
Trees) 
Field I (West Fresno, CA)  17, 123  63, 35  East­West  20, 17 
137, 55 
Field II  (CSU, Fresno, CA)  57, 132  North­South  20, 15 
Figure 1a: Fargovsa’s Almond Field with elevation (Field I), West Fresno, CA 1b. – 
Almond Trees in Field I (Image Courtesy: Google Earth 6.0)
866
INTERNATIONAL JOURNAL OFGEOMATICS AND GEOSCIENCES 
Volume 1, No4, 2011 
© Copyright 2010 All rights reserved Integrated Publishing services 
Research article  ISSN   0976–4380 
Figure 2a: University Agricultural Laboratory Almond Field (Field II), Fresno, CA with 
Soil Electrical Conductivity (EC) 
Figure 2b: Almond Trees in Field II (Image Courtesy: Google Earth 6.0) 
2.2 Sensors and Instruments 
Table 2 lists the sensors, global positioning system (GPS) and software utilized in this 
research. The Trimble Juno ST is a hand held (Trimble Navigation Limited, Sunnyvale, 
CA) GPS systems, and has an integrated GPS receiver with Microsoft Compact Edition 
(CE) based mobile device. FarmWorks View (FarmWorks, Hamilton, IN) was used for 
mapping the yield and soilconductivity on Fargovsa’s farm (Field I). ArcGIS 9.3 desktop 
software (ESRI, Redlands, CA) was used for mapping the turnout percentage of almonds 
and soil conductivity on University Agriculture Laboratory, California State University, 
Fresno, CA (Field II). Digital Weighing scale (Cen­Tech®) was used for weighing the 
samples  collected  from  Field  II.  Irwin  curved  jaw  locking  plier  (Irwin®  Tools, 
Wilmington, OH) was used for hulling and shelling almonds.
867
INTERNATIONAL JOURNAL OFGEOMATICS AND GEOSCIENCES 
Volume 1, No4, 2011 
© Copyright 2010 All rights reserved Integrated Publishing services 
Research article  ISSN   0976–4380 
Table 2: Sensors, Instrumentation and Software utilized in experiments 
Almond  User 
Sensor  GPS  Software 
Farm  Interface 
Field I  Digi­Star  Trimble Juno ST 
Digi­Star  Farm 
(West Fresno,  Compression  Handheld 1,  Garmin 
NT460 3  Works View 5 
CA)  Transducer 3  GPS Antenna Kit 4 
Field II 
Trimble Juno ST  ESRI ArcGIS 
(CSU­Fresno,  NA 
Handheld 1  9.3 2 
CA) 
1T  rimble Navigation Limited, Sunnyvale, CA 
2E  nvironmental Systems Research Institute, ESRI, Redlands, CA 
3D  igi­Star, Fort Atkinson, WI 
4G  armin, Olathe, KS 
5F  armWorks, Hamilton, IN 
Table 3 lists the operations on Field I and Field II. Geo­Referencing and Soil Electrical 
Conductivity dataset was collected in both Field I and II. Field I was yield mapped while 
Field II was used for yield validation study. 
Table 3: Field Operations in Field I and II 
Operation  Field I  Field II 
Geo­Referencing  Yes  Yes 
Soil EC  Yes  Yes 
1Y  ield Mapping 
Yes 1  Yes2  
2T  urnout Mapping 
2.3 Varietal Information & Yield Validation Data Collection 
Table 4 lists the varietals planted in Field I and II with their attributes and applications 
(Almond  Board,  2010).  Butte  and  Padre  were  the  varieties  sampled  from  Field  I. 
Nonpareil, Aldrich, Price, Butte and Padre were the varieties sampled from Field II. 
Table 4:  Almond Varietals 
Group  Varietal  Classification  Attribute  Uses 
Nonpareil  Nonpareil  High Turnout  Attractive 
Aldrich  Nonpareil  Wrinkled  appearances 
Group I 
High Percentage of  Manufactured 
Price  California 
doubles  products 
Butte  California &  Versatile Kernel  Salt and Flavor 
Group II 
Padre  Mission  application  adherences
868
INTERNATIONAL JOURNAL OFGEOMATICS AND GEOSCIENCES 
Volume 1, No4, 2011 
© Copyright 2010 All rights reserved Integrated Publishing services 
Research article  ISSN   0976–4380 
Table 5 lists varietal sampling information including number of rows, trees & soil zones. 
Table 5:  Data Collection 
Almond Farm  Varietals  Rows  Trees  Soil Zones 
Field I (West Fresno, CA)  2  63  2100  5 
Field II  (CSU, Fresno, CA)  5  16  88  8 
5 almonds varietals were planted in Field II. In case of Group I random samples were 
collected from 6 different soil zones (10, 13, 31, 19, 25 & 22) with unique soil textures. 
From each zone 4 trees were selected, collecting 100 nuts from each tree. For Group II, 
samples were collected from 2 soil zones (7 & 55) and from each zone, 4 trees were 
selected  collecting  100  nuts  from  each  tree.  Collected  samples  were  paper  bagged 
separately with each bag labeled with a distinct identification. 
After sample from each zone were collected they were hulled to remove the green outer 
soft covering and were dried under sun for 48hrs to remove moisture and avoid mold 
damage. Dried samples were then shelled using the almond shell cutter and the shells and 
hulls were stored in separate bags. The meats were categorized such as wholes (without 
damage), shriveled (having wrinkles or are warped), stained, doubles (exactly two meats), 
aborted (no meat) and NOW (pest infested). The wholes were stored in a ziplock bag and 
the shriveled, stained, and doubles were stored in one zip lock bag while the almonds 
with navel orange worms and aborted almonds were store together. The almonds diseased 
with NOW were frozen overnight to avoid navel orange worms growth further. 
2.4. Yield Monitoring System and Data Collection 
Almond is typically harvested using a 3­step process (Almond Board, 2010) – shaking, 
sweeping and picking (Figure 3). Prior to harvest, almond field was cleared off to remove 
any debris such as the tree branches and leaves left over in the field. A mechanical fork 
shaking system was utilized to shake the almond tree by holding on to almond tree trunk 
with a displacement and frequency of 10 mm. at 20 hz. The mature almonds fall in the 
ground during the shaking process which is then raked as windrows using an almond 
sweeper. The almonds were sundried on the ground for two weeks to remove excess 
moisture. Then an almond yield picker implement was used to pick the dried up almonds 
and shipped for further processing. 
Yield monitoring systems are widely adopted in other crops including grains, fruits, 
vegetables and nuts although none are available for almond commercially (Shearer et al., 
1999).  A  yield  monitoring  system  (Figure  4)  was  developed  using  a  combination 
mechanical load cell mounted on the axle of a yield implement, a GPS receiver for geo­ 
referencing of each load cell yield data point, a controller and user interface with data 
storage (Figure 5).
869
INTERNATIONAL JOURNAL OFGEOMATICS AND GEOSCIENCES 
Volume 1, No4, 2011 
© Copyright 2010 All rights reserved Integrated Publishing services 
Research article  ISSN   0976–4380 
Figure 3: Three Step Almond Harvest –Shaking, Sweeping and Picking 
Figure 4: Almond Implement with the developed Yield Monitoring System 
Figure 5: Yield Monitoring System in Mechanized Almond Yield Implement
870
INTERNATIONAL JOURNAL OFGEOMATICS AND GEOSCIENCES 
Volume 1, No4, 2011 
© Copyright 2010 All rights reserved Integrated Publishing services 
Research article  ISSN   0976–4380 
The compression transducer load cells (Figure 6a) mounted on each side of the axle of 
the yield implement measures the yield of picking using the principle ofiterative measure. 
The load cells have a range of up to 50,000 lbs for measuring almond weight with an 
error range of 001 – 0.25 % that could be weighed  in the storage chamber  of the 
implement (Figure 6b). 
Figure 6a: Almond Storage Chamber 6b. Load Cells & in Axle Mount 6c.Garmin GPS 
6d. Digi­Star NT 460 User Interface 
Figure 7: Yield Monitoring SystemData Stream
871
INTERNATIONAL JOURNAL OFGEOMATICS AND GEOSCIENCES 
Volume 1, No4, 2011 
© Copyright 2010 All rights reserved Integrated Publishing services 
Research article  ISSN   0976–4380 
A software program was developed for the controller to achieve the differential weighting 
scheme typical of almond picking on­the­go using differential algorithm. While each of 
the two, load cell data from the axle of the implement is averaged for a single yield value; 
the GPS receiver (Figure 6c) obtains an alphanumeric data string from satellites with the 
location information. The GPS string was decoded using the same controller program to 
add the northing and easting values of the coordinate in the yield log file along with the 
mean yield value in the user interface data storage (Figure 6d) as illustrated (Figure 7). 
The frequency of data collection was 0.33 Hz (one yield data point every three seconds) 
and the average mean distance between subsequent data points was 10.8 ft at an average 
speed of 2 mph. The above parameters could be adjusted in the user interface using inputs 
to the software program. 
2.5.Soil Electrical Conductivity 
Soil  Electrical  Conductivity  (EC)  is  the  measure  of  soil  conductivity  measured  by 
sending an electrical signal, through a pair of electrodes, and receiving it in another pair 
of electrodes to determine the soil electrical conductivity. In the Veris soil EC Mapper, 
odd numbered electrodes 1, 3 and 5 injects an electrical signal into the soil and are 
subsequently  received  by  their  corresponding  even  numbered  2,  4  and  6  electrodes 
measures the drop in voltage to determine soil EC (Figure 8a). Two pairs of electrodes 
were utilized in the Veris 3100 (Veris®, Salina, KS) EC Mapper (Figure 8b) to collect 
soil electrical conductivity at two different depths (1 ft. and 3 ft as shallow and deep EC). 
The Soil EC is coupled with a GPS receiver that records the geographical coordinates 
creating a geo­referenced map of soil shallow and deep soil EC. 
Figure 8 a: Soil EC Principle b. Veris Soil Ec Mapper in Field II, CSU Fresno, CA
872
INTERNATIONAL JOURNAL OFGEOMATICS AND GEOSCIENCES 
Volume 1, No4, 2011 
© Copyright 2010 All rights reserved Integrated Publishing services 
Research article  ISSN   0976–4380 
3. Results and Discussion 
3.1 Field I 
The almond yield map shows the yield variability in Field I as mapped by the yield 
monitoring system developed (Figure 9). 
Figure 9: Almond Yield Mapped using the developed Yield Monitoring System, Field I 
Table 6 lists the yield information of two varietals, Group II with respect to the specific 
soil zones and their texture. It is apparent that the lowest almond yield was in soil zone 6 
with sandy loam texture while the highest almond yield was in soil zone 1 that was clay 
loam. 
Table 6: Group II Almond Varietal Yield, Field II 
Padre  Butte 
Soil 
Yield  Yield  Soil Texture 
Zone 
(lbs/acre)  (lbs/acre) 
1  2523  1659  Loam 
2  2077  2091  Sand Clay Loam 
3  1961  1594  Sandy Loam 
4  1739  1367  Sandy Loam 
5  2062  1475  Sandy Loam 
6  1218  1852  Sandy Loam 
The yield map also demonstrates considerable variability in yield ranging from 1200 to 
2500 lbs/ac. The soil EC dataset collected in Field I is overlaid to classify the soil zones. 
The statistical single tailed paired t­test of the varietals, padre and butte dataset yield in
873