See discussions, stats, and author profiles for this publication at: https://www.researchgate.

net/publication/267887397

SAAPIN: Un robot para el desherbado de cultivos y valoración de la salinidad

del suelo

Conference Paper · January 2006

CITATIONS READS

0 305

9 authors, including:

Ramón Aragüés Teresa Seco

Centro de Investigación y Tecnología Agroalimentaria de Aragón University of Zaragoza
285 PUBLICATIONS   3,311 CITATIONS    6 PUBLICATIONS   9 CITATIONS   

SEE PROFILE SEE PROFILE

Carlos Zaragoza
Centro de Investigación y Tecnología Agroalimentaria de Aragón
58 PUBLICATIONS   424 CITATIONS   

SEE PROFILE

Some of the authors of this publication are also working on these related projects:

EWRS Horticulture Crops Working Group View project

Diagnosis and control of salinity and nitrate pollution in Mediterranean irrigated agriculture View project

All content following this page was uploaded by Ramón Aragüés on 07 November 2014.

The user has requested enhancement of the downloaded file.

 SAAPIN: Un robot para el desherbado de cultivos y valoración
de la salinidad del suelo
D. Abadía, R. Aragüés*, A. Cirujeda*, R. del Hoyo, J. Paniagua, T. Seco , V.
Urdanoz*,F. Usón, C. Zaragoza*

ITA. Gobierno de Aragón. Dpto. de Ciencia, Tecnología y Universidad.

*CITA. Gobierno de Aragón. Dpto. de Ciencia, Tecnología y Universidad. Apdo. 727.
50080 Zaragoza.

Resumen

En este Proyecto se trabaja para obtener un vehículo agrícola autónomo capaz de

desplazarse de forma autónoma por un campo agrícola, obteniendo información del
entorno, basado en sistemas de posicionamiento y de georeferencia, sistemas de
visión y odometría. Este vehículo deberá arrastrar una serie de aperos que, en base a
la posición, realizará las funcionalidades previstas, siendo en un caso la toma de datos
para la realización de mapas de salinidad y en el otro la realización de operaciones de
escarda. Para este segundo objetivo se está trabajando con el cultivo de maíz y se
procede a la discriminación de las malas hierbas, las cuales serán posteriormente
eliminadas por un sistema mecánico.
Se trata de implantar sistemas inteligentes de control, contando con un entorno de
simulación que permite analizar en una fase previa las diferentes estrategias de
navegación, así como los procesos acometidos por los aperos.
Este trabajo está enmarcado dentro de una línea de agricultura de precisión y
ecológica, pues se persigue una utilización óptima de los recursos así como una
reducción del impacto ambiental de las prácticas de escarda.

Palabras clave: robótica agrícola, escarda, mapas de salinidad

Introducción

Una de las tareas más penosas, onerosas y perennes del agricultor es la eliminación
de las malas hierbas en las parcelas agrícolas. Por ello este proyecto pretende obtener
un sistema de desherbado de precisión a base de medios mecánicos no
contaminantes y que, mediante la tecnología, reduzca la necesidad de la mano de
obra, cada vez más costosa y escasa. Se ha elegido una actividad que requiere
muchas horas de trabajo como es la eliminación de malas hierbas de forma precisa. El
interés por los métodos de escarda de precisión se debe, también, a una demanda
social. La sociedad actual, muy sensibilizada con la protección del medio ambiente,
pide una reducción progresiva del uso de fitosanitarios, en particular aquellos que
causan un mayor impacto ambiental y que ponen en peligro la salud humana por la
posible presencia de residuos de agroquímicos en los alimentos.

Por otra parte, algunas de las transformaciones en riego de los años 50-60 en la
Cuenca Media del Ebro han provocado procesos de salinización y sodificación del
suelo, y cerca del 30% de las 500.000 ha regadas desde la década de los 70 están
afectadas por salinidad y/o sodicidad. Este problema amenaza a actuales y futuras
transformaciones con suelos, riegos o drenajes inapropiados. En el presente proyecto
se pretende automatizar la obtención de mapas de salinidad. Muchos de los
problemas citados podrían haberse pronosticado, mitigado e incluso evitado mediante

1
estudios edafológicos previos de suficiente calidad e intensidad. Se ha elegido un tipo
de actividad pasiva como corresponde a la toma remota de datos para la generación
de información, en forma de mapas, de gran utilidad para la toma de decisiones
posteriores

Al mismo tiempo la robótica ha dado soluciones que han aumentado la productividad

en el sector industrial durante las últimas décadas, pero la agricultura no ha sufrido
todavía un proceso de expansión equiparable. Para poder integrar la robótica en los
campos de cultivo hace falta poder obtener gran cantidad de información del entorno y
ser capaz de tratarla. Actualmente existen sensores que permiten conocer posiciones
absolutas (GPS), posiciones relativas (balizas y tags), orientaciones, aceleraciones,
velocidades propias y del entorno, inclinaciones e incluso tipos de elementos (visión).

La incorporación de alta tecnología a los procesos agrícolas puede permitir la

transformación de los trabajos tradicionales en procesos muy precisos. Esto es, el
trabajo que antes se hacía por igual a toda una extensión agrícola, ahora se puede
particularizar para cada una de las peculiaridades o condiciones de cada sección de la
explotación agraria.

La utilización de un vehículo autónomo para el desarrollo de la agricultura de precisión

permite liberar al agricultor de tareas repetitivas y penosas. El trabajo aquí
desarrollado puede fácilmente ser extendido a otras actividades agrícolas tales como
abonado o siembra. El control que aporta la automatización será siempre beneficioso
para el medio ambiente y para el propio cultivo.

A continuación se exponen algunos de los ejemplos que se han estudiado y que son
de utilidad para dar una visión general de los antecedentes en robótica agrícola.

Nos encontramos con el robot ROJO (Figura 1), en el que trabajan el Instituto de
Automática Industrial (IAI) del CSIC junto con la Universidad de Málaga, en el que se
plantea un aparato capaz de navegar por un entorno de exteriores parcialmente
conocido y de aplicar productos fitosanitarios. El vehículo utiliza navegación por GPS.

Otro ejemplo es el proyecto de investigación financiado por la NASA, el USDA

Agricultural Research Service y la compañía John Deere (Figura 2), en el cual se
trabaja en la adaptación de un tractor para su navegación autónoma entre hileras de
árboles frutales y se procede a la aplicación de productos fitosanitarios. El tractor
pretende incorporar en la fase última del proyecto sensores de odometría, navegación
basada en GPS, sistemas de visión para soporte a la navegación y a la detección de
obstáculos.

Figura 1: Robot ROJO Figura 2: Tractor robotizado del proyecto de John Deere

2
Otro proyecto interesante es el MECH-WEED Project, financiado por Swedish Board of
Agriculture y por Stiftelsen Lantbruksforskning, que se enmarca en la línea de visión
artificial y reconocimiento de hileras. Utiliza un vehículo autónomo que mediante
cámaras pretende recorrer campos de hileras de cultivo distinguiendo las plantas
cultivadas de las malas hierbas con técnicas de clasificación por reconocimiento de
patrones (Figura 3).

Otro ejemplo es el proyecto CROPSCOUT donde se está trabajando en un robot

autónomo capaz de hacer un seguimiento a través hileras de cultivos empleando para
ello sistemas de visión, sistemas ultrasonidos, infrarrojos y giróscopos. Este proyecto
está siendo desarrollado a nivel de prototipo por el grupo holandés de Agrotechnology
& Food Innovations de Wageningen (Figura 4).

Figura 4: Robot CROPSCOUT

Figura 3: Vehículo dedicado del robot
MECH-WEED

Objetivos

Enmarcado dentro de la agricultura ecológica y de precisión surge el proyecto SAAPIN

cuyo objetivo es la obtención de un vehículo agrícola capaz de desplazarse
autónomamente por extensiones agrarias pudiendo realizar actividades de desherbado
así como mapas de salinidad sin necesidad de intervención humana. El proyecto
SAAPIN (Sistema Autónomo para Agricultura de Precisión e Integrada) es financiado
mediante el programa de proyectos multidisciplinares del Gobierno de Aragón.

Dentro de este proyecto se han seleccionado las siguientes operaciones o procesos

para ser llevados a cabo por este vehículo y sus aperos:

• Para la realización de mapas de salinidad del terreno se pretende que el

sistema sea capaz de generar mapas de parámetros de interés agronómico,
mediante exploración del terreno georreferenciada. Este objetivo se centra en
la caracterización de la salinidad y otros atributos del suelo, para lo que se
desarrollará, calibrará y validará un sistema automático dotado de un sensor
electromagnético móvil georreferenciado acoplado al vehículo robotizado.

• Para la realización de operaciones de escarda se elige el cultivo de maíz por su

importancia para el campo aragonés. De esta forma se pretende que el sistema
discrimine las plantas de maíz y las arvenses usando técnicas de proceso de
imágenes, mientras realiza un barrido visual del cultivo de forma automática y
procede a una escarda selectiva. Se pretende, por lo tanto, proponer un
sistema de escarda, que pueda servir tanto a los agricultores ecológicos como

3
 a aquellos convencionales que deseen diversificar sus procedimientos de
manejo por cualquier razón (p.ej.: producción integrada, aparición de
resistencias, problemas de contaminación, zonas vulnerables...).

Materiales y métodos

La metodología que se ha utilizado a lo largo del proyecto descompone el proceso en

varias fases centrándose las primeras en análisis de requerimientos y especificaciones
del sistema, para pasar a posterior fase de diseño y desarrollo, teniendo en cuenta los
resultados obtenidos mediante las pruebas realizadas en campo.

Para realizar estas operaciones se ha de proceder primero a la selección de una

plataforma capaz de desplazarse por entornos agrícolas, tales como los dispuestos
entre los objetivos presentados, para proceder a la adaptación necesaria de la misma
mediante los elementos y actuadores necesarios, así como los sensores adecuados
para captar la información requerida del entorno para poder llevar a cabo las
operaciones. Una vez obtenida esta plataforma las funcionalidades del sistema serán
llevadas a cabo mediante la incorporación de aperos, que en base al cometido, realizan
funciones de toma de datos u operaciones de desherbado.

La concepción del sistema autónomo se basa en la adaptación de un vehículo

comercial de bajo coste que permite la incorporación de las operaciones de escarda y
de estudios de salinidad.

Para poder proceder a la selección del vehículo se deben tener en cuenta los
siguientes criterios:

• Transmisión automática asistida (de cara a facilitar un control autónomo).

• Dirección asistida hidráulica (de cara a facilitar un control autónomo).
• Potencia necesaria para remolcar un apero (> 10 CV).
• Anchura máxima del vehículo en torno a 1 m, debido a que el ancho entre
hileras de maíz estará en torno a unos 75 – 80 cm y teniendo un ancho del
vehículo en torno a 1 metro el vehículo podrá navegar por entre las hileras con
una rueda de cada eje a cada lado de la hilera, dejando la hilera justo debajo
de la parte central.
• Altura mínima debajo del suelo > 25 cm, ya que es la altura máxima que
presentarán las plantas de maíz cuando se acometan las últimas operaciones
de escarda.
• Posibilidad de enganche de aperos.
• Posibilidad de circular a velocidad en torno a 2 km/h, para poder realizar
operaciones de escarda. El vehículo deberá circular muy lentamente
reconociendo lo que es maíz y procediendo a la eliminación de las malas
hierbas.
• Posibilidad de frenado / arranque automático.
• Posibilidad espacial para la incorporación de sensores.

Teniendo en cuenta los requerimientos planteados se determina que por el tamaño

podían elegirse como plataformas mini tractor / tractor cortacésped o un quad. Se
eligió un tractor cortacésped por la facilidad de enganchar aperos, por estabilidad de la
plataforma y por coste. Teniendo en cuenta las dimensiones del vehículo y la potencia
necesaria para remolcar un apero, se seleccionaron diferentes modelos de tractores

4
cortacésped (Troy-Bilt, Honda, Sabo, Solo, Stihl, Yard-Man y John Deere), eligiéndose
como plataforma el tractor John Deere modelo LX289.

Figura 5: Minitractor
cortacésped modelo John Deere
LX 289 escogido para el
Proyecto. Foto realizada durante
pruebas de campo en cultivo de
maíz en las instalaciones del
CITA (Montañana, Zaragoza).

Adaptación del vehículo

Para que dicho vehículo pueda desplazarse autónomamente se tuvieron que realizar
dos adaptaciones mecánicas y fue necesario dotarle de los sistemas de control
avanzados necesarios para recorrer extensiones autónomamente.

La primera adaptación fue relativa a la dirección del vehículo para poder ser operada
sin intervención humana. La dirección es de tipo trapecio guiada mecánicamente por el
eje del volante sin ningún servomecanismo. La solución elegida en este caso fue un
conjunto moto-reductor posicionador con encoder y controladora tipo rotativo debido a
que el ángulo a controlar en el eje del volante es de 1 vuelta a izquierdas y 3/4 de
vuelta a derechas con un par en parado variable según el terreno sobre el que estén
las ruedas, 6N/m en hormigón, 20 N/m en césped y 12N/m en gravilla. El moto-
reductor debe ser capaz de llevar la dirección de la posición central a cada uno de los
extremos en tiempos en torno al segundo para poder realizar las maniobras sin ocupar
demasiado espacio. El conjunto seleccionado de motor más reductor planetario fue el
ofrecido por Maxon.

La segunda actuación fue sobre la transmisión hidrostática (encargada de fijar la

velocidad a la que se desplaza el vehículo), la cual tiene un eje encargado de regular
la tracción cuyo recorrido es 15º (5º marcha atrás y 10º marcha adelante) con un par
necesario en torno a 20N/m con amortiguador y un poco menor si se prescinde de él.
Para operar se seleccionó un moto-reductor posicionador con encoder y controladora
de tipo lineal utilizando después un brazo palanca para la transformación en
movimiento circular. El conjunto seleccionado es el motor lineal de Vascat Econom01.

Figura 7: Sistema de control de tracción mediante motor lineal.

Figura 6: Eje
del volante.

5
Mediante el control de posición del eje de control de la transmisión y del bloque
hidrostático, se controla el avance y retroceso del vehículo.

Al mismo tiempo se realizaron actuaciones para poder incorporar los sistemas de

visión, los sistemas de odometría (responsables de registrar el desplazamiento angular
de las ruedas), el sistema de alimentación compuesto por baterías, el cuadro eléctrico
y el alternador. Se cuenta también con un sistema de control básico que permite
comandar los movimientos del tractor, controlando para ello los accionamientos de los
motores que van directamente acoplados a la transmisión y a la dirección del
minitractor.

Sensores

Los sensores necesarios para la plataforma deberán permitir por un lado controlar la
posición y velocidad del vehículo y por otro lado permitir una percepción del entorno
suficientemente buena como para llevar a cabo la navegación siguiendo las hileras de
los cultivos de maíz, detectando los lindes del campo e incluso detectando obstáculos
por delante del vehículo.

Entre los sensores elegidos e incorporados a la plataforma nos encontramos con

sensores de odometría, los cuales proveen información sobre el desplazamiento
angular de las ruedas, pudiendo obtener de esta forma el desplazamiento lineal
experimentado. Se seleccionaron sensores inductivos que detectan los pulsos
generados por discos dentados acoplados en las ruedas del tractor; también se
incorporó un lector GPS (Global Positioning System), el cual provee información sobre
la posición georeferenciada a nivel global y un sistema de visión, con una doble
finalidad: la navegación y la discriminación de malas hierbas. El guiado a través de las
hileras se realizará, para mejorar la precisión, con una cámara fotográfica industrial de
altas prestaciones comunicada por puerto USB 2.0. Debido a las características
críticas de movimiento y vibraciones se hace necesaria una cámara con tiempo de
exposición pequeño y regulable para reducir la distorsión. El tiempo de exposición
pequeño se consigue con píxelclock pequeño, ganancia ajustable grande y lente con
diafragma grande. Se utiliza la cámara uEye VGA USB2.0 UI-1210-C montada sobre
la plataforma y enfocando al terreno.

Entorno de simulación

Previo al desarrollo del minitractor en campo se ha desarrollado un entorno de

simulación que permite evaluar las prestaciones de diversas estrategias de
navegación gestionando el movimiento de un vehículo agrícola comercial a través de
campos de cultivo, así como analizar las prestaciones del sistema y determinar cuáles
son los sensores más apropiados.

Para ello se ha modelado adecuadamente la plataforma tractora, los sensores, el

apero (dimensiones aproximadas) y el entorno de trabajo. Con estas premisas se ha
procedido a diseñar estrategias de navegación para que se puedan realizar las
operaciones de escarda y análisis de salinidad.

6
El simulador conlleva:

• Modelo del vehículo y del apero basado en restricciones no-holónomas propias de

car-like-robots, con control de colisión entre ambosy control de dirección continuio.
• Modelo del entorno de trabajo, permitiendo la definición del campo de cultivo
(dimensiones y plantado).
• Modelo de los sensores, teniendo en cuenta las características particulares del
terreno ha permitido realizar la selección de los sensores necesarios para la
navegación por el campo e implementar una emulación básica de los mismos,
aportando información para su selección y cómo afectan a cada una de las
estrategias utilizadas.
• Elaboración de un planificador de trayectorias que permite planificar el movimiento
de un vehículo tipo car-like robots, obteniendo las trayectorias necesarias
• Sistema de navegación capaz de seguir las trayectorias.
• Creación del simulador.
• Entorno gráfico de visualización y de configuración.
• Capacidad de guardar resultados y reutilizarlos posteriormente.
• El simulador desarrollado permite también a través de un entorno gráfico opciones
de visualización y de configuración de la simulación realizada.

Resultados y Discusión

Se ha seleccionado la plataforma tractora realizando las adaptaciones necesarias para

su navegación autónoma, así como se ha propuesto un modelo de trabajo para el
desempeño de sus operaciones, integrando dichas operaciones mediante aperos.

Se ha desarrollado un modelo del vehículo, el conjunto de sensores necesario así

como los entornos agrícolas de acuerdo a los objetivos que permite simular el
comportamiento geométrico 2D de un conjunto vehicular consistente en una
plataforma tractora de cuatro ruedas y su apero de dos, integrando información
sensorial proveniente del entorno agrícola.

Relativo al sistema de navegación se ha obtenido una versión simulada donde se

integra la información proveniente de los sensores seleccionados (sistema de visión,
GPS, desplazamientos relativos angulares de las ruedas), se planifican trayectorias y
se procede a seguir hileras de maíz y zonas yermas comandando el movimiento de la
plataforma tractora. Se han analizado diferentes algoritmos para recorrer la superficie
de cultivo autónomamente, analizando aspectos tales como la robustez y la tolerancia
ante fallos de integración sensorial. Por otro lado se han desarrollado y analizado dos
estrategias diferentes de navegación, llegando a la conclusión de que para la
navegación entre hileras es mejor un sistema abierto en el que se planifiquen las
trayectorias necesarias en cada momento y para las zonas yermas hay que seguir una
planificación completa del campo, determinando al mismo tiempo el conjunto mínimo
de sensores necesario para cada escenario, siendo necesarios como mínimo un
localizador local o global para obtener la posición, una brújula que permita orientarse y
una cámara para mejorar las precisiones durante el guiado entre hileras y corregir los
posibles errores del campo, tales como hileras desviadas o mal situadas.

7
Figura 8: Reconocimiento plantas de cultivo. Figura 9: Interfaz gráfico del entorno de
simulación. Figura 10: Trayectorias generadas por el entorno de simulación.

Respecto a las operaciones de escarda se cuenta con una primera versión del sistema
de reconocimiento y discriminación de malas hierbas basado en un sistema de visión.
Éste permite reconocer las plantas de cultivo, y en base a reglas de reconocimiento de
patrones discrimina las malas hierbas. Para ello se procede, en una primera fase, a
clasificar de acuerdo al color de cada píxel, seleccionado como píxeles “tipo planta”
aquellos que tengan el canal verde más intenso que el resto y procediendo a la
agrupación por objetos y filtrado por tamaño de los menos significativos.
Posteriormente se procede a una clasificación por medidas basadas en descriptores
de forma de objetos utilizando diferentes algoritmos, como árboles de decisión, reglas,
clusters, fuzzy-clusters, redes neuronales, sistemas mixtos etc.

Figura 11: Proceso de obtención de objetos donde el verde es predominante.

Figura 12: Discriminación de plantas de cultivo.

8
En cuanto a la realización de mapas de salinidad se ha propuesto un modelo de
trabajo donde el minitractor es responsable de recorrer autónomamente la extensión
agraria arrastrando un remolque donde se coloca el sensor electromagnético móvil
georreferenciado (SEMG). En el vehículo tractor se instala un sistema de adquisición
de datos (Allegro SX) y un sistema de posicionamiento global (Garmin 101) colocado
en la parte superior del tractor para que visualice de forma apropiada la constelación
de satélites. Este GPS tiene una precisión de unos 5 m, suficientes para nuestros fines
cartográficos. A una distancia de unos tres metros del vehículo se dispone de un trineo
de resina de poliéster reforzada con fibra de vidrio, material no conductor, sobre el que
se fija el SE (Geonics o Dualem). El vehículo recorre la zona de estudio a una
velocidad de unos 8 km/h y toma lecturas cada 5 m aproximadamente.

El SEMG se ha utilizado para el seguimiento de la salinidad edáfica en una parcela de

viña situada en La Rioja. La siguiente figura presenta el mapa de salinidad obtenido:

Figura 13: Mapa de CEa de una

parcela de viña obtenido con el
SEMG. Los puntos negros son
los puntos de medida. Verde a
rojo significa suelo menos a más
salino. La sub-parcela más
pequeña está a cota más baja y
es la más afectada por
salinidad.

Conclusiones

Se ha avanzado en varios de los objetivos propuestos. Se considera que el apero para

la elaboración de mapas de salinidad está a punto y es operativo en el campo. En
cuanto al sistema tractor, y después de realizar las simulaciones de navegación
autónoma, el siguiente paso es continuar con la implementación en el tractor de los
algoritmos de navegación integrando información sensorial. En cuanto al apero de
escarda, que se halla aún en fase de desarrollo, se pretende mejorar el porcentaje de
aciertos en el reconocimiento de las plantas de cultivo afinando los sistemas de
reconocimiento de malas hierbas. Por otro lado se desarrollará el sistema de escarda
elegido como adecuado incorporando el sistema de actuación y validando el sistema
completo realizando pruebas en campo.

Agradecimientos
A Fernando Arrieta, capataz de la Unidad de Sanidad Vegetal del CITA, por su
constante ayuda y profesionalidad, sin las cuales no se podría avanzar en este trabajo.

Bibliografía

Aragüés R. y Urdanoz V. 2006. Nuevas técnicas para la medida rápida y sencilla de la

salinidad del suelo. Surcos de Aragón, 98, 30-34.

9
 Billingsley, J. and M. Shoenfish. 1995. Vision guidance of agricultural vehicles.
Autonomous Robots 2:65-76.

Borenstein, J. 1995. Internal correction of dead reckoning errors with a dual-drive

compliant linkage mobile robot. Journal of Robotic Systems, 12(4):257-273.

Erbach T.C., C.H. Choi, and K. Noh. 1991. Automated guidance for agricultural
tractors. In: Proceeding automated agriculture for the 21st century, ASAE Publication
No. 11-91: 182-191.

Van Straten, G., 2003. Field robot event, Wageningen, 5-6 June 2003. Computers and
Electronics in Agriculture, 42: 51-58.

Van Henten, E.J., Hemming, J., Van Tuijl, B.A.J., Kornet, J.G., Meuleman, J.,
Bontsema, J. and Van Os, E.A., 2002. An Autonomous Robot for Automated
Harvesting of Vegetable Fruit in Greenhouses. Autonomous Robots, 13: 241-258

Woebbecke, D.M., G.E. Meyer (1995): Color indices for weed identification under
various soil, residue, and lighting conditions, Transactions of the ASAE, 38, 259-269.

Debain, C., Khadraoui, D., Berducat, M., Martinet, P. and Bonton, P. (1995). A visual
servoing approach to control agricultural mobile machines. IARP 4th workshop on
robotics in agriculture and food industry, 30-31 October 1995, Toulouse, pp. 117-124.

Jahns, G. (1983). Automatic Guidance in Agriculture - a Review. ASAE-Paper NCR 83-

404.

Klassen, N.D., Wilson, R.J. and Wilson, J.N. (1993). Sensor Development for
Agricultural Vehicle Guidance. SAE-Paper 932427.

A.J. Muñoz, J. Gonzales, "Two-Dimensional Landmark-based Position Estimation from

a Single Image," IEEE International Conference on Robotics and Automation, Leuven,
Belgium, 1998.

E. Nebot, F. Masson, J. Guivant, H. Durrant-Whyte, "Robust Simultaneous Localization

and Mapping for Very Large Outdoor Environments," in Experimental Robotics VIII, vol.
5, B. Siciliano and P. Dario (eds.), Springer, 2003.

10

View publication stats