Farmaid:Roboter zur Erkennung von Pflanzenkrankheiten

Roboter, der autonom im Gewächshaus herumfährt und Krankheiten erkennt.

Inspiriert von der Arbeit von plantvillage.psu.edu und iita.org wollten wir mit der DonkeyCar-Plattform einen autonomen Roboter bauen, der sich in einer landwirtschaftlichen Umgebung bewegen kann, ohne vorhandene Pflanzen oder Böden zu beschädigen, und mit Objekterkennung erkrankte Pflanzen finden und markieren mit einer umweltfreundlichen Farbe. Traditionell müssen Menschen große Farmen mit ihren Telefonen manuell inspizieren, um die Ernten zu markieren, in den meisten High-Tech-Fällen. Dies erfordert viel Zeit und Mühe. Darüber hinaus wird eine Vielzahl von Telefonen verwendet, die nicht unbedingt über alle erforderlichen Funktionen verfügen, um die Aufgabe effizient zu erledigen, oder sie müssen auf jemanden mit dem richtigen Gerät warten. Eine einheitliche Roboterplattform, die um den Betrieb herum fährt, wird diese Probleme lösen und die Markierung viel schneller machen. Die Geschwindigkeit kann auch die gemeinsame Nutzung der Plattform zwischen mehreren Farmen erleichtern.

Herausforderungen:

• Halten Sie die Größe/das Gewicht des Roboters klein genug, damit die Pflanzen selbst nicht beschädigt werden.
• Navigieren, ohne vorhandene Pflanzen zu beschädigen.
• Eine Möglichkeit finden, kranke Pflanzen sicher zu markieren.
• Ein Datensatz und eine Farm finden, um die Plattform möglicherweise zu testen

Unser Teamato-Team ist aufgrund der Tatsache entstanden, dass wir alle Mitglieder der Detroit Autonomous Vehicle Group und der Ann Arbor Autonomous Vehicle Group sind. Dies sind beide Meetup-Gruppen. Unser Teammitglied Sohaib hat sich mit dem obigen Konzept der Challenge gestellt und einen Beitrag erstellt, in dem er gefragt wird, ob jemand an einer Teilnahme interessiert ist. Alex, Juanito und David schlossen sich Sohaib an und begannen so eine gemeinsame Suche unter Personen, die noch nie zuvor zusammengearbeitet hatten. Abgesehen davon, dass wir eine gemeinsame Grundlage für Ansatz, Technik, Timing usw. gefunden haben, mussten wir einen Rahmen für Besprechungspläne, Speicher, Konferenztechnik usw. festlegen. Im Wesentlichen mussten alle Komponenten, die in ein professionelles Projekt einfließen, eingesetzt werden, außer dass niemand bezahlt wurde, wir kein Budget hatten und alle Verpflichtungen in Bezug auf Arbeit, Schule, Familie usw. bestanden. Kein Problem, da wir eine gemeinsame Vision und den Willen zur Umsetzung teilten. Interessanterweise repräsentierte unsere Gruppe von vier Personen eine internationale Gemeinschaft. Jedes Mitglied unseres Teams war mehrsprachig und hatte direkte familiäre Bindungen zu einem oder mehreren der folgenden:China, Deutschland, Pakistan, Philippinen, Russland. Wir hatten alle eine tolle Zeit und es war eine tolle Lernerfahrung.

Bauen des Roboters:

Die Arbeiten am Chassis, der autonomen Navigation und der Bildklassifizierung begannen umgehend und schritten in gutem Tempo voran. Wo wir auf große unerwartete Herausforderungen und Verzögerungen in Bezug auf unser Chassis und unser Antriebssystem stießen. Einfach gesagt, wir haben bei den Testgewächshäusern nicht mit solch unterschiedlichen Terrains gerechnet, und Motoren, Räder, Verkabelung, Steuerung usw., die in Szenario A in Ordnung waren, waren in Szenario B überfordert. Wir haben eine große Anzahl von Mods durchlaufen, um uns einzuwählen praktikables Chassis für alle unsere Umgebungen. Wir mussten viel Zeit und Budget einhalten, aber das Endprodukt übertraf unser ursprüngliches Ziel einer praktikablen Mindestkonfiguration. Das endgültige Design zum Zeitpunkt der Einreichung wird unten beschrieben.

Kamera Pole:

Um Hochbeete von Pflanzen betrachten zu können und möglicherweise auf eine bewegliche Kamera aufzurüsten, die die Ober- und Unterseite von Tomatenpflanzen betrachten kann, haben wir eine Kamerastange mit einem Kohlefaserstab gebaut, der von einem Flohmarkt gekauft wurde. Der Stab wurde mit 2 3D-gedruckten Klemmen für die Navigations- und Klassifizierungskameras ausgestattet. Wir haben der Stange auch eine 1,2-V-Solarbeleuchtung sowie mehrfarbige 12-V-Statusleuchten auf dem Pool hinzugefügt. Ja, das ist ein wiederverwendeter Pillenbehälter, der oben auf der Stange schwarz lackiert ist. Eine unserer vielen Null-basierten Budget-Unterkünfte, die einfach großartig funktioniert haben!

Die Kameras waren Raspberry Pi-Kameras, die an zwei verschiedene Pis angeschlossen waren, die von USB-Ladegeräten betrieben wurden. Der Grund für die Verwendung von 2 Pi ist, dass sowohl die Klassifizierung als auch die Navigation ein neuronales Netzwerk verwenden, das viel Rechenleistung benötigt. Außerdem musste die Klassifikationskamera auf die Pflanzen zeigen, während die Navigationskamera nach vorne zeigen musste. Die Spitze des Mastes musste auch Lichter haben, die als Blinker dienen sollten. Auf der Suche nach RGB-Leuchten, die hell genug wären, stellten wir fest, dass sie mehr als 100 US-Dollar kosten würden und unser Arduino-Ausgang war 5 Volt, wir haben ihn an ein Relais angeschlossen. Die Verbindung erforderte eine gemeinsame Masse mit dem Arduino und 3 Drähte für die roten, grünen und blauen Lichter, die wir an den Pins 7, 8 und 11 auf dem Arduino platzierten. Wir könnten das RGB-Spektrum dieser Lichter simulieren, indem wir die analogWrite-Funktion verwenden, um allen drei Drähten unterschiedliche Werte zuzuweisen. Beachten Sie, dass für eine korrekte Farbgebung alle drei geschrieben werden müssen, da sonst eine zuvor geschriebene Farbe auf einem Pin unerwartete Ergebnisse zeigen könnte.

Fahrgestell:

Unsere Experimente mit einem Kunststoffchassis mit Rädern und Ketten unter Verwendung von Motoren mit geringer Leistung hatten sich bei den Farmen Stone Coop und Growing Hope als erfolglos erwiesen und beide Optionen würden sich in sandigen Boden eingraben, der für Pflanzen von Vorteil ist viele Kunststoffzahnräder vor dem Upgrade auf Metall und die Fähigkeit, mit höheren Strömen umzugehen:

Quelle:Farmmaid:Roboter zur Erkennung von Pflanzenkrankheiten