智慧除草機器人設計與實作

Minghsin University Institutional Repository > 工學院 > 資訊工程系 > 校內專題研究計畫 > Item 987654321/1413

請使用永久網址來引用或連結此文件: http://120.105.36.38/ir/handle/987654321/1413

題名:	智慧除草機器人設計與實作
作者:	蘇東興
貢獻者:	資工系
關鍵詞:	人工智慧、深度學習、機器人、除草劑、邊緣運算、SSD MobileNet V2
日期:	2020-10
上傳時間:	2020-11-30 10:18:40 (UTC+8)
摘要:	雜草是許多農民心中的頭號大敵，農民擔心長滿雜草的田園，會躲藏病蟲害，還會與作物競爭養分。一般除草方式可以分為機械式與化學式，前者靠人力背割草機或是駕駛割草機一寸一寸的除草，相對人力成本較高；後者靠噴灑除草劑，除草迅速效果也顯著，但是對土壤環境的危害也很大。本專題規劃運用人工智慧深度學習技術與邊緣運算技術，設計並實作一台自動化智慧除草機器人。實驗設計將蔬菜與雜草種植於保麗龍箱內，首先智慧除草機器人會橫跨保麗龍箱並且往前行走，在行走過程會辨識是否有雜草，當辨識到雜草時，機器會停下來，機械手臂移動到雜草正上方，鎖定雜草，Z 軸向下並啟動鑽頭，以物理方式將雜草碾碎並拔出。本專題製作之流程分為六個階段，資料集建置、模型建置與訓練、模型轉換、硬體建置、軟硬體整合、整合測試。第一階段資料集建置，以人工方式每日拍攝300 張照片，並且標記。總共建置 9235 張含有標記的照片，假設一張照片含有 3 種蔬菜 2 種雜草，那一張照片就會有 5 個 Label，將每類 Label 數量平均至 5000， 4000 當作訓練資料，1000 當作驗證資料。第二階段模型建置與訓練，使用 SSD MobileNet V2 物件偵測與分類模型，呈現辨識蔬菜與雜草辨識效果。第三階段模型轉換，訓練完模型後，為了能讓邊緣運算模組使用，因此需要透過模型轉換機制使模型壓縮及達到省電的效果。第四階段硬體建置，硬體分為兩大部分，第一部分為機器本體，建置 100 x 81 x 95cm 的機體，設計過程要考量到保麗龍箱大小及影像呈現大小。第二部分為機械手臂，使用 XYZ 三軸機械手臂，當辨識雜草時，將機械手臂移動至雜草正上方，鎖定雜草，Z 軸下向並啟動鑽頭，以物理方式將雜草碾碎且拔出。第五階段軟硬體整合，將蔬菜與雜草模型及硬體控制進行整合，並且確認運作流程及操作是否正常。第六階段整合測試，將進行實際測試，記錄相關數據及分析。經過分析，雜草辨識準確 78%，並且精準除草。
顯示於類別:	[資訊工程系] 校內專題研究計畫

文件中的檔案:

檔案	描述	大小	格式	瀏覽次數
蘇東興.pdf		3343Kb	Adobe PDF	1	檢視/開啟

檢視Licence

在MUSTIR中所有的資料項目都受到原著作權保護.

資料載入中.....