Reconhecimento de frutas, plano de tarefas e controle para robôs de colheita de maçãs

RESUMO

Os robôs de colheita inteligente de maçãs têm uma distribuição escalonada de galhos e folhas durante a operação, o que causa problemas como o planejamento de movimentos lentos, a baixa eficiência operacional e o alto custo de trajetória dos manipuladores de colheita com vários graus de liberdade (DOF). Este artigo apresenta um sistema composto de braço-mão robótico autônomo para colheita de maçãs que visa melhorar a eficiência operacional da colheita inteligente em pomares de maçãs plantadas com anéis anões. O sistema de visão mecânica para detecção de frutas usa a rede neural convolucional de aprendizagem profunda (CNN) YOLOv7 e uma tecnologia de acoplamento de detecção on-line de câmera RGB-D para reconhecer rapidamente as maçãs. Em seguida, as informações de profundidade espacial da área da fruta são extraídas da imagem de profundidade alinhada para um posicionamento preciso. A transformação de coordenadas é usada para obter as coordenadas da fruta no sistema de coordenadas do manipulador. Com base no algoritmo de árvore aleatória de exploração rápida informada (Informed-RRT*) e no modelo de planejamento de caminho, as maçãs-alvo identificadas são colhidas sem planejamento de caminho de colisão. Em um teste de colheita de maçãs, a precisão do reconhecimento do sistema visual foi de 89,4%, e o tempo médio de colheita de uma única maçã foi de 9,69 s, 4,8% mais rápido do que a tecnologia de colheita geral convencional. Além disso, o tempo de colheita de uma única maçã foi reduzido em 1,7%. Assim, o sistema proposto permite uma colheita de frutas precisa e eficiente.

Palavras-chave:
composição robótica de braço e mão para colheita de maçã; manipulador; aprendizagem profunda; planejamento de caminho; planejamento de sequência de colheita