An Automatic Egg Collection System Using a Robotic Arm Controlled by Machine Learning and Deep Learning in Free-Range Chicken Farming
Article Sidebar
Main Article Content
Abstract
This research presents the use of a robotic arm system for collecting chicken eggs, with motor control and motion planning based on machine learning techniques. A 3D camera is integrated to enable automatic egg localization using a deep learning method (YOLOv5s). The overall framework simulates egg collection in a free-range chicken farming environment, where nests are specifically prepared for hens to lay eggs. This work lays the foundation for future development of mobile robots capable of navigating various environments to collect eggs. The study demonstrates the effectiveness of machine learning (FFNN) in controlling the robotic arm for egg picking and evaluates the accuracy of egg localization using the deep learning model. Challenges encountered during egg-picking experiments are also discussed. Based on experiments with varying numbers of hidden nodes in the machine learning model, the robotic arm achieved egg-picking accuracy between 75% and 90%.
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
วารสารวิศวกรรมฟาร์มและเทคโนโลยีควบคุมอัตโนมัติ (FEAT Journal) มีกําหนดออกเป็นราย 6 เดือน คือ มกราคม - มิถุนายน และกรกฎาคม - ธันวาคม ของทุกปี จัดพิมพ์โดยกลุ่มวิจัยวิศวกรรมฟาร์มและเทคโนโลยีควบคุมอัตโนมัติ คณะวิศวกรรมศาสตร์มหาวิทยาลัยขอนแก่น เพื่อเป็นการส่งเสริมและเผยแพร่ความรู้ ผลงานทางวิชาการ งานวิจัยทางด้านวิศวกรรมศาสตร์และเทคโนโลยีพร้อมทั้งยังจัดส่ง เผยแพร่ตามสถาบันการศึกษาต่างๆ ในประเทศด้วย บทความที่ตีพิมพ์ลงในวารสาร FEAT ทุกบทความนั้นจะต้องผ่านความเห็นชอบจากผู้ทรงคุณวุฒิในสาขาที่เกี่ยวข้องและสงวนสิทธิ์ ตาม พ.ร.บ. ลิขสิทธิ์ พ.ศ. 2535
References
Kittiwong K, Saeliw K. การผลิตและการตลาดไข่ไก่ในประเทศไทย. Kaen Kaset. 2019;47(Suppl 1):890–4.
Molee W, Khempaka S, Homta C. ผลของการเลี้ยงไก่ไข่แบบปล่อยต่อสมรรถนะการให้ผลผลิต คุณภาพไข่ ปริมาณคอเลสเตอรอล และองค์ประกอบของกรดไขมันในไข่. Nakhon Ratchasima: Suranaree University of Technology; 2015.
Klompunya A, Srikitkasemwat K, Sitthikraipong R. ผลของระบบการเลี้ยงแบบปล่อยอิสระและแบบกรงตับต่อคุณภาพไข่ในไก่ไข่อายุ 19–31 สัปดาห์. Agric Sci J. 2017;35(2 Suppl 2):920–4.
Sharma A, Jain A, Gupta P, Chowdary V. Machine learning applications for precision agriculture: a comprehensive review. IEEE Access. 2021;9:4843–78.
Pitla S, Bajwa S, Bhusal S, Brumm T, Brown-Brandl TM, Buckmaster DR, et al. Ground and aerial robots for agricultural production: opportunities and challenges. CAST Issue Pap. 2020;70:1–20. Available from: https://digitalcommons.unl.edu/biosysengfacpub/727
Benos L, Tagarakis AC, Dolias G, Berruto R, Kateris D, Bochtis D. Machine learning in agriculture: a comprehensive updated review. Sensors (Basel). 2021;21(11):3758.
Spanaki K, Sivarajah U, Fakhimi M, Despoudi S, Irani Z. Disruptive technologies in agricultural operations: a systematic review of AI-driven AgriTech research. Ann Oper Res. 2021. doi:10.1007/s10479-020-03922-z
Wang CH, Xie BX, Chang CL. Design and implementation of livestock robot for egg picking and classification in the farm. In: Proceedings of the 2019 IEEE Eurasia Conference on Biomedical Engineering, Healthcare and Sustainability (ECBIOS); 2019 May 31–June 3; Okinawa, Japan. New York: IEEE; 2019. p. 161–5.
Jermann T, Kolvenbach H, Esquivel Estay F, Krämer K, Hutter M. An efficient multi-robot arm coordination strategy for pick-and-place tasks using reinforcement learning. arXiv [Preprint]. 2024 [cited 2025 May 29]. Available from: https://arxiv.org/abs/2409.13511
Tian X, Pan B, Bai L, Wang G, Mo D. Fruit picking robot arm training solution based on reinforcement learning in digital twin. J ICT Stand. 2023;11(3):261–82.
Wu Z, Zhang H, Fang C. Research on machine vision online monitoring system for egg production and quality in cage environment. Poult Sci. 2025;104:104552.
Yang X, Zhang J, Paneru B, Lin J, Bist RB, Lu G, et al. Precision monitoring of dead chickens and floor eggs with a robotic machine vision method. AgriEngineering. 2025;7(2):35.
Çevik KK, Koçer HE, Boga M. Deep learning based egg fertility detection. Vet Sci. 2022;9(10):574.
NVIDIA Corporation. Jetson Xavier NX: World's smallest AI supercomputer [Internet]. Santa Clara (CA): NVIDIA; [cited 2025 Feb 9]. Available from: https://www.nvidia.com/en-us/autonomous-machines/embedded-systems/jetson-xavier-nx/
Jocher G. Ultralytics YOLOv5 [Internet]. 2020 [cited 2025 Feb 10]. Available from:https://github.com/ultralytics/yolov5
CVAT.ai Corporation. CVAT: Computer Vision Annotation Tool [Internet]. Palo Alto (CA): CVAT.ai Corporation; [cited 2025 Jan 20]. Available from: https://www.cvat.ai/
Heymsfeld R. Arduino Neural Network [Internet]. Hobbizine; [cited 2025 Jan 19]. Available from: http://robotics.hobbizine.com/arduinoann.html
Everingham M, Van Gool L, Williams CKI, Winn J, Zisserman A. The Pascal Visual Object Classes (VOC) Challenge. Int J Comput Vis. 2009;88(2):303–38.
