Ферма:робот для обнаружения болезней растений

Робот, который автономно передвигается в теплице и выявляет болезни.

Вдохновленные работой plantvillage.psu.edu и iita.org, мы хотели использовать платформу DonkeyCar для создания автономного робота, который может перемещаться в среде фермы, не повреждая существующие растения или почву, и использовать обнаружение объектов, чтобы находить и отмечать больные культуры. с экологически безопасным цветом. Традиционно людям приходится вручную проверять большие фермы, используя свои телефоны для маркировки урожая, в большинстве высокотехнологичных случаев. Это требует много времени и усилий. Кроме того, используется множество телефонов, которые не обязательно обладают всеми функциями, необходимыми для эффективного выполнения задачи, или им приходится ждать кого-нибудь с подходящим устройством. Единая роботизированная платформа вокруг фермы решит эти проблемы и сделает маркировку намного быстрее. Скорость также может упростить совместное использование платформы несколькими фермами.

Проблемы:

• Сохранение размеров / веса робота достаточно маленьким, чтобы он сам не повредил посевы.
• Навигация без повреждения существующих культур.
• Как безопасно пометить больные посевы.
• Поиск набора данных и фермы для возможного тестирования платформы.

Наша команда Teamato объединилась в результате того, что все мы являемся членами Detroit Autonomous Vehicle Group и Ann Arbor Autonomous Vehicle Group. Это обе группы Meetup. Член нашей команды Сохаиб принял вызов с вышеуказанной концепцией и создал сообщение, в котором спрашивал, заинтересован ли кто-нибудь в участии. Алекс, Хуанито и Дэвид присоединились к Сохаибу и начали общий поиск среди людей, которые никогда раньше не работали вместе. Помимо поиска точек соприкосновения в подходах, технологиях, сроках и т. Д., Нам нужно было разработать структуру расписаний встреч, репозиториев, технологий конференц-связи и т. Д. По сути, все компоненты профессионального проекта должны были быть реализованы, за исключением того, что никому не платили, у нас не было бюджета, и у всех были обязательства по работе, учебе, семье и т. Д. Это не проблема, поскольку у нас было общее видение и желание действовать. Интересно, что наша группа из четырех человек представляла международное сообщество. Каждый член нашей команды говорил на нескольких языках и имел прямые семейные связи с одним или несколькими из следующих регионов:Китай, Германия, Пакистан, Филиппины, Россия. Мы все прекрасно провели время, и это был потрясающий опыт обучения.

Создание робота:

Работа над шасси, автономной навигацией и классификацией изображений началась своевременно и продвигалась в хорошем темпе. Где мы столкнулись с серьезными неожиданными проблемами и задержками, связанными с нашим шасси и системой привода. Проще говоря, мы не ожидали такого разнообразия местности среди тестовых теплиц, а двигатели, колеса, проводка, элементы управления и т. Д., Которые были в порядке в сценарии A, были перегружены в сценарии B. работоспособное шасси для всех наших сред. Нам пришлось приложить много времени и средств бюджета, но конечный продукт превысил нашу первоначальную цель - минимальную жизнеспособную конфигурацию. Окончательный дизайн на момент отправки описан ниже.

Камера Полюс:

Чтобы иметь возможность смотреть на приподнятые грядки растений и, возможно, перейти на движущуюся камеру, которая могла бы смотреть на верх и низ растений томатов, мы построили опору для камеры, используя стержень из углеродного волокна, купленный на гаражной распродаже. Штанга была снабжена двумя напечатанными на 3D-принтере зажимами для навигационной и классификационной камер. Мы также добавили к столбу солнечное освещение 1,2 В, а также многоцветные световые индикаторы 12 В на верхней части бассейна. Да, это переделанный контейнер для таблеток, окрашенный в черный цвет поверх столба. Одно из наших многочисленных отелей с нулевым бюджетом, которое отлично сработало!

Камеры представляли собой камеры Raspberry Pi, подключенные к двум разным Pis, работающим от USB-зарядных устройств. Причина использования 2 Пи заключается в том, что и классификация, и навигация используют нейронную сеть, которая требует большой вычислительной мощности. Кроме того, классификационная камера должна была указывать на растения, а навигационная камера - вперед. На вершине столба также должны были быть фонари, служащие индикаторами. При поиске достаточно ярких RGB-светильников мы обнаружили, что они будут стоить более 100 долларов, поэтому мы сделали наши собственные, используя свет от динамика, небольшой пластиковый пакет для отражения и заключенный в пустую бутылку для таблеток. а наш выход Arduino был 5 вольт, мы подключили его к реле. Для подключения требовалось общее заземление с Arduino и 3 провода для красного, зеленого и синего света, которые мы разместили на контактах 7, 8 и 11 на Arduino. Мы могли бы смоделировать спектр RGB на этих источниках света, используя функцию analogWrite, чтобы дать разные значения всем трем проводам. Обратите внимание, что для правильной окраски все три должны быть написаны, иначе ранее написанный цвет на любой из булавок может дать неожиданные результаты.

Шасси:

Наши эксперименты с пластиковым шасси с обоими колесами и гусеницами, использующими маломощные двигатели, оказались безуспешными на фермах Stone Coop и Growing Hope, и оба варианта могли закапывать траншею в песчаный грунт, который полезен для растений. множество пластиковых шестеренок до перехода на металлические и возможность выдерживать более высокие токи:

Источник:Ферма:робот для обнаружения болезней растений