Kamkat meyvesi için derin öğrenme tabanlı otonom hasat robotu

Abstract

Hasat robotlarının tarihçesi, tarım endüstrisindeki teknolojik gelişmelere paralel olarak şekillenmiştir. İlk hasat robotları, genellikle traktörler üzerine monte edilmiş basit mekanik cihazlardan başlayarak, zaman içinde sensör teknolojileri, yapay zekâ ve otomasyon sistemleri ile gelişmiştir. Bu gelişmeler, hasat robotlarının daha hassas, hızlı ve verimli hale gelmesine olanak tanımıştır. Hasat robotlarının kullanımı, tarım endüstrisinde sürdürülebilirliği artırarak kaynakları daha etkili bir şekilde yönetmeye yardımcı olmakta ve gelecekteki tarım ihtiyaçlarına cevap vermek adına önemli bir adım olarak kabul edilmektedir. Bu robotlar, meyve, sebze ve diğer tarım ürünlerini otomatik olarak toplama, sınıflandırma ve paketleme yeteneklerine sahip olabilmektedir. Bu robotlar, tarım sektöründe karşılaşılan işgücü sıkıntılarına da çözüm sunarak, tarım işletmelerine daha güvenilir ve etkili bir hasat süreci sağlamaktadır. Bu tez çalışmasında, kamkat meyvelerinin otomatik olarak hasat edilebilmesi için bir otonom hasat robotu geliştirilmiştir. Robotun temel yapısı, 5 eksenli bir robot kolu ve 4 tekerli bir mobil platformdan oluşmuştur. Kamkat meyvelerini ve derinliklerini tespit etmek için RGB-D derinlik kamerası kullanılmıştır. Derin öğrenme modellerinden hız ve tespit başarımı açısından iyi sonuçlar veren YOLOv7 algoritması kullanılmıştır. Burada robot kol için ileri kinematik ve MLP tabanlı ters kinematik hesapları yaptırılmış ve ortalama hata değeri tüm eklem toplamında %1'den az olarak ölçülmüştür. Kamkat meyvesi ağacının doğal haliyle yapılan testlerde nesne algılama performansı %93 ve hasat performansı %75 olarak ölçülmüştür. Burada meyve hasadında ortaya çıkan problemlere çözüm olabilecek ve tarım endüstrisinde kullanılabilecek otonom hasat robotu ortaya çıkmıştır.

The history of harvest robots has been shaped in parallel with technological developments in the agricultural industry. The first harvesting robots started with simple mechanical devices, usually mounted on tractors, and have evolved over time with sensor technologies, artificial intelligence and automation systems. These developments have allowed harvesting robots to become more precise, faster and more efficient. The use of harvesting robots helps manage resources more effectively by increasing sustainability in the agricultural industry and is considered an important step to meet future agricultural needs. These robots can have the ability to automatically collect, classify and package fruits, vegetables and other agricultural products. These robots also provide solutions to the labor shortages encountered in the agricultural sector, providing agricultural enterprises with a more reliable and effective harvesting process. In this thesis, an autonomous harvesting robot was developed to automatically harvest kumquat fruits. The basic structure of the robot consists of a 5-axis robot arm and a 4- wheel mobile platform. RGB-D depth camera was used to detect kumquat fruits and their depth. The YOLOv7 algorithm, which gives good results in terms of speed and detection performance from deep learning models, was used. Here, forward kinematics and MLPbased inverse kinematics calculations were made for the robotic arm, and the average error value was measured to be less than 1% in the total of the entire joint. In tests conducted on the kumquat fruit tree in its natural state, object detection performance was measured as 93% and harvest performance was measured as 75%. Here, an autonomous harvesting robot has emerged that can be a solution to the problems arising in fruit harvesting and can be used in the agricultural industry.