Sistema de Navegação Autónoma de Rover Robótico Multitarefa Destinado a Atividades Agrícolas baseado em Visão Computacional por Deteção de Troncos de Árvores

• Autor(a) principal: Simões, José Pedro Gouveia Pires
• Data de Publicação: 2021
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
• Texto Completo: http://hdl.handle.net/10400.6/11991
• topic: Agricultura de Precisão; Deteção de Objetos; Navegação; Pomar; Quantização; Raspberry Pi 4; Redes Neuronais Convolucionais; Robô Terrestre; Ssd Mobilenet; Tensorflow; Visão Robótica; Domínio/Área Científica::Engenharia e Tecnologia::Engenharia Eletromecânica

Introduzir a robótica na agricultura pode permitir uma subida na produtividade e reduzir os custos e desperdícios associados. As suas capacidades podem ser ampliadas comparativamente à função humana, permitindo que um robô consiga efetuar o trabalho que um humano realizaria, mas com maior precisão, repetibilidade e sem fadiga. Nesta dissertação é desenvolvido um algoritmo de reconhecimento de troncos de pessegueiros dispostos em filas comuns de um pomar, como sistema de navegação autónoma e auxiliar anti-choque, de um rover robótico destinado a aplicações agrícolas. A técnica utilizada para esta solução tecnológica foi a visão computacional, ou seja, a criação de um modelo de deteção de objetos com base em Redes Neuronais Convolucionais. A plataforma de construção do algoritmo foi Tensorflow, com destino a ser implementado num Raspberry Pi 4. O modelo foi alicerçado num sistema de deteção SSD MobileNet 640x640 com aprendizagem de transferência da base COCO17. Apuraram-se 89 imagens para o treino do modelo, recorrendo-se a 90% para treino e as restantes para teste. Aplicou-se ao modelo uma quantização integral completa, convertendo o modelo de 32float para uint8 e compilando-o para suportar Edge TPU, adequado para aplicações móveis. A estratégia de orientação consiste em duas condições: uma deteção dupla cria uma linha imaginária com estrutura de uma função linear que atualiza a cada deteção da mesma configuração e, a partir do declive desta reta ou do desvio horizontal das caixas delimitadoras de deteções únicas, são dadas ordens de viragem ou de manter a marcha. Uma avaliação aritmética do modelo mostrou que este tem uma precisão e uma revocação de 94.4%. Após a quantização, estes valores passaram a 92.3% e 66.7%, respetivamente. Estas métricas e os resultados das simulações mostram que, estatisticamente, o modelo mostrou-se adequado a cumprir os objetivos propostos.