| Name: | Description: | Size: | Format: | |
|---|---|---|---|---|
| 3.49 MB | Adobe PDF |
Abstract(s)
Nas últimas décadas, o crescimento populacional tem aumentado, provocando o uso exaustivo
dos recursos do planeta em todos os setores. Um dos setores mais afetados é a agricultura, que
teve de se adaptar às mudanças dos tempos e, consequentemente, necessita de produzir uma
maior quantidade de alimentos para suprir o aumento populacional. Atualmente, a agricultura
adquiriu processos baseados na indústria, com o intuito de se tornar mais inteligente e, desta
forma, conseguir ser mais eficiente e produtiva. Uma das razões que permitem esta melhoria é
a introdução de tecnologia.
A dissertação proposta tem como objetivo o desenvolvimento de um sistema de navegação
autónomo para a plantação de árvores, com a perspetiva futura de poder ser utilizado para
outras tarefas, mediante a alteração da ferramenta acoplada ao robô. Para a realização desta
ideia, foi necessário obter uma estrutura que permitisse ter condições de movimentação e
fosse versátil a mudanças estruturais necessárias.
O método utilizado em definitivo para a realização da estratégia de navegação foi a visão
computacional, com a utilização das bibliotecas OpenCV e TensorFlow, na linguagem
Python. Ao utilizar a estratégia de navegação baseada na visão computacional, temos dois
modos de funcionamento: um para a noite e outro para o dia. As estratégias consistem na
utilização de um ponto de referência para o robô se guiar. Temos então uma estratégia para
funcionar de dia e que consiste na utilização da biblioteca TensorFlow para detetar objetos.
Através da deteção do objeto consegue-se utilizar o mesmo como referência para o robô se
guiar. Neste caso durante os testes realizados utilizou-se uma pessoa, mas pode ser utilizado
uma cadeira, um carro ou outro objeto, visto que a biblioteca permite identificar um conjunto
de objetos. Para a estratégia noturna o funcionamento consiste na utilização da biblioteca
OpenCV. Esta estratégia consiste na utilização de um projetor LED infravermelho como
referência e o robô deteta o ponto com maior brilho na imagem captada pela câmara.
Consequentemente em função da deteção, o robô executa a sua movimentação em direção a
esse ponto.
Concluindo, este projeto teve bastantes evoluções, como qualquer projeto, permitindo detetar
necessidades de melhoria e de possíveis abordagens diferentes a serem realizadas para um
futuro trabalho. Com base nos resultados obtidos, foi possível cumprir, de forma mínima, a
estratégia de navegação autónoma baseada na visão computacional. Os resultados obtidos
permitiram visualizar que foi possível obter uma execução razoável em função das condições
de funcionamento existentes. Contudo existe a necessidade de constante evolução do projeto,
de forma a tentar melhorar a execução de movimentação do robô, procurando o rigor na sua
movimentação
ABSTRACT: In recent decades, the world's population growth has been increasing, leading to the exhaustive use of resources in all sectors. One of the most affected sectors is agriculture, which has had to adapt to the changing times and consequently needs to produce a larger quantity of food to meet the growing population's demands. Currently, agriculture has adopted industry-based processes in order to become smarter and, thus, more efficient and productive. One of the key factors enabling this improvement is the introduction of technology. The proposed dissertation aims to develop an autonomous navigation system for tree planting, with the future prospect of being adaptable for other tasks by modifying the tool attached to the robot. To accomplish this idea, it was necessary to obtain a structure that would allow for adequate mobility and be versatile enough to accommodate necessary structural changes. The chosen method for implementing the navigation strategy was computer vision, utilizing the OpenCV and TensorFlow libraries in the Python language. By employing a computer vision-based navigation strategy, there are two operating modes: one for nighttime and one for daytime. The strategies involve using a reference point for the robot to navigate. For the daytime strategy, the TensorFlow library is utilized for object detection. By detecting the object, it serves as a reference point for the robot to navigate towards. During the conducted tests, a person was used as the reference object, but it could be a chair, a car, or any other identifiable object since the library can detect a variety of objects. For the nighttime strategy, the operation involves using the OpenCV library and an infrared LED projector as a reference. The robot detects the brightest point in the captured image, and accordingly, moves towards that point. In conclusion, this project has undergone significant advancements, as is common with any project, allowing for the identification of areas for improvement and potential alternative approaches for future work. Based on the obtained results, it was possible to achieve, to a minimum extent, the computer vision-based autonomous navigation strategy. The results demonstrated that reasonable execution could be achieved considering the existing operating conditions. However, there is a constant need for project evolution to enhance the robot's movement execution and strive for precision.
ABSTRACT: In recent decades, the world's population growth has been increasing, leading to the exhaustive use of resources in all sectors. One of the most affected sectors is agriculture, which has had to adapt to the changing times and consequently needs to produce a larger quantity of food to meet the growing population's demands. Currently, agriculture has adopted industry-based processes in order to become smarter and, thus, more efficient and productive. One of the key factors enabling this improvement is the introduction of technology. The proposed dissertation aims to develop an autonomous navigation system for tree planting, with the future prospect of being adaptable for other tasks by modifying the tool attached to the robot. To accomplish this idea, it was necessary to obtain a structure that would allow for adequate mobility and be versatile enough to accommodate necessary structural changes. The chosen method for implementing the navigation strategy was computer vision, utilizing the OpenCV and TensorFlow libraries in the Python language. By employing a computer vision-based navigation strategy, there are two operating modes: one for nighttime and one for daytime. The strategies involve using a reference point for the robot to navigate. For the daytime strategy, the TensorFlow library is utilized for object detection. By detecting the object, it serves as a reference point for the robot to navigate towards. During the conducted tests, a person was used as the reference object, but it could be a chair, a car, or any other identifiable object since the library can detect a variety of objects. For the nighttime strategy, the operation involves using the OpenCV library and an infrared LED projector as a reference. The robot detects the brightest point in the captured image, and accordingly, moves towards that point. In conclusion, this project has undergone significant advancements, as is common with any project, allowing for the identification of areas for improvement and potential alternative approaches for future work. Based on the obtained results, it was possible to achieve, to a minimum extent, the computer vision-based autonomous navigation strategy. The results demonstrated that reasonable execution could be achieved considering the existing operating conditions. However, there is a constant need for project evolution to enhance the robot's movement execution and strive for precision.
Description
Keywords
Robô Navegação autónoma Agricultura