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

Crusca

IT, Tworzenie oprogramowania na zamówienie

Regione

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

I nostri esperti di robotica hanno iniziato a mappare gli spazi degli uffici per creare un sistema dettagliato di monitoraggio degli impianti IoT, identificando la posizione delle piante, gli ostacoli, i mobili e altri oggetti che possono influenzare il movimento del robot. Abbiamo garantito un percorso prevedibile e senza problemi attraverso le stanze dell'ufficio utilizzando la tecnologia SLAM, che determina simultaneamente la posizione del robot e crea una mappa dell'ambiente utilizzando algoritmi di computer vision, LiDAR (scanner laser) e altri strumenti sensoriali.

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.

In questa fase, il nostro team ha dovuto affrontare la sfida della visibilità limitata per rilevare oggetti semplici come tavoli, scaffali, sedie e altri oggetti interni che limitano la visuale del robot o possono essere identificati in modo errato. Inoltre, abbiamo dovuto affrontare ostacoli dinamici in un ambiente d'ufficio, poiché i dipendenti e gli oggetti in movimento cambiano improvvisamente posizione e direzione, costringendo il robot a prendere decisioni immediate per evitare collisioni. Per risolvere questo problema, il nostro team di progetto ha utilizzato algoritmi di visione artificiale e di apprendimento automatico, tra cui la segmentazione delle immagini, il rilevamento degli oggetti, il filtraggio del rumore e altri metodi. Inoltre, abbiamo dotato il nostro assistente autonomo di algoritmi di pianificazione del movimento come Rapidly-exploring Random Trees (RRT) e A* (A-star), che considerano la posizione e la forma degli ostacoli per identificare il percorso ottimale in tempo reale.

Wykrywanie roślin i kody QR

L'obiettivo principale del progetto era addestrare il robot a identificare e localizzare gli oggetti su una mappa. Inizialmente, avevamo previsto di utilizzare telecamere stereoscopiche per determinare la posizione delle piante, calcolare la loro posizione e creare un percorso. In seguito alle sessioni di brainstorming, abbiamo ideato uno schema alternativo in cui il robot scattava una foto e ne registrava le coordinate nello spazio. Gli ingegneri robotici hanno utilizzato una rete neurale per trovare la pianta nell'inquadratura, calcolare il suo perimetro e determinare la direzione del fiore.

Nell'ambito dei progetti di elaborazione delle immagini, i riquadri di delimitazione servono come punti di riferimento per il rilevamento degli oggetti e creano riquadri di collisione per gli stessi. In base alle coordinate del robot, all'orientamento della telecamera e alla posizione del fiore, abbiamo tracciato un raggio che collega la posizione del robot alla pianta. Ripetendo questo processo più volte, abbiamo ottenuto molti raggi che si intersecano in un punto e che individuano la pianta da innaffiare.

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

I fiori vengono esposti sulle scrivanie dei dipendenti, su scaffali, rastrelliere, librerie alte e altri luoghi di difficile accesso per i dipendenti. Invece di costruire un robot alto, i nostri esperti hanno assemblato un meccanismo di sollevamento basato su rulli scorrevoli, eliminando la necessità di costruire librerie alte che richiedono molta manodopera e sono economicamente inefficienti. Con le parti profilate V-Slot di OpenBuilds, abbiamo fissato i gradini dell'ascensore in modo rigido l'uno all'altro con carrelli e rulli che scorrono lungo il meccanismo di sollevamento. Infine, i carrelli sono mossi da una cinghia tesa tra un motore e un'unità di tensionamento montata sull'altro lato.

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 incorporato

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, Pipeline BitBucket

Bazar

PostgreSQL, AWS Timestream

Proces

Il nostro reparto di robotica ha seguito la metodologia agile per tutta la durata del progetto, lavorando a stretto contatto con specialisti di machine learning, computer vision e data science per raggiungere i risultati desiderati. Ci siamo sforzati di fornire una soluzione completa, senza creep di portata, dimostrando ai potenziali clienti conoscenze specifiche del settore in un'area complessa ed esigente. Nel corso di riunioni regolari, sessioni di brainstorming e analisi retrospettive, i nostri esperti di robotica hanno seguito i progressi del progetto e affrontato tutti i problemi.

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

Modellatore 3D

Inżynier projektu

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

Il team di robotica dell'Innowise ha costruito un IRIS, un robot automatizzato guidato dall'IoT per innaffiare le piante e navigare nell'ambiente dell'ufficio. Abbiamo dotato il dispositivo di un sistema di mappatura avanzato per costruire percorsi precisi attraverso la tecnologia SLAM, LiDAR (scanner laser) e altri sensori. Inoltre, i nostri ingegneri hanno dotato il robot di un meccanismo di elevazione basato su rulli scorrevoli e un'asta in fibra di carbonio sulla parte superiore.

Di conseguenza, abbiamo progettato un sistema di irrigazione che consente di innaffiare regolarmente le piante senza l'intervento umano. IRIS garantisce la salute dei fiori, migliorando la qualità dell'aria e promuovendo un'atmosfera verde in ufficio. Inoltre, riduce il carico di lavoro dei dipendenti che in precedenza dovevano innaffiare le piante manualmente, consentendo loro di concentrarsi sulle loro responsabilità principali senza essere distratti da attività di routine.

Czas trwania projektu

Luty 2023 r. - w trakcie realizacji

11%

oszczędności na personelu konserwacyjnym

34%

zmniejszone uszkodzenia roślin

Podobne projekty

Potrzebujesz rozwiązania technologicznego? Się się z nami!

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.

Po przeanalizowaniu wymagań, nasi analitycy i programiści opracowują 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.

Potrzebujesz innych usług?

AWS

Firma zajmująca się rozwojem JavaScript

Usługi integracji interfejsu API bramki płatności

Consulenza AWS con tecnologia a raggi X

Zatrudnianie inżynierów chmury AWS

L'azienda się tworzeniem oprogramowania IoT

Programmi JavaScript da scaricare

Firma deweloperska Python

Programma di sicurezza 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