西北工科大学、北方民族大学、貴州中医薬大学、サルケン・セベリン・カザフ農業技術大学からなる研究チームは、リンゴ摘果ロボットに関するおもしろい研究「Design and evaluation of a robotic apple harvester using optimized picking patterns」を行い、その論文がSCIジャーナル「Computers and Electronics in Agriculture」の農業科学第2地域部門に掲載された。
研究チームは、モーションキャプチャシステムを用い、獲得したデータを使って、擬人化された摘果動作モデルを構築し、リンゴ摘果ロボットに適用可能な2種類の動作（最適化された「水平プルベンド」動作と擬人化動作）を比較対照し、フィールドテストを用いてロボットシステムの性能を徹底的に評価した。ロボットシステムの性能をフィールドテストを用いて徹底的に評価した。本研究は、りんご摘み取りロボットの効率と性能を向上させる革新的なアプローチを提供し、将来の応用シナリオの基礎を築くものである。
研究の背景：
リンゴ収穫のコストとリスクを軽減するためには、果樹産業の機械化が不可欠である。マシンビジョン技術の発展に伴い、リンゴ収穫ロボットが研究のホットスポットとなっている。リンゴ収穫ロボットは環境を感知し、自動的に果実を認識し、収穫し、配置することができるが、まだ実験室や果樹園での試験段階に留まっている。収穫動作の選択と最適化は、リンゴ収穫ロボットのシステム性能と効率に重要な役割を果たす。
実験の手順：
ロボットのハードウェアに搭載されたマニピュレーターは、リンゴの摘果動作を完了させるための重要な部品である。 ロボットの動作パターンの設計は、手動のピッキング動作データと経路計画に基づく。 研究チームは、ピッカーの上腕の動きからデータを収集するためにNOKOVモーションキャプチャシステムを使用し、テストエリアには解像度2048×1088、3D精度±0.15mmで8台の光学式モーキャプカメラを配置した。 マーカー・ポイントにより動作を追跡し、データがホスト・コンピュータに転送し、リアルタイムに処理を行われ、空間内の移動体の座標、速度、加速度を算出した（図1）。
図1 モーションキャプチャシステム
1. 擬人化された運動データの取得と経路計画：
実験は、作業者の肩、肘、手首、指先を蛍光面でマーキングした球体を用いて行われた（図2）。マニピュレーターの構造は人間の腕とは異なるため、解析には指先の軌跡データのみを用いた。
図2 ピッキングのモーションキャプチャープロセス
摘果の動きは振幅が小さく高速であるため、データ取得頻度は毎秒100フレームに設定されている。 同時に、高いトラッキング精度を維持するため、少なくとも3台のカメラで各マーカーをトラッキングするようにした。 動き始めの指先マーカーを初期位置とし、水平変位5mmごとに高さ変化を記録した。 データ取得実験は10回行った。 試行終了後、平均値に多項式をあてはめ、あてはめた軌跡を図3（a）に示す。
그림 3. 두 가지 따기 운동의 궤적: (a) 의인 따기 운동과 (b) '굴곡 수평 당기기' 따기 운동
2. "曲げ横引き "ピッキング移動経路計画：
パスプランニングにはMoveItを使う。 図3(b)に示す。 エンドエフェクタが果実を把持した後、果実の位置を起点とするxap-zap平面上のピッキング軌跡を実行する。
実験結果：
リンゴ収穫圃場評価の統計を表1にまとめてみた。 具体的には、擬人化動作によるリンゴの摘果成功率は80.17％で、「水平に引いて曲げる」動作（82.93％）より2.76％低かった。 また、時間面では、「水平に引いて曲げる」動作によるピッキング作業のサイクルタイムは12.53±0.53秒で、擬人化ピッキング動作による平均時間（17.17±0.36秒）より4.64秒短く、ピッキング動作自体は1.14秒と3.13秒で、ピッキング作業の全サイクルタイムに占める割合はそれぞれ9.10％と9.10％、3.13秒であった。 のサイクル・タイムがそれぞれ9.10％、18.23％であった。
表1 リンゴの収穫試験結果の統計
実験結果は、両方の摘果方法もピッキングロボットへの応用の可能性を示した。 水平に引っ張って曲げる」動きは、擬人化動作に比べて摘果のサイクルタイムと成功率が優れている。摘果ロボットの環境感知能力の向上と、長く揺れる枝から生えるリンゴをピッキングする能力の向上は、大きな可能性が潜む２つ研究方向である。 将来的には、非構造化的な果樹園での摘果ロボットにも擬人化モーションが適用される可能性が見出される。
参考文献
ここでごニーズを出ること
-
もっと多い情報に関して、メッセージをしたりしてください。
-
- 確認