Tytuł pozycji:
Prace badawczo rozwojowe służące opracowaniu elementów AGROBOT
W artykule zaprezentowano wybrane wyniki prac uzyskanych podczas realizacji projektu POIR.04.01.04-00-0027/18. Opisane prace koncentrują się na zagadnieniach związanych z opracowaniem konstrukcji trzech zespołów elementów odlewanych robota do zbioru pieczarek. Pierwotnie analizie i konwersji kon¬strukcyjnej miały zostać poddane elementy manipulatora robota. W toku realizowanego projektu, analizie wytrzymałościowej miały zostać poddane elementy składowe zespołu robota, tzw. SCARY. Na podstawie dostarczonych przez firmę IDEA Flex danych dotyczących obciążenia elementów składowych oraz wstępnej konstrukcji robota do zbioru pieczarek opracowane zostały w Łukasiewicz - KIT warianty konstrukcji odlewanych zespołów składowych, mających zastąpić konstrukcje skręcane z blach stalowych, aluminiowych i elementów wykonywanych w procesach obróbki mechanicznej. Równolegle prowadzone były prace mające na celu opracowanie modelu algorytmu sterującego pracą robota podczas zbioru grzybów (zwanych dalej owocnikami) oraz sprawdzenie możliwości wykorzystania algorytmów sztucznej inteligencji jako elementu optymalizacji modelu. Wybór narzędzi podyktowany był analizą istniejących rozwiązań opisanych w literaturze oraz rzeczywistych potrzeb w kontekście robota konstruowanego w ramach projektu badawczego. Szczególną uwagę zwrócono na układ ustalający parametry zbioru oraz ustalający kolejność zbioru owocników. Drugi etap prac dotyczył implementacji wcześniej opracowanego algorytmu i próby jego optymalizacji w celu osiągnięcia jak największej dokładności jego działania. Celem zaimplementowanego algorytmu jest określenie parametrów zbioru. Założono, że danymi wejściowymi do procesu są dane liczbowe uzyskane z detekcji obiektów na obrazie, takie jak położenie każdego owocnika zdefiniowane w trzech wymiarach, promień kapelusza, wysokość oraz przekrój zdjęcia wraz z bezpośrednim otoczeniem owocnika. Celem stworzonego algorytmu jest określenie parametrów zbioru owocników, czyli sposobu łamania na podstawie analizy otoczenia oraz kierunku ruchu zginającego danego obiektu. Dane te będą stanowić dane wejściowe dla układu sterującego ramieniem robota. Wykorzystano również algorytm uczenia maszynowego w celu sprawdzenia możliwości optymalizacji wydajności i szybkości działania algorytmu. Wykorzystano algorytm sieci neuronowej splotowej YOLOv5, który został dostosowany do wykrywania 9 klas obiektów na obrazie z kamery robota.
The article presents selected results of the work obtained during the implementation of the POIR.04.01.04-00- 0027/18 project. The described work focuses on issues related to the development of the structure of three sets of cast elements of a mushroom picking robot. Initially, the analysis and structural conversion were to be performed on the robot manipulator elements. During the project, the strength analysis was to be performed on the components of the robot assembly, the so-called SCARY. Based on the data provided by IDEA Flex regarding the load of the components and the initial design of the mushroom picking robot, variants of the cast component assembly structures were developed in Łukasiewicz - KIT, which were to replace the screwed structures made of steel and aluminum sheets and elements made in mechanical processing processes. In parallel, work was carried out to develop a model of the algorithm controlling the robot’s operation during mushroom picking (hereinafter referred to as fruiting bodies) and to check the possibility of using artificial intelligence algorithms as an element of model optimization. The choice of tools was dictated by the analysis of existing solutions described in the literature and the actual needs in the context of the robot constructed as part of the research project. Particular attention was paid to the system determining the harvest parameters and determining the order of the harvest of fruiting bodies. The second stage of the work concerned the implementation of the previously developed algorithm and an attempt to optimize it in order to achieve the highest possible accuracy of its operation. The aim of the implemented algorithm is to determine the harvest parameters. It was assumed that the input data to the process are numerical data obtained from the detection of objects in the image, such as the position of each fruiting body defined in three dimensions, the radius of the cap, the height and cross-section of the image together with the immediate surroundings of the fruiting body. The aim of the created algorithm is to determine the parameters of the harvesting body, i.e. the method of breaking based on the analysis of the environment and the direction of the bending movement of a given object. These data will constitute the input data for the system controlling the robot arm. A machine learning algorithm was also used to check the possibilities of optimizing the efficiency and speed of the algorithm. The YOLOv5 convolutional neural network algorithm was used, which was adapted to detect 9 classes of objects in the image from the robot’s camera.
