|
|
黄瓜收获机推动温室经济
, 时长 02:08
加拿大林肯研究与创新中心 () 是致力于提高商业温室生产力的组织之一。他们的主要目标是通过各种解决方案提高加拿大园艺业的经济可行性、可持续性和竞争力。 （包括机器人技术）来实现这一目标。由现场机器人研究科学家 Brian Lynch 领导，正在使用 Husky UGV 开发用于商业温室操作的自主机器人黄瓜收获系统。这样一个雄心勃勃的项目对于降低劳动力成本和减少对日益减少的劳动力的依赖至关重要。换句话说，这款黄瓜收获机可以帮助农业满足需求。
打造“智能黄瓜采摘”机器人
然而，机器人平台和给定作物之间的交互可能非常复杂。例如，在黄瓜应用中，Husky UGV 必须检测水果，表征其成熟度并确定其在设施内的空间位置。然后，它必须在机械臂的帮助下安全有效地到达水果，并使用其定制的末端执行器收获水果。所有这些都必须集成到能够穿越温室基础设施的移动机器人平台中。那么，如何应对这些挑战呢？
他们提出的解决方案首先使用 Husky UGV 作为机器人黄瓜收获解决方案的移动平台，最终使它们能够手动或作为自动收获控制系统的一部分在温室环境中轻松移动。虽然该团队目前尚未使用 Husky UGV 进行全自动驾驶，但主控制回路使用视觉来检测和收获水果，并保持对 Husky UGV 运动的控制。该系统还依赖于基于其内置车轮里程计传感功能的机器人位置的粗略定位。
，持续时间 03:15
为了完成机器人过程，他们的系统使用英特尔实感 D435 摄像头作为主视觉系统，并在前保险杠上安装英特尔实感 T265，以提供视觉里程计与车轮里程计集成。该设置还包括用于记录实验的额外摄像机，其中包括 Vuze+ 3D 360 摄像机。然后集成第三代机械臂以及定制的末端执行器来执行机器人任务。计算和网络由安装在顶部面板上的笔记本电脑和无线路由器支持。最后，所有这些组件均由 Husky UGV 的电源供电。
Husky UGV 很容易通过 ROS 与其他子系统集成，从而实现非常快速的系统集成过程。轻松访问机器人电源也很重要，因为它允许团队为其所有机器人、视觉、计算和网络功能提供电力。最终，Husky UGV 被选中，因为它可以通过 ROS 轻松集成软件和顶板上的有效负载，并且具有易于使用的电源连接。
正如预期的那样，团队能够立即连接和控制 Husky UGV，并且他们的团队快速执行了系统集成过程。研究科学家 Brian Lynch 表示：“迄今为止，通过 ROS 轻松集成到我们的软件架构中是最重要的方面。” “此外，使用赫斯基的性能规格意味着我们不必担心速度、扭矩、有效负载能力、可穿越性等。此外，易于机械和电气集成也是一个重要方面。一些次要但也很重要的方面是电池更换的便捷性、顶板安装和拆卸、可靠的内置车轮里程表以及对许多其他示例用例的支持。 ”
将其推向市场
与 Husky UGV 一起，您可以利用经过验证且可靠的机器人平台，并根据您的项目需求最有效地定制您的系统。迄今为止，他们的整体采收解决方案取得了优异的性能，每个水果的成功率接近 90%，仅需 14 秒。迄今为止的开发和测试是在一个实验性温室设施中进行的，在该设施中，一排排黄瓜种植在带有混凝土地板的小隔间中，从而可以轻松使用哈士奇无人车。
对 Husky UGV 黄瓜收获机项目的未来感到兴奋。他们希望在商业设施中演示该系统，并与合作伙伴合作许可该解决方案并将其商业化，以便将其进一步开发为产品并提供给种植者。此外，他们希望开发一款可以在轨道上行驶的定制版 Husky UGV，并于今年出版一本出版物，展示他们对该机器人的使用。
02
多机协作苹果采摘机器人系统
农业发展的最大问题之一是可持续性。随着人口逐年增长，许多人认为温室等室内农业的受控环境是一种节能解决方案，可以全年提供更健康、更多样化的农作物。为了跟上步伐，机器人研究人员一直在考虑在此类空间中应用自主平台，以提高生产力并让人类专注于其他关键任务。
辅助拣选机器人
Mir 是以色列机器人初创公司 Fresh (FFR) 的助理教授，Avi 是以色列机器人初创公司 Fresh (FFR) 的首席执行官兼联合创始人。他们共同展示了一款苹果收割机器人，该机器人将自动导航苹果园并准确地从树上采摘水果。
由于成本在农业中非常重要，因此他们正在努力降低价格并寻找最好的机器人来执行特定任务。即使苹果采摘、橘子采摘、桃子采摘等，这些看起来很相似，如果你了解机器人的运动学，它们实际上是非常不同的。他们可能需要不同的关节、不同的长度等，因此他们收集数据并构建模型树，进行优化，并找到适合特定任务的最佳机器人。这是他们多年来一直在努力的事情。作为这项工作的一部分，不仅设计了最佳机器人，还考虑了设计树——找到最佳树以进一步简化机器人。
我们正在研究有关手臂可重构性的新想法 - 让手臂执行不同的任务并轻松地从一项任务切换到另一项任务。例如，我们正在研究苹果园的自主导航，也在研究与搜救相关的非农业项目。我们在上面设计了一个悬挂系统，并在上面安装了担架。其动机是能够在崎岖地形中自动将伤员从危险路径上疏散。
03
推动陡坡葡萄园智能精准农业
，时长 02:37
尽管农业行业已努力将机器人自动化纳入其许多流程中，但许多环境和技术，例如在山区或陡坡上种植葡萄树和橄榄树，由于恶劣的地形条件、土地的极度破碎化，仍然对机械化构成重大挑战。葡萄园、恶劣的气候条件、大量的生物多样性等等。然而，为了满足这种不断增长的需求，农民正在寻找具有成本效益、安全且自主的精密喷洒/割草机器人，可以在陡坡葡萄园中工作，以降低成本、提高效率并减少农业对环境造成的破坏。
因此，基于Husky UGV的项目提出了一种基于ROS堆栈解决方案的简化架构，该解决方案由三个主要ROS包组成：定位和映射、路径规划和控制以及任务监督。过去四年中能够利用的关键发展包括（具有成本效益、模块化和可靠的定位系统，能够在有/没有可用 GNSS 的情况下工作并考虑语义信息）和（路径规划和控制系统，它知道土壤压实度和机器人的重心）。
该平台由一个 3D 激光雷达（由于环境高度非结构化，通过激光测距在农业地形中进行定位）、一个利用自然特征（即藤蔓树干）进行定位的立体相机、一个 IMU（冗余传感器）和 GNSS 接收器（用于农业地形的冗余传感器）组成。可用时进行定位）。为了添加操作（收割和修剪）功能，该团队将 Pro 机械臂 (-H) 与连接到单独处理单元的 USB-485 适配器集成在一起。该系统有自己的电池，并通过以太网与系统的其余部分进行通信。在ROS层面，他们开发了一个驱动节点来订阅关节位置目标并发布每个关节状态。除此之外，他们还添加了自己的联合控制器和路径规划器 ROS 节点，并与其他解决方案进行了基准测试。使用他们自己的软件和板载硬件，该平台在葡萄园中进行了监测、喷洒、收割、割草和修剪任务的测试。
04
打造全球第一台基于UGV的自主双层扫描仪
这家澳大利亚机器人公司成立于 2016 年，设计定制解决方案，帮助客户提高农业、采矿和航运领域的安全生产力。他们最具创新性的产品之一是基于 UGV（无人地面车辆）的机器人，该机器人可以自动扫描牲畜饲料铺位，以准确、精确地测量圈养动物消耗的饲料量。
在农业领域，卧铺阅读是有效畜牧业的重要组成部分。此任务涉及对每个料箱中剩余的饲料量进行目视评估，以确定饲料消耗量，这是分配的重要输入。然而，这项任务需要长期的专用资源（特别是在饲料仓相距较远的大型场地）以及大量的技能和注意力。这是哪里。
是世界上第一个能够准确、可重复地评估饲养场床位中剩余饲料的机器人。事实上，它在监测动物饲料水平方面比人类饲料呼叫器表现更好。将以多种方式使批量饲喂者受益：更深入地了解牛的饲料摄入量，就高效饲料分配做出更明智的决策，以及促进技术人员的重新分配以解决其他运营优先事项。
它是将 Bunk 的专利技术与坚固耐用的机器人底座相结合而制成的。使用多个传感器来读取铺位并测量剩余饲料，从而更好地了解消耗了多少饲料。该解决方案还具有用于导航饲养场周围路线的 GNSS 和用于避免碰撞的 LiDAR。
05
HUSKY UGV 帮助葡萄种植者实现节水灌溉
人们通常不会将啤酒厂和机器人联系起来，但这正是加州大学当前项目所发生的情况。
是加州大学默塞德分校电气工程和计算机科学教授。他的团队包括来自加州大学默塞德分校、戴维斯分校和伯克利分校的研究人员，开发了一种机器人系统，帮助葡萄酒商管理他们的供水系统，并在整个葡萄园实施精准灌溉，称为 RAPID（机器人辅助精准灌溉交付）。
通过用控制水流的低成本塑料发射器替换现有系统，该团队可以派遣赫斯基无人车来调整它们并改变每个工厂区域接收的水量。这样，葡萄植株就不会获得相同量的水（根据情况可能会导致浇水过多或浇水不足），但可以享受精准农业的好处并获得所需的确切水量。
在 Husky 上集成 GPS 等额外传感器将使机器人能够绘制其路线，同时添加 RFID 读取器将使 Husky 能够自主移动到需要调整的特定发射器。
06
播种使用
今年的agBOT竞赛要求开发一款可以充当无人农作物播种机的机器人；它必须在半英里长的行中种植两种类型的种子。它还必须使用移动跟踪天线和各种分析（包括下行压力和各种位置）提供实时数据。参与团队负责开发所有软件、传感器和人机控制界面来控制任务。这个复杂的要求列表需要一个灵活、坚固、高性能的解决方案，这就是为什么我们很高兴与合作伙伴为比赛用 提供 50,000 美元的资助。
玉米地里的灰熊 RUV
它是最大的全地形电池供电机器人。该移动研究平台提供微型拖拉机的性能和机器人的精度，最大有效负载为 1,320 磅，最大速度为 12 英里/小时，离地间隙为 8 英寸，用户电源为 5V、12V、24V 和 48V 。请参阅此处了解所有技术规格。
07
果园智能机器人
自主导航机器人使用嵌入式 3D 摄像头来确定哪些桃树需要修剪或间伐，并使用连接在其手臂上的爪状设备采摘桃子。
桃园拣选是由Husky配备UR5机械臂、手指夹爪、GPS、IMU、雷达和摄像头组成的移动抓取系统。该机器人系统采用激光雷达传感系统和高度专业化的 GPS 技术，在桃园自动导航并避开障碍物。
LIDAR 系统通过将激光指向物体并测量激光束反射回来所需的时间来确定距离，而 GPS 技术则可以将位置测量到几厘米以内。一旦到达桃树，机器人就会使用嵌入式 3D 相机来确定需要摘除哪些桃子，并使用连接到其手臂末端的爪状装置（称为末端执行器）抓住桃子。该机器人解决了桃树栽培周期的两个关键组成部分：树木修剪和树木疏伐。
修剪是在春季生长季节（通常发生在五月中旬至八月初）之前选择性地去除树枝，其目的有多种，包括使果树的内表面积更多地暴露在阳光下以及去除不需要的老生长和新生长才能得到更好的发展。胡解释说，间伐是指从桃树上摘除小桃子或未发育的桃子，以便让桃子长得更大、更好。
“如果你让所有的桃子都成熟，你最终会长出一棵很小的桃树，”胡说。 “你想要做的就是拥有相对较少的桃子，但你想要那些仍然又好又大又甜的桃子——那些你实际上可以卖掉的桃子。”胡先生指出，由于桃园环境非结构化，包括天气变化莫测、地形不平坦、树木形状大小不一等，目前市场上还没有可以完全替代人类从事桃种植业的机器人。
“在果园里，没有两棵树是一样的，”胡补充道。 “你可能会遇到晴天或阴天——这将影响机器人技术的运行方式，”胡说。 “目前世界上还没有机器人能够像人类一样采摘桃子或削薄桃子。” “这项技术还没有完成。成熟。”
到目前为止，目前桃子和其他特种作物自动化收割的努力还没有像商品作物自动化收割那样成功，机器一次收割数百英亩土地。商品作物包括玉米、小麦和大豆等。 “特种作物仍然非常依赖体力劳动，”胡说。 “这与小麦之类的东西确实不同，一个人驾驶联合收割机可以收获数千英亩、数百英亩的土地。而桃子的收获，因为一切都是如此个性化和独特，所以真的很难实现自动化。”
为了解决这些独特的问题，GTRI正在探索将人工智能和深度学习训练方法相结合的方法，以提高机器人的图像分类能力和整体性能。 GTRI还与佐治亚州格里芬市佐治亚大学格里芬校区园艺系副教授Dario 合作，进一步探索桃子种植的智能自动化。 GTRI 首席研究工程师兼 GTRI 智能可持续技术部门负责人 Gary 表示，新型机器人将改变许多农场的水果种植过程，这些农场一直在努力种植足够坚固的树木来承受不可预测的环境条件。 “这直接影响树木产量，”麦克默里说。 “这是种植者口袋里的钱。”
佐治亚理工学院 (GTRI) 是佐治亚理工学院 (Tech) 的非营利性应用研究机构。 GTRI 成立于 1934 年，最初是一个工程实验站，现已发展到拥有 2,800 多名员工，为全国 20 多个地点的 8 个实验室提供支持，每年为政府和行业开展价值超过 7 亿美元的问题解决研究。 GTRI 的“著名研究人员将科学、工程、经济、政策和技术专业知识结合起来，为美国联邦政府、州政府和行业解决复杂的问题。
08
哈士奇助力有机农牧业
精准农业在过去几十年中发展迅速，对于未来可持续农业生产尤为重要。为了帮助实现这样的未来，机器人被用来管理农作物和控制杂草。计算机视觉中的机器学习可以在此类操作中准确地找到目标植物对象。如今，深度学习是图像数据计算数据分析的流行选择，例如通过将机器人收集的图像转化为可操作的结果来进行对象检测或分割。
具体而言，草原/奶牛养殖中的杂草检测比农作物种植中的杂草检测更具挑战性。例如，在作物栽培中，可以通过颜色阈值等参数或考虑近红外 (NIR) 图像（对叶绿素含量具有更高的反射率）将植物与土壤明显分离。然而，在草原中，杂草和背景植物具有相似的颜色和叶绿素含量，因此数据集创建成本更高，杂草检测更具挑战性。为了应对这一挑战，丹麦技术大学的一组研究人员正在使用 Husky UGV 开发一个农业机器人平台，可以在不使用除草剂的情况下清除有机奶牛场的杂草。
丹麦技术大学 (DTU) 是一所精英技术大学，致力于实现电磁学之父 HC Ørsted 的愿景，他于 1829 年创办了这所大学，旨在利用自然科学和技术科学来发展和创造价值，造福社会。 DTU 相信技术是必要变革的一种手段，特别是通过联合国 17 个可持续发展目标作为大学活动的平台。
该项目由Ronja Gü（博士生）和（博士/副教授）开展，重点研究杂草识别和定位系统，是欧盟合作研究项目“”的一部分。该项目的重点是减少除草的体力劳动、杂草管理成本、除草剂对草原的破坏、奶牛养殖对环境的影响以及奶牛的不适。
DTU 团队的最终目标是创造一款机器人除草机，他们知道自己需要一款机器人来取代体力劳动和繁重的体力劳动，而这些劳动通常既昂贵又难以充分供应。他们提出的平台将减少有机农业中的一些上述挑战，并最终促进传统农场向有机农业的过渡，对世界的可持续性产生相关影响。具体来说，该项目负责机器人平台上的视觉系统，包括视觉传感器选择、田间杂草检测以及更详细的杂草分析，为杂草处理提供相关信息（如根中心和茎预测）。
为了能够专注于开发视觉系统，DTU 团队依赖 Husky UGV 作为一个成熟、强大且值得信赖的机器人平台。在这个项目中，哈士奇无人车携带摄像头在草原上漫游寻找杂草。其目标是发现并定位杂草，以便以不使用除草剂的方式抑制杂草。为此，该团队还计划最终为 Husky UGV 配备有机友好型杂草控制机制（例如基于激光或电击的机制），并使用非常精确的（EGNSS）来引导机器人。
对于视觉系统，HUSKY UGV 考虑了以下传感器：IMU、EGNSS（欧洲地球静止导航卫星）、里程表、前置摄像头和激光雷达摄像头。机器人穿越田地，检测田间杂草的大致位置。一旦检测到杂草，机器人就会在植物上行驶。通过 Husky UGV 内的孔，机器人可以使用孔激光雷达相机更仔细地分析植物，例如根中心和茎位置。由于激光雷达相机对环境光敏感，因此测量结果是在受控照明条件下由立方体覆盖的。然后可以通过除草系统进一步处理该信息。例如，使用在 NX 上运行的深度学习算法执行植物检测和分析。
，持续时间 01:19
因此，该项目的核心设置包括以下内容：
对于前置摄像头，团队选择了带有全局快门的 RGB 摄像头，以便在移动平台上感知清晰的图像。将相机与合理的曝光控制相结合，它们可以应对室外场地不断变化的照明条件。
对于相机，该团队选择了适用于短距离的 RGB-D 解决方案。图像中的附加深度图应该可以提高植物分析过程中的鲁棒性。他们选择了允许相对较小有效载荷的组件：所有上述传感器和支架的重量不超过 20 公斤。
该项目得到了欧盟委员会和欧洲全球导航卫星系统机构通过“伽利略辅助机器人处理瘤牛杂草并提高奶牛养殖的盈利能力和可持续性（）”项目的支持。同样，其他欧洲合作伙伴也参与并负责婚礼机器人的其他组件，例如： , , BV, BV, de l', BV。
最后，他们目前的工作已在 2021 年 IEEE/RSJ 国际智能机器人和系统会议上以“Few-leaf: Weed in”为题进行展示，并且是农业最佳论文奖的四名决赛入围者之一。您可以在下面的视频中观看该论文的主题演讲。
09
赫斯基帮助种植者确定何时给植物浇水
，持续时间 01:14
研究人员正在开发的新型植物水分测量系统的底层机器人将导航成排的作物以到达单个叶子和茎。
每个园丁都知道何时给植物浇水是多么困难。如果将其乘以数十或数百英亩，就很容易理解种植者在保持作物健康和高效智能管理水资源方面面临的挑战。为了准确确定需水量，种植者手动从植物上取下单片叶子，将它们放入压力室中，然后施加气压以查看水何时开始从叶茎泄漏。这种类型的测试非常耗时，这意味着种植者每天只能进入田地的多个区域，并且无法根据需要频繁地进行测试以准确确定最佳灌溉计划模式。
来自加州大学河滨分校和加州大学默塞德分校的研究团队通过美国国家科学基金会的国家机器人计划获得了超过 100 万美元的美国农业部拨款，以应对这些挑战。加州大学河滨分校电气与计算机工程系助理教授兼 Amit K. Roy 教授。负责这项工作的加州大学由一名计算机科学教授代表。维尔斯，环境工程教授。
作为该项目的一部分，该团队正在开发一种机器人压力室，可以自动对叶片进行采样并立即在现场进行测试以提供最新数据。该系统甚至可以收集很长一段时间内的数据，而不仅仅是提供快照。经常更新的数据可以帮助种植者更好地规划灌溉计划以节约用水，优化负责确定和分析水压力潜力的作物专家的时间和精力，并帮助降低食品生产链中的某些成本。
当前的测量技术包括收集叶片样本并将其运输到异地，测试人员可以在那里使用非常精确、昂贵的压力室。或者使用手持式压力室在现场采样和分析叶子样品。 “在第一类中，叶子样本可能混合在一起，因此无法追溯到其起源的特定区域，”说。 “此外，随着采样和分析的进行，叶子特征可能会随着时间的推移而变化，可能会产生误导性的结果。”
现场的手持式仪器可能不太准确，但可以使用同一植物的不同叶子进行多次测试。这种方法费时又费力，必须由经过专门培训的人员来执行。与加州大学戴维斯分校和加州大学的同事合作创建了机器人辅助精准灌溉输送系统（RAPID），该系统沿着一排作物行进，根据传感器数据调整灌溉流量，以告诉机器人每种植物的确切需求。该项目将使用与 RAPID 中使用的相同的移动基础机器人，但将为它们配备由加州大学研究人员设计的定制机器人叶片采样器和压力室，并将它们与可以进行实地调查并引导它们配对兴趣范围的无人机配对。
“使用这个过程，种植者可以整天调查植物，即使是在大田里，”卡宾说。
这个为期四年的项目将为研究生和本科生提供夏季研究机会。该项目分为四个阶段： 室的开发；机器视觉的发展使机器人能够“看到”来自叶茎的水；多个机器人的协调以及空中和地面的评估。研究人员计划在 2021 年春季之前建造第一套自动化压力室原型，并在 2021 年春季和夏季评估其性能并在受控环境中完善设计。他们希望在 2022 年冬季之前完成安装，以便可以开始受控现场测试。
“我们必须迅速采取行动，因为如果我们错过了生长季节的高峰，那么我们就必须再等九个月，”卡宾说。研究人员在提案中写道：“我们希望能够在明年夏天开始测试，并每年夏天进行测试，并且我们需要能够最大限度地进行测试。”所有组件设计完成后，设计和代码将开源，项目期间收集的所有数据将提供给科学界。 。
该项目是在与加州农民讨论种植杏仁和葡萄的挑战之后进行的。卡利迪斯和罗伊·乔杜里听说河滨地区的柑橘和鳄梨种植者面临着同样的挑战，因此四人联手合作。
，持续时间 00:10
- 英文 |
|
发表于 2024-12-2 11:30:01
