Un agro-robot avec l'IA a appris à ramasser soigneusement uniquement la salade mûrie du jardin


De nombreux types de plantes et de cultures ne sont encore récoltés qu'à la main.

Des ingĂ©nieurs de l'UniversitĂ© de Cambridge (Grande-Bretagne) ont créé un prototype fonctionnel d'une rĂ©colteuse robotique qui peut reconnaĂźtre indĂ©pendamment les tĂȘtes de laitue intactes prĂȘtes Ă  ĂȘtre coupĂ©es, ainsi que les traiter et les collecter avec prĂ©cision.


Pour collecter une bonne récolte en mode automatique, vous devez résoudre plusieurs problÚmes technologiques complexes, tels que:

- positionnement précis et correct sur le lieu de rassemblement, synchronisation des actions avec les autres collecteurs;

- analyse et sélection des bons algorithmes à utiliser avec différentes cultures;

- reconnaissance des fruits mûrs (feuilles, baies);

- élimination des éléments endommagés ou non germés;

- Capture et coupe prĂ©cises des cultures prĂȘtes Ă  ĂȘtre rĂ©coltĂ©es sans dommages;

- tri et empilage de la récolte récoltée;

- enregistrement des actions et capacité d'auto-apprentissage;

- vérifier l'exactitude des actions en cours et minimiser les dommages sur le site de collecte.

De plus, il est nécessaire d'effectuer toutes ces tùches à grande vitesse et dans des conditions réelles en constante évolution du monde environnant (vent, pluie, insectes, animaux, etc.).

Un groupe d'ingénieurs de l'Université de Cambridge a réussi à résoudre certains de ces problÚmes et a publié ses recherches dans cet ouvrage:

Lien vers un article scientifique dans le Journal of Field Robotics .

Ils ont créé un petit et jusqu'à présent petit prototype autonome d'un robot-moissonneuse indépendant, capable d'analyser et de choisir les bons éléments pour la récolte.

Ce robot-assembleur est un manipulateur sur une plate-forme à roues d'une largeur d'un lit. Le manipulateur est équipé d'une poignée, d'un couteau pour couper et d'une caméra vidéo, une caméra vidéo supplémentaire est située en haut de sa plateforme.

Puisqu'il ne s'agit que d'un prototype qui, pour une utilisation de masse, sera considérablement amélioré tant sur le plan élémentaire que fonctionnel, les ingénieurs ont simplement installé tous les composants du robot dont ils avaient besoin pour effectuer des tests sur le terrain sur une plate-forme à roues passive, déplacée manuellement par l'opérateur.

Leur tùche consistait à apprendre au robot à comprendre le processus de récolte et à automatiser ses actions à l'aide de l'apprentissage automatique.

Une fois que le robot a survolĂ© les nouvelles tĂȘtes de laitue, le processus de reconnaissance et de classification des tĂȘtes de laitue est activĂ© Ă  l'aide de camĂ©ras vidĂ©o et de rĂ©seaux de neurones.

Les images des caméras vidéo sur le manipulateur et la plate-forme ont été utilisées pour:

- localisation des tĂȘtes de laitue devant la camĂ©ra vidĂ©o - Ă  l'aide du rĂ©seau de neurones convolutifs YOLO version 3, pour la formation duquel 1 500 photographies ont Ă©tĂ© utilisĂ©es;

- classification des tĂȘtes de laitue selon quatre types (Ă©lĂ©ment mĂ»ri, Ă©lĂ©ment non mĂ»ri, Ă©lĂ©ment infectĂ© / endommagĂ©, manque d'Ă©lĂ©ment) Ă  l'aide du rĂ©seau de neurones convolutifs Darknet Object Classification Network, pour la formation duquel 665 photographies ont Ă©tĂ© utilisĂ©es.





Les essais sur le terrain du robot d'assemblage ont montré qu'il est capable de:

- identifier les chefs de salade devant vous avec une précision de 91%;

- classer correctement les tĂȘtes de laitue avec une prĂ©cision de 85%.

- le temps d'un cycle de travail (le passage d'une tĂȘte de laitue Ă  une autre) est de 32 secondes, ce qui est beaucoup, mais ce moment sera encore finalisĂ©.

Il s'avĂšre que les lits eux-mĂȘmes sont trĂšs envahis et la germination des tĂȘtes de laitue est trĂšs difficile Ă  localiser et Ă  classer:



Par conséquent, la salade est retirée manuellement rapidement, mais tout de suite sans sélection spéciale et minutieuse:



Et il est difficile de crĂ©er une petite plate-forme avec un robot nettoyeur, car l'appareil doit ĂȘtre mobile, garder une stabilitĂ© suffisante en surface sur un sol meuble et ne pas dĂ©truire les lits avec ses composants.

Voici les restrictions de taille pour les éléments et les paramÚtres du robot d'assemblage prototype:



Que s'est-il passé à la suite des essais sur le terrain aprÚs son assemblage:



À propos, la plate-forme avec le robot s'appelait Vegebot .

Schéma fonctionnel de l'interconnexion des composants de la plateforme Vegebot:



De plus, les deux caméras de cette solution sont les webcams USB les plus simples et les moins chÚres.

Partie logicielle Vegebot (architecture et interface web), utilisée par Robot Operating System (ROS):





Diagrammes de cycle de travail Vegebot (formation, cycles de collecte):



PrĂ©paration aux essais sur le terrain, Ă©tude des lits et analyse des tĂȘtes de laitue Ă  diffĂ©rentes hauteurs de la camĂ©ra:



Mais quelle sangle de cordon pour un ordinateur portable! Ingénieur averti en affaires!



Un tableau avec diffĂ©rents types de photographies pour la localisation des tĂȘtes de laitue devant la camĂ©ra vidĂ©o (pour la formation du rĂ©seau de neurones convolutifs YOLO version 3):



Un tableau avec diffĂ©rents types de photos pour classer les tĂȘtes de laitue selon quatre types (Ă©lĂ©ment mĂ»ri, Ă©lĂ©ment non mĂ»r, Ă©lĂ©ment infectĂ©, manque d'Ă©lĂ©ment) pour la formation du rĂ©seau de neurones convolutifs Darknet Object Classification Network:





Mécanismes et éléments d'options intermédiaires Vegebot:



Double tĂȘte pour ramasser les tĂȘtes de salade (grappin et couteau):



Moteur rotatif DC (gauche), entraßnement linéaire avec mécanisme à couteau (droite):



Cutter pneumatique:



La version finale du mécanisme de capture et de récolte avec un entraßnement par courroie et un double systÚme d'entraßnement pneumatique:



Caractéristiques et dimensions de la pince Vegebot:



Le principe de fonctionnement du mécanisme de capture Vegebot (T - seuil de force, FR - forces de réaction au sol):



Positionnement du mécanisme de capture Vegebot à l'aide de deux caméras embarquées:



Compensation des facteurs d'Ă©clairage externes et des paramĂštres d'image des camĂ©ras vidĂ©o pour une localisation optimale des tĂȘtes de laitue:





Exemples de localisation (reconnaissance) de tĂȘtes de laitue sur des images de camĂ©ras vidĂ©o Ă  diffĂ©rentes hauteurs et Ă  diffĂ©rents angles:







Obtention de donnĂ©es de terrain sur la localisation (reconnaissance) des tĂȘtes de laitue Ă  l'aide de Vegebot (sur la base de 60 tentatives de Vegebot pour reconnaĂźtre une tĂȘte de laitue):



ParamĂštres d'image et matrice de classification des tĂȘtes de laitue:



Temps de fonctionnement et trajectoires du mécanisme de capture Vegebot:



Il y avait un problĂšme dans le processus des essais sur le terrain pour dĂ©terminer le nombre de feuilles inutiles (qui dĂ©passent) sur une tĂȘte de laitue aprĂšs la collecte, qui doit ĂȘtre enlevĂ©e.

Voici quelques options: une salade de laitue parfaitement découpée sans feuilles collantes, une salade de laitue avec une feuille collante, une salade de laitue avec deux feuilles collantes, une salade de laitue avec des feuilles endommagées.



En fonction de la quantitĂ© de feuilles en excĂšs sur la tĂȘte de laitue et de la nĂ©cessitĂ© de les reconnaĂźtre et de les retirer, le cycle de service de Vegebot change Ă©galement:



Résumé des totaux des champs du prototype du robot de récolte Vegebot:



Bien sûr, ce prototype est encore loin d'une utilisation agricole industrielle, mais ce n'est que le début de la recherche.

Source: https://habr.com/ru/post/fr459452/


All Articles