Запечатлевая движение,
Создавая истории

Команда исследователей из Университета северо-западного сельскохозяйственного университета А&Ф, Университета Северного Миньцзу, Гуйчжоуского университета традиционной китайской медицины и Казахского агротехнического университета имени Сакена Сейфуллина провела интересное исследование на тему роботов для сбора яблок, под названием «Проектирование и оценка роботизированного собирателя яблок с использованием оптимизированных паттернов сбора», которое было опубликовано в журнале Computers and Electronics in Agriculture, относящемся ко второй зоне SCI в области сельскохозяйственных наук.

Исследовательская группа использовала данные, собранные с помощью системы захвата движения, для создания модели движений г humanoid для сбора урожая, а затем провела сравнительный анализ двух типов движений, применимых к роботам для сбора яблок: оптимизированного «горизонтального вытягивания и сгибания» и человекоподобного движения. Комплексные оценки производительности роботизированной системы были проведены в ходе полевых испытаний. Это исследование предлагает инновационный подход к повышению эффективности и производительности роботов для сбора яблок, закладывая основу для сценариев расширения будущих приложений.

I. Фон исследования:

Чтобы снизить стоимость и риск сбора яблок, механизация в этой отрасли становится все более необходимой. С развитием технологий машинного зрения роботы для сбора яблок стали популярной областью исследований. Эти роботы могут воспринимать свою среду и автономно идентифицировать, собирать и коллекционировать фрукты, но в настоящее время находятся на стадии экспериментов и испытаний. Выбор и оптимизация движений при сборе играют ключевую роль в общей производительности и эффективности роботов для сбора яблок.

II. Экспериментальный процесс:

Механическая рука является критически важным аппаратным компонентом для выполнения действий по сбору яблок. Дизайн движения механической руки основан на данных о ручном сборе и планировании траектории. Исследовательская группа использовала систему захвата движения NOKOV для сбора данных о движении верхней части руки сборщиков яблок, используя восемь цифровых камер, размещенных вокруг испытательной зоны. Каждая камера имеет разрешение 2048x1088 и трехмерную точность ±0.15 мм. Данные собирались путем отслеживания маркерных точек, которые передавались на главный компьютер для обработки в реальном времени с целью расчета положения, скорости и ускорения движущихся объектов в пространстве (Рисунок 1).

Рисунок 1. Система захвата движения

1. Сбор данных о движении человека и планирование пути:

Флуоресцентные маркеры были прикреплены к плечу, локтю, запястью и кончикам пальцев подбирающего устройства (Рисунок 2) в этом эксперименте. Из-за структурных различий между механической рукой и человеческой рукой для анализа использовались только данные о траекториях кончиков пальцев.

Рисунок 2. Процесс захвата движения при сборе

Поскольку движение при сборе связано с короткими и быстрыми движениями, частота сбора данных была установлена на уровне 100 кадров в секунду. Одновременно, чтобы обеспечить высокую точность отслеживания, система гарантировала, что как минимум три камеры отслеживают каждую контрольную точку. Начальная позиция маркера на кончике пальца в начале движения использовалась в качестве эталона, и изменения в вертикальной высоте фиксировались каждые 5 мм горизонтального смещения. Эксперимент по сбору данных был проведен 10 раз. После завершения экспериментов было применено полиномиальное сглаживание к усредненным данным, что привело к полученной траектории, как показано на рисунке 3 (a).

Рисунок 3. Траектории двух типов движений при отборе: (a) антропоморфные движения при отборе и (b) "bent horizontal pull" picking movements

2. «Планирование траектории движения при горизонтальном вытягивании и изгибании»:

Планирование траектории выполнялось с использованием MoveIt, как показано на рисунке 3 (b). После того как механическая рука схватила фрукт, траектория собирания начиналась с положения фрукта в плоскости x-y.

III. Экспериментальные результаты:

В Таблице 1 представлен статистический обзор оценки полевого урожая яблок. Уровень успешности сбора яблок с использованием режима humanoid составил 80.17%, что на 2.76% ниже, чем при использовании действия «горизонтальное тяготение и сгибание» (82.93%). Кроме того, в плане времени цикл сбора яблок с использованием движения «горизонтальное тяготение и сгибание» составил 12.53±0.53 секунды, что на 4.64 секунды меньше среднего времени, затрачиваемого на humanoid (17.17±0.36 секунды). Сам процесс сбора занял 1.14 секунды и 3.13 секунды, что составляет 9.10% и 18.23% от его общего времени цикла соответственно.

Экспериментальные результаты показывают, что оба типа движений при сборе имеют потенциал для применения в роботах-сборщиках. По сравнению с гуманоидным движением, движение "горизонтальное тянущее и сгибающее" имеет более короткое время цикла сбора и лучшие показатели успеха. Улучшение способности робота воспринимать окружающую среду и собирать яблоки, растущие на длинных, свисающих ветвях, - это два потенциальных направления для исследований. В будущем гуманоидные движения могут найти применение вHarvesting robots (роботах для сбора урожая), работающих в неструктурированных садах.

Библиография:

Lingxin Bu, Chengkun Chen, Guangrui Hu, Adilet Sugirbay, Hongxia Sun, Jun Chen,Разработка и оценка роботизированного сборщика яблок с использованием оптимизированных схем сбора,Computers and Electronics in Agriculture, Volume 198,2022, 107092, ISSN 0168-1699.