11% oszczędności na personelu utrzymania po zbudowaniu automatycznego robota do podlewania roślin

Dział robotyki Innowise opracował własnego inteligentnego robota do poruszania się po pomieszczeniach biurowych i podlewania roślin bez interwencji człowieka.

Klient

Branża

IT, Tworzenie oprogramowania na zamówienie

Région

Klient

Innowise

Innowise jest globalnym dostawcą kompleksowych usług rozwoju oprogramowania z ponad 1500 specjalistami IT na pokładzie. Nasza firma świadczy usługi tworzenia oprogramowania pod klucz, realizując ponad 850 projektów dla klientów z 30 krajów na całym świecie.

Wyzwanie: Wewnętrzny projekt Innowise mający na celu zaprezentowanie naszej wiedzy z zakresu robotyki

Robotyka to jeden ze stale rozwijających się trendów we współczesnych realiach IT. Sieci cyfrowe i sztuczna inteligencja rozwijają się wykładniczo, biorąc pod uwagę szybki postęp technologiczny w tych dziedzinach.

Koncentrując się na wykorzystaniu nowych technologii, Innowise przyjmuje zaawansowane rozwiązania w miarę ich pojawiania się na rynku. Jako dowód naszej doskonałości w tej dziedzinie, nasz dział robotyki stworzył od podstaw w pełni autonomicznego robota, który pomaga pracownikom w podlewaniu roślin. W tym autorskim projekcie zaprezentowaliśmy naszą wiedzę z zakresu robotyki klientom poszukującym Rozwiązania oparte na IoT w celu zautomatyzowania rutynowych zadań i wyeliminowania ludzkiego nadzoru.

Rozwiązanie: Samonawigujący robot podlewający rośliny z zaawansowanym systemem podnoszenia

Nasi sprawdzeni programiści robotyki zbudowali IRIS (Innowise Robotics Irrigation System) - autonomicznego, samonawigującego robota do podlewania roślin IoT w pomieszczeniach biurowych. Oprócz wdrożenia oprogramowania, takiego jak SLAM, ROS i LiDAR, zbudowaliśmy również sprzęt, w tym ruchomą platformę, zbiornik na wodę i system podnoszenia.

Mapowanie

Nos experts en robotique ont commencé par cartographier les espaces de bureaux pour créer un système détaillé de surveillance des plantes IoT, en identifiant l'emplacement des plantes, les obstacles, les meubles et autres objets susceptibles d'affecter les mouvements du robot. Nous avons assuré un routage prévisible et sans problème à travers les salles de bureau en utilisant la technologie SLAM, qui détermine simultanément l'emplacement du robot et crée une carte de l'environnement à l'aide d'algorithmes de vision par ordinateur, de LiDAR (scanners laser) et d'autres outils de détection.

Nasi specjaliści od robotyki wykorzystali LiDAR podłączony do mikrokomputera Raspberry PI zamontowanego bezpośrednio na robocie do wykrywania przeszkód i identyfikacji roślin. ROS (Robotic Operating System) i główny komputer wykorzystują te informacje wizualne do przetwarzania danych nawigacyjnych, obliczania trasy i mapowania otoczenia biura.

Au cours de cette étape, notre équipe a dû relever le défi d'une visibilité limitée pour détecter des objets ordinaires tels que des tables, des étagères, des chaises et d'autres éléments intérieurs qui limitent la vue du robot ou qui peuvent être mal identifiés. En outre, nous avons dû faire face à des obstacles dynamiques dans un environnement de bureau, car les employés et les objets en mouvement changent soudainement de position et de direction, ce qui oblige le robot à prendre des décisions instantanées pour éviter les collisions. Notre équipe de projet a utilisé des algorithmes de vision artificielle et d'apprentissage automatique pour résoudre ce problème, notamment la segmentation d'images, la détection d'objets, le filtrage du bruit et d'autres méthodes. Nous avons également équipé notre assistant autonome d'algorithmes de planification des mouvements tels que les arbres aléatoires à exploration rapide (RRT) et A* (A-star), qui tiennent compte de la position et de la forme des obstacles pour identifier la trajectoire optimale en temps réel.

Wykrywanie roślin i kody QR

L'objectif principal du projet était d'apprendre au robot à identifier et à localiser des objets sur une carte. Initialement, nous avions prévu d'utiliser des caméras stéréoscopiques pour déterminer l'emplacement des plantes, calculer leur position et créer un itinéraire. À la suite des sessions de brainstorming, nous avons conçu un schéma alternatif dans lequel le robot prenait une photo et enregistrait ses coordonnées dans l'espace. Les ingénieurs en robotique ont utilisé un réseau neuronal pour trouver la plante dans le cadre, calculer sa boîte de délimitation et déterminer la direction de la fleur.

Dans le cadre des projets de traitement d'images, les boîtes de délimitation servent de points de référence pour la détection des objets et la création de boîtes de collision pour ces derniers. Sur la base des coordonnées du robot, de l'orientation de la caméra et de l'emplacement de la fleur, nous avons tracé un rayon reliant la position du robot à la plante. En répétant ce processus plusieurs fois, nous avons obtenu de nombreux rayons se croisant en un point et détectant la plante qui avait besoin d'être arrosée.

Nasi inżynierowie polegali na modelach wyszkolonych na zbiorach danych COCO i ImageNet, aby płynnie identyfikować kwiaty w doniczkach. W oparciu o ten model odfiltrowaliśmy wszystkie niepotrzebne klasy i opracowaliśmy niestandardowy detektor, który synchronizuje kierunek obwiedni ze współrzędnymi robota. Aby określić dokładne współrzędne przestrzenne pręta do podlewania, użyliśmy zestawu kamer i LiDAR.

Gdy robot wykryje roślinę, powinien zidentyfikować jej dokładną pozycję w przestrzeni i określić, czy należy ją podlać. W tym celu oznaczyliśmy wszystkie doniczki biurowe kodami QR połączonymi z bazami danych, w których przechowywana jest historia podlewania wszystkich roślin.

Ruchoma platforma

Jeśli chodzi o sprzęt, zespół robotyków zdecydował się na system modułowy, który obejmował ruchomą platformę zawierającą elektronikę, zbiornik na wodę, baterię i dwupoziomowy system windy. Wykorzystaliśmy aluminiowy profil formatu V-Slot do montażu ramy robota ze względu na jego trwałość i lekkość, umożliwiając lepszą manewrowość i mniejsze zużycie energii.

Zamiast standardowych napędów różnicowych zaimplementowaliśmy koła wielokierunkowe w rogach robota, aby zapewnić płynną nawigację. Koła omni-wheels lub koła wielokierunkowe to małe dyski (rolki) na obwodzie, które mogą obracać się wokół własnej osi lub prostopadle, z łatwością napędzając cały system. W ten sposób robot może poruszać się w dowolnym kierunku bez obracania głównej konstrukcji, wykorzystując jedynie różnicę prędkości między poszczególnymi kołami.

Winda i nawadnianie

Les fleurs sont exposées sur les bureaux des employés, les étagères, les rayonnages, les bibliothèques hautes et d'autres endroits difficiles d'accès pour les employés. Plutôt que de construire un robot surélevé, nos experts ont assemblé un mécanisme de levage basé sur des rouleaux coulissants, éliminant ainsi la nécessité d'une construction en hauteur de type bibliothèque, coûteuse en main-d'œuvre et économiquement inefficace. Grâce aux pièces profilées en V d'OpenBuilds, nous avons fixé les marches de l'ascenseur de manière rigide les unes aux autres à l'aide de chariots et de rouleaux qui glissent le long du mécanisme de levage. En fin de compte, les chariots sont déplacés par une courroie tendue entre un moteur et une unité de tension montée de l'autre côté.

Na szczycie ostatniego stopnia windy zaimplementowaliśmy serwomotor, który rozwija pręt z włókna węglowego do podlewania kwiatów połączony z pompą perystaltyczną zainstalowaną w zbiorniku na wodę. W przeciwieństwie do standardowych pomp obrotowych, które są wrażliwe na objętość cieczy, zastosowaliśmy pompy perystaltyczne, które ściskają elastyczną rurkę przez rolki na obwodzie i wypychają ciecz. W porównaniu do standardowych pomp, mechanizmy te mają znacznie mniejszą prędkość pompowania, ale mogą podnosić ciecz na znacznie większą wysokość.

Technologie i narzędzia

Back-end

Python, Django(DRF), FastAPI, AWS IoT Core, pandas, Loki, Prometheus, Grafana, API Gateway, AWS (Route, Lambda, RDS, S3, SQS, SES, EKS, ECR)

Front-end

JavaScript, TypeScript, React, Redux, Leaflet, Webpack, Axios, Material UI, Cube.js, AWS CloudFront

Rozwiązania intégré

AVR, Raspberry Pi, SPI, UART, USB, I2C, HTTP, Solidworks, ROS, SLAM, LiDAR, Altium Designer

ML/DS

OpenCV, TensorFlow, TFLite, ONNX, NumPy

DevOps

Terraform, Weave, Docker. Docker Compose, Kubernetes, BitBucket Pipelines

Baza danych

PostgreSQL, AWS Timestream

Proces

Notre département robotique a suivi la méthodologie agile tout au long du projet, en travaillant en étroite collaboration avec des spécialistes de l'apprentissage automatique, de la vision par ordinateur et de la science des données pour atteindre les résultats souhaités. Nous nous sommes efforcés de fournir une solution complète sans dérive de périmètre, en démontrant aux clients potentiels des connaissances spécifiques à l'industrie dans un domaine complexe et exigeant. Au cours de réunions régulières, de séances de brainstorming et d'analyses rétrospectives, nos experts en robotique se sont tenus au courant de l'avancement du projet et ont abordé tous les problèmes.

Obecnie testujemy system podlewania i wykrywania roślin oraz polski algorytm, który automatycznie znajduje i dociera do roślin biurowych na różnych wysokościach bez kolizji. Zidentyfikowaliśmy również problemy projektowe podczas opracowywania i stworzyliśmy szkic, aby rozwiązać te skutki uboczne przed zaprezentowaniem robota inwestorom. Ponadto nasi specjaliści opracowali bazę techniczną dla robota, w tym stację ładującą podłączoną do sieci wodociągowej i sieci 220 V, umożliwiającą robotowi ładowanie akumulatora pokładowego i automatyczne uzupełnianie wbudowanego zbiornika na wodę.

Zespół

Programiści back-end

Programiści front-end

Kierownik projektu

Analityk biznesowy

Architekt oprogramowania

Kierownik zespołu

Inżynierowie sprzętu

Programiści oprogramowania układowego

Inżynier DevOps

Inżynier ML/DS

Modélisateur 3D

Inżynier projektu

Wyniki: 34% zmniejszył uszkodzenia roślin dzięki inteligentnemu systemowi nawadniania roślin IoT

L'équipe de robotique de Innowise a construit un IRIS - un robot automatisé piloté par l'IoT pour arroser les plantes et naviguer dans les environs du bureau. Nous avons équipé l'appareil d'un système de cartographie avancé pour construire des itinéraires précis grâce à la technologie SLAM, au LiDAR (scanners laser) et à d'autres capteurs. En outre, nos ingénieurs ont doté le robot d'un mécanisme d'élévation basé sur des rouleaux coulissants et une tige en fibre de carbone sur le dessus.

Nous avons donc conçu un système d'arrosage qui permet d'arroser régulièrement les plantes sans intervention humaine. IRIS assure la santé des fleurs, améliore la qualité de l'air et favorise une atmosphère verte dans le bureau. En outre, il réduit la charge de travail des employés qui devaient auparavant arroser les plantes manuellement, ce qui leur permet de se concentrer sur leurs responsabilités principales sans être distraits par des tâches routinières.

Projet d'amélioration de la qualité de l'eau

Luty 2023 r. - w trakcie realizacji

11%

oszczędności na personelu konserwacyjnym

34%

zmniejszone uszkodzenia roślin

Podobne projekty

La technologie au service du développement durable ? Ayez l'esprit tranquille !

Co będzie dalej ?

Po otrzymaniu i przetworzeniu Twojego zgłoszenia skontaktujemy się z Tobą wkrótce, aby wyszczególnić potrzeby projektu i podpisać umowę o zachowaniu poufności, aby zapewnić poufność informacji.

Pour l'analyse des données, l'analyse et l'élaboration de programmes, les projets doivent être réalisés dans les délais impartis. projekt z zakresem prac, wielkością zespołu, czasem i kosztami szacunki.

Umówimy się z Tobą na spotkanie, aby omówić ofertę i dojść do porozumienia porozumienia.

Podpisujemy umowę i rozpoczynamy pracę nad projektem tak szybko, jak to możliwe.

Vous voulez en savoir plus ?

AWS

Firma zajmująca się rozwojem JavaScript

Utiliser les interfaces API pour les applications de gestion de l'information.

Les services de conseil d'AWS dans les pays en voie de développement

Zatrudnianie inżynierów chmury AWS

L'industrie de l'IdO se concentre sur la programmation de l'IdO

Programmer en JavaScript pour les entreprises

Firma deweloperska Python

Programme d'aide à la recherche Python

Usługa rozwoju oprogramowania układowego

Rozwiązania z zakresu IT dla opieki zdrowotnej

Usługi w zakresie doradztwa ds. uczenia maszynowego

11% oszczędności na personelu utrzymania po zbudowaniu automatycznego robota do podlewania roślin

Klient

Wyzwanie: Wewnętrzny projekt Innowise mający na celu zaprezentowanie naszej wiedzy z zakresu robotyki