UNIVERSIDAD NACIONAL DEL CENTRO DEL PERÚ
FACULTAD DE INGENIERÍA ELÉCTRICA Y ELECTRÓNICA
TÍTULO:
“Diseño de robot tipo rueda motorizado para la agricultura 4.0”
Presentado por:
JAVIER JIMMY TERREROS GALARZA
TESIS PARA OPTAR EL TÍTULO PROFESIONAL DE:
INGENIERO ELECTRICISTA
HUANCAYO – PERÚ
2023
UNIVERSIDAD NACIONAL DEL CENTRO DEL PERÚ FACULTAD DE INGENIERÍA ELÉCTRICA Y ELECTRÓNICA
Av. MARISCAL CASTILLA N° 3909 – 4089 – El Tambo Huancayo Pab. “C” – Ciudad Universitaria
Teléfono (): 064-481060 anexos 7213,7204 (064-481181),7203 y 7206 Web.: https://fieeuncp.edu.pe
E-mail: [email protected]
“AÑO ”
INFORME Nº 030-2023-DECH-FIEE-UNCP
DE : MSc. David Elvis Condezo Hurtado Docente asesor
A : Dr. Bartolomé Sáenz Loayza
Decano de la Facultad de Ingeniería Eléctrica y Electrónica
ASUNTO : Informe de Índice de Similitud - Bach. JAVIER JIMMY TERREROS GALARZA FECHA : Ciudad Universitaria, 27 de julio de 2023
Por medio del presente me dirijo a su despacho para saludarlo cordialmente y así mismo informar, que el borrador de Tesis titulada: “DISEÑO DE ROBOT TIPO RUEDA MOTORIZADO PARA LA AGRICULTURA 4.0”, contiene 12% DE ÍNDICE DE SIMILITUD según el software TURNITIN, cumpliendo con las disposiciones respectivas.
Sin otro particular, hago propicia la ocasión para reiterarle las muestras de mi especial consideración y estima personal.
Atentamente,
MSc. David Elvis Condezo Hurtado Asesor
12 %
INDICE DE SIMILITUD
12 %
FUENTES DE INTERNET
0 %
PUBLICACIONES
7 %
TRABAJOS DEL ESTUDIANTE
1 3 %
2 3 %
3 2 %
4 1 %
5 1 %
6 < 1 %
7 < 1 %
8 < 1 %
JAVIER JIMMY TERREROS GALARZA - TESIS
INFORME DE ORIGINALIDAD
FUENTES PRIMARIAS
repositorio.uncp.edu.pe
Fuente de Internet
es.mathworks.com
Fuente de Internet
Submitted to Universidad Nacional del Centro del Peru
Trabajo del estudiante
la.mathworks.com
Fuente de Internet
www.mathworks.com
Fuente de Internet
agriculture.basf.com
Fuente de Internet
uk.mathworks.com
Fuente de Internet
myslide.es
Fuente de Internet
Asesor: David Elvis Condezo Hurtado
9 < 1 %
10 < 1 %
11 < 1 %
12 < 1 %
13 < 1 %
14 < 1 %
Excluir citas Activo Excluir bibliografía Activo
Excluir coincidencias < 15 words
Submitted to Universidad Internacional de la Rioja
Trabajo del estudiante
Submitted to Atlantic International University
Trabajo del estudiante
hdl.handle.net
Fuente de Internet
repositorio.ucv.edu.pe
Fuente de Internet
repositorio.upp.edu.pe
Fuente de Internet
repositorio.unac.edu.pe
Fuente de Internet
Asesor: M.Sc. David Elvis Condezo Hurtado
ASESOR:
M.Sc. David Elvis Condezo Hurtado Orcid: https://orcid.org/0000-0002-1658-910X
DNI: 42594945
DEDICATORIA
A mis padres que son el motor que incentivan mis sueños y que siempre han apoyado mis objetivos siendo mis mejores mentores en la vida. Hoy, que me gradúo de la universidad, les dedico este triunfo a ustedes, queridos padres, como una meta más conseguida. Estoy orgulloso y bendecido de tenerlos en este momento especial e importante para mí.
AGRADECIMIENTO
A mi asesor Dr. David Elvis Condeso Hurtado, por su paciencia y continuo apoyo para completar esta investigación.
Sus enseñanzas y consejos siempre me han sido de ayuda cuando tuve dudas y dificultades, me guio en el camino para concluir lo que hoy he logrado. Usted ha sido una parte fundamental de esta aventura con su contribución profesional y académica. Gracias por su tiempo y cátedras cuando recurrí a usted.
ÍNDICE
ASESOR: ... ii
ÍNDICE ... v
ÍNDICE DE FIGURA ... vii
ÍNDICE DE TABLAS ... viii
RESUMEN ... ix
ABSTRACT ... x
INTRODUCCIÓN ... 9
Capítulo 1: PLANTEAMIENTO DEL ESTUDIO ... 10
1.1 PLANTEAMIENTO DEL PROBLEMA ... 10
1.2 FORMULACIÓN DEL PROBLEMA ... 12
1.2.1 Problema general ... 12
1.2.2 Problemas específicos ... 12
1.3 OBJETIVOS DE INVESTIGACIÓN ... 12
1.3.1 Objetivo general ... 12
1.3.2 Objetivos específicos ... 12
1.4 JUSTIFICACIÓN E IMPORTANCIA ... 12
1.4.1 Justificación ambiental ... 12
1.4.2 Justificación Social ... 13
1.4.3 Justificación practica ... 13
Capítulo 2: BASES TEÓRICAS ... 14
2.1 ANTECEDENTES DE LA INVESTIGACIÓN ... 14
2.2 BASES TEÓRICAS ... 17
2.2.1 AGRICULTURA 4.0 ... 17
2.2.2 APLICACIÓN DE LOS ROBOTS EN LA AGRICULTURA 4.0 ... 17
2.2.3 RETOS TECNOLOGICOS EN LA ROBOTICA AGRICOLA ... 19
2.2.4 Definiciones conceptuales ... 22
2.2.5 Definiciones operacionales ... 22
2.3 SISTEMA DE HIPÓTESIS ... 23
2.3.1 Hipótesis General: ... 23
2.3.2 Hipótesis específica ... 23
Capítulo 3: ASPECTOS METODOLÓGICOS ... 24
3.1 TIPO Y NIVEL DE INVESTIGACIÓN ... 24
3.1.1 Tipo de Investigación: ... 24
3.1.2 Nivel de Investigación ... 24
3.2 MÉTODO Y DISEÑO DE LA INVESTIGACIÓN ... 24
3.2.1 Método ... 24
3.2.2 Diseño ... 25
3.3 Población y muestra ... 25
3.4 TÉCNICAS E INSTRUMENTOS DE RECOLECCIÓN DE DATOS ... 25
3.5 TÉCNICAS DE PROCESAMIENTO DE DATOS ... 25
Capítulo 4: PRESENTACIÓN DE RESULTADOS ... 26
4.1 DESARROLLO DE LA INVESTIGACIÓN ... 26
4.1.1 Diseño del prototipo ... 26
4.1.2 Construcción del prototipo ... 32
4.1.3 Descripción del circuito eléctrico. ... 37
4.2 PRUEBA DE HIPÓTESIS ... 41
CONCLUSIONES ... 46
RECOMENDACIONES ... 47
BIBLIOGRAFÍA ... 48
ANEXOS ... 49
ÍNDICE DE FIGURA
Prototipo de Robot ... 18
Procesamiento de imagen de frutos ... 20
Pequeños tractores robotizados ... 21
Esquema del robot ... 26
Vista lateral del robot ... 28
Modelo de vehículo en Matlab ... 29
Trazo de ruta ... 31
Cámara ESP32 ... 33
Vista general de la placa ... 33
Módulo Wifi ESP 8266 ... 34
Video frontal del segundo nivel ... 34
Servomotor SG90 ... 35
Ruedas del robot ... 35
Motor dc ... 36
Control inalámbrico del robot ... 36
Vista panorámica del robot ... 37
Circuito electrónico y de control. ... 38
Control feedforward ... 39
perturbaciones de la carga ... 40
Reconocimiento de plantas ... 43
Imagen termográfica de una hoja hidratada ... 44
Imágenes termográficas para evaluar temperaturas ... 45
ÍNDICE DE TABLAS
Tabla 1: Variable dependiente ... 22 Tabla 2: Variable independiente ... 22 Tabla 3: Características del Robot ... 27
RESUMEN
La tesis realizada tuvo por objetivo el diseño de un robot tipo rueda motorizado el mismo que permitió mejorar los procesos de producción en el ámbito de la agricultura 4.0. La investigación muestra el diseño mecánico y electrónico del Robot para lo cual se utilizó softwares especializados como SolidWorks y Matlab, asimismo, se muestra la programación del sistema de control de las ruedas motorizadas y el estudio cinemático. Para demostrar la hipótesis se da a conocer resultados de reconocimiento de vegetales utilizando programación en Matlab y análisis de imágenes termográficas de vegetales. Luego del desarrollo de la investigación se llegó la conclusión que el diseño correcto del robot tipo rueda motorizada mejora los procesos de producción en la agricultura 4.0.
Palabras claves: Robot, rueda motorizada, agricultura 4.0.
ABSTRACT
The objective of the thesis was the design of a motorized wheel-type robot, which allowed the improvement of production processes in the field of agriculture 4.0. The investigation shows the mechanical and electronic design of the Robot for which specialized software such as SolidWorks and Matlab was used, likewise, the programming of the control system of the motorized wheels and the kinematic study are shown. In order to demonstrate the hypothesis, results of recognition of vegetables using Matlab programming and analysis of thermographic images of vegetables are disclosed. After the development of the research, the conclusion was reached that the correct design of the motorized wheel-type robot improves production processes in agriculture 4.0.
Keywords: Robot, motorized wheel, agriculture 4.0.
INTRODUCCIÓN
Aproximadamente 3 millones de agricultores del Perú en épocas de pandemia ofrecieron alimentos básicos a 30 millones de personas, a pesar de que realizan trabajos de forma ortodoxa es necesario que la tecnología ingrese en los procesos agrícolas para mejorar la producción. El nuevo desarrollo industrial es la agricultura 4.0 que básicamente es una agrupación de tecnologías orientadas a la digitalización de actividades y procesos agrícolas es decir equipos, software y toda tecnología que mejora los procesos productivos en la agricultura el objetivo es mejorar la eficiencia e eficacia en la economía y sostenibilidad de la agricultura. Varios países desarrollados producen en gran cantidad y son competitivos en el mercado. En la actualidad el Perú utiliza poca tecnología en el sector tecnología motivo por el cual la presente investigación propone una alternativa para mejorar actividades en la agricultura, se espera que la investigación realizada se mejore en el tiempo para que pueda ser utilizando como modelo para los agricultores de la región y del país. La investigación se divide en cuatro capítulos: El primero trata sobre la formulación de la problemática de la agricultura y falta de conocimiento sobre las tecnologías que pueden mejorar la producción., también se da a conocer los objetivos y la importancia de la investigación.
En el segundo capítulo se indica el marco teórico y se describen algunos antecedentes referentes a la agricultura 4.0. En el capítulo 3 se da a conocer cuál fue la metodología que se empleó para el desarrollo de la investigación. En el capítulo cuatro se da a conocer los resultados de la investigación en el cual se muestra el diseño del prototipo del robot mediate el software SolidWorks, también se mostró el diseño electrónico del software del robot, asimismo se validó la hipótesis con un ejemplo del empleo de cámaras infrarrojas en la agricultura.
El Autor.
Capítulo 1:
PLANTEAMIENTO DEL ESTUDIO
1.1 PLANTEAMIENTO DEL PROBLEMA
El empleo de robots y automatización en la industria manufacturera es muy difundido hasta incluso ya se ha perfeccionado en los últimos años permitiendo reducción de costos de producción garantizando la productividad de las empresas.La robótica en las industrias manufactureras se viene implementando desde la década del 70 el mismo que se encuentra en su desarrollo máximo en la actualidad. Pero la robótica de servicios se encuentra un poco atrasado porque busca reemplazar al humano en actividades donde existe riesgos y limitaciones físicas. La agricultura cuenta con actividades bajo techo y al aire libre motivo por el cual no existe conocimiento desarrollado sobre el empleo de robots en la agricultura porque existe varias variables externas que impiden el normal funcionamiento de un robot
El estudio de robots en las actividades agrícolas datan desde hace 25 años pero aproximadamente hace 3 años con el uso de tecnologías de la información y comunicaciones los robots empezaron a mejorar sus funciones porque se logro implementar base de datos de entornos reales que permitieron el correcto funcionamiento del robot. Según la International Federation of Robotics el número de ventas de robots en la agricultura es el segundo a nivel mundial tras las aplicaciones de robótica en la defensa y seguridad de las personas. Se puede definir como al robot agrícola como aquel dispositivo eléctrico mecánico que fue creado para realizar una actividad definida en la agricultura. La tecnología se encuentra en
desarrollo se puede conseguir robots autómatas que utilizan inteligencia artificial y recorridos ubicados mediante GPS. Muchos problemas agrícolas comienzan en un área pequeña de un campo, lo que se desea es localizar los problemas desde el principio, tomar decisiones y comenzar los controles antes de que afecten a todo el campo y las granjas adyacentes. Trabajar a nivel de planta nos brinda esa precisión con cultivos en hileras. La presente investigación propone el desarrollo de un robot tipo rueda motorizado que es capaz recorrer los cultivos de forma autónoma y está diseñado para registrar información de los cultivos. Este robot de inspección agrícola se propones realizar múltiples funciones para solucionar problemas en la agricultura.
El diseño de las ruedas huecas permitirá trabajar en terrenos agrestes es decir tiene por objetivo funcionar en cualquier superficie incluyendo campo o arena. El robot tiene una estructura que es difícil de volcar es decir tiene garantizado una estabilidad para poder desplazarse sin ningún tipo de inconveniente. El robot emplea cámaras con el cual permite monitorear cultivos y suelos para asegurarse de que obtengan exactamente lo que necesitan para una producción óptima, al tiempo que se reduce la necesidad de fertilizantes, pesticidas y otros costosos y potencialmente insumos contaminantes, la tecnología también es pesado para que sea accesible es decir de
bajo costo y de fácil manejo el cual permite ayudar a los productores que cultivan verduras y otros cultivos especiales en granjas de varios tamaños.
1.2 FORMULACIÓN DEL PROBLEMA 1.2.1 Problema general
¿Cómo el diseño de un robot tipo rueda motorizado mejorará los procesos de producción en la agricultura 4.0?
1.2.2 Problemas específicos
• Cómo el diseño del sistema control de las ruedas motorizadas mejorará los procesos de producción en la agricultura 4.0?
• ¿Cómo el diseño físico del robot tipo rueda motorizado mejorará los procesos de producción en la agricultura 4?0?
1.3 OBJETIVOS DE INVESTIGACIÓN 1.3.1 Objetivo general
Diseñar un robot tipo rueda motorizado para mejorar los procesos de producción en la agricultura 4.0
1.3.2 Objetivos específicos
• Diseñar el sistema control de las ruedas motorizadas para mejorar los procesos de producción en la agricultura 4.0.
• Diseñar de la estructura física del robot tipo rueda motorizado para mejorar los procesos de producción en la agricultura 4.0.
1.4 JUSTIFICACIÓN E IMPORTANCIA 1.4.1 Justificación ambiental
La agricultura 4.0 mediante robótica protege el medio ambiente porque se optimiza los recursos naturales como el agua y fertilizantes.
1.4.2 Justificación Social
La robótica es una alternativa de solución para mejorar los procesos de producción agrícola desde el inicio de la siembra hasta la cosecha reflejándose el aspecto económico y social.
1.4.3 Justificación practica
La robótica en la agricultura permitirá el cambio de la realidad actual de proceso y actividades de producción en la agricultura familiar.
Capítulo 2:
BASES TEÓRICAS 2.1 ANTECEDENTES DE LA INVESTIGACIÓN
La investigación denominada “Un método eficiente de detección de hileras para robots agrícolas” realiza la detección de hileras de cultivo y propone la navegación basada en visión para robots agrícolas. En el método propuesto los bordes y las líneas medias de las imágenes son necesarias. Así que los algoritmos complejos se evitan con los bordes y el emparejamiento (por ejemplo, la transformada de Hough), que guarda en gran medida las cargas de cómputo. Un flexible cuadrilátero se define para detectar las filas de cultivos. La propuesta del método mueve, extiende o encoge el cuadrángulo flexible del terreno para localizar las filas de recorte en los marcos capturados. Los experimentos demostraron que el método propuesto es efectivo, eficaz y preciso. (Tu, Wyk, Djouani, Hamam, & Du, 2014).
La titulada “Implementación de un robot móvil agrícola de tracción en las cuatro ruedas para cultivo del suelo que recopila información en el campo abierto” (Fan, Qiu, &
Meng, 2017) trata sobre los robots móviles o los robots de investigación comercial, los robots móviles agrícolas sufren en gran medida la trazabilidad insuficiente. Para abordar este problema, el nuevo robot está dotado de una estructura compacta y potentes motores. Tiene 4 ruedas motrices equipadas con motores en las ruedas y dos motores de dirección conectados a los engranajes de dirección. La computadora personal se emplea para controlar los motores de conducción y los motores de dirección, a través de 4 controladores de
movimiento y un Chip Arduino respectivamente. Para hacer que el robot se mueva de manera coordinada, un modelo de estimación del ángulo de dirección para la rueda delantera y trasera. Se proponen pares y una estrategia de generación de velocidad lineal óptima para cuatro ruedas. Simulaciones y experimentos fueron realizados para verificar la movilidad de la misma.
La investigación titulada “Diseño de controlador PID basado en robot recolector de información en campos agrícolas”.(Cheng, Chen, & Wang, 2011) realiza la recopilación de información de campo que es parte de la agricultura de precisión. Con la estructura mecánica de un nuevo tipo de robot se utiliza la información de campo para el desplazamiento del mismo. El algoritmo de posición PID será empleado mediante simulación utilizando el Matlab – Simulink. Por el método crítico de dosificación se controlará al robot para lo cual se empleará el chip C8051F340 que a su vez controlará dos motores de CC, el algoritmo del control es de alta fiabilidad y estabilidad.
Diseño y Desarrollo de un Robot Móvil Autónomo para Inspección de Cultivos de Soja y Algodón (Barbosa, 2019). En los últimos años, el uso de robots móviles en la agricultura se ha incrementado significativamente debido a su capacidad para llevar a cabo las tareas agrícolas de manera segura y eficiente, con intervención humana limitada o sin ella. Seguimiento de cultivos y la inspección se han convertido en una parte importante de la precisión agricultura, apoyando a los agricultores en el manejo de insectos plagas, malezas y enfermedades para reducir costos y pérdidas. En este trabajo presentamos el diseño y desarrollo de un robot móvil autónomo, concebido para realizar monitoreos de rutina y labores de inspección en cultivos de soja y algodón. el diseño de robots es similar a un vehículo de tracción diferencial debido a su simplicidad de construcción, modelado y control. La navegación autónoma se lleva a cabo con éxito mediante el uso de edometría y cámaras correctamente acoplado a la estructura del robot. Pruebas de campo preliminares con el prototipo operando en una granja de algodón se presentan a mostrar el rendimiento y la viabilidad de la electro-mecánica diseño para la navegación en cultivos en hileras.
Monitoreo de humedad robótico automatizado en Campos Agrícolas. (Senthil,2018), Monitoreo del nivel de humedad de la tierra a gran escala la plantación es tediosa. El objetivo principal de este proyecto es use un kit robótico en colaboración con la humedad en el campo circuitos de sensores, creando así un sistema eficiente y económico sistema de control de
humedad. Un gran campo agrícola es dividido en cuadrículas más pequeñas. Cada rejilla se coloca con una humedad sensor. Cada vez que un sensor informa que el suelo está seco, el robot va al campo en cuestión para su inspección. El camino en el campo en cuestión se encuentra aplicando la ruta más corta de Dijkstra algoritmo sobre la imagen aérea del campo entonces el total de contenido de humedad del campo es calculado por el robot usando algoritmos de procesamiento de imágenes adecuados y reportados respectivamente. Para desarrollar y probar este trabajo, una pequeña se instaló un campo de estudio sobre el cual se montó una cámara en una altura apropiada para capturar su vista aérea. Así se ha desarrollado a través de este trabajo un prototipo de un sistema automatizado de seguimiento agrícola la humedad de los campos.
Se empleo la investigación “Clasificación de Plántulas por Visión Artificial”
(Guagala, 2022), el proyecto consistió en generar una red neuronal convolucional que pueda detectar plántulas en diversas etapas. Para ello se uso un lote de más 5 000 imágenes clasificadas a color las cuales fueron procesadas para quitarles el fondo, rotaras y generar nuevos lotes de imágenes con mayores variaciones las cuales al momento de ser ingresadas a las red tiene un tamaño de 300x300 pixeles y se realizaron 72 épocas de entrenamiento para la cantidad de datos ingresados. Finalmente, la autora indica que la precisión con la cámara de celular varia referente al entrenamiento con fotos fijas debido a factores de luz, ángulo, calidad de imagen entre otros factores que se deben tomar en cuenta al momento su implementación.
Se utilizo la investigación denominada “Sistema de reconocimiento y clasificación de frutos de cacao trinitario según su estado de maduración basado en el algoritmo Yolo v5”
(Bastidas, Paitan, Bazan, Povez, Quincho & Huaytalla, 2023), Consiste el desarrollo de una red neuronal basada en el modelo YoloV5, donde se utilizó la técnica de Mosaic 12 para ampliar la base de datos llegando a unas 320 imágenes. El método consistió en rotar y juntas diversas imágenes tomadas y clasificadas con el fin de optimizar el tiempo de entrenamiento de la red neuronal, el cual es de tipo convolucional. Una vez realizado el entrenamiento con imágenes de 640x640 pixeles en 3 canales (RBG), se tuvo una precisión de 56% en aspectos generales.
2.2 BASES TEÓRICAS 2.2.1 AGRICULTURA 4.0
La agricultura 4.0 surge en el año 2010 el objetivo fue crear instrumentos para mejorar los proceso en la agricultura en la actualidad comprende herramientas digitales con inteligencia artificial.
TIPOS DE ROBOTS EN LA AGRICULTURA
A continuación, se listan las actividades en la agricultura donde se emplean los robots.
• Reconocimiento del cultivo respecto al estado para posteriormente utilizar químicos para su mejora en la producción.
• Recolección de cultivos y frutos mediante robots.
• Recolección de información en base de datos para toma de decisiones.
• Fumigación de plaguicidas de forma específica en el terreno de cultivo.
• Selección de cultivos y frutos para no generar desperdicios.
2.2.2 APLICACIÓN DE LOS ROBOTS EN LA AGRICULTURA 4.0
La robótica en la agricultura se fue perfeccionando en los 5 años recientes, el objetivo principal de la robótica es mejorar la eficiencia y costos de la producción en el sector de la agricultura, es decir lo que se busca es la mejora de los productos, el trabajo específico y cuidado sostenible del medioambiente. La experiencia en el comercio de productos agrícolas como exigencias de calidad de los consumidores han intensificado el uso de robótica y automatización en los procesos productivos.
Es importante destacar que la robótica permite mejorar el producto y las condiciones de trabajo. Así mismo se añade un nuevo concepto denominado agricultura de precisión porque en la actualidad la mayoría de actividades de gran producción agrícola se están realizando con sistemas inteligentes autómatas.
Prototipo de Robot
A continuación, se da conocer algunos ejemplos de empleo de robótica en la agricultura.
Robots autómatas autodirigidos.
Son los primeros robots aplicados en la agricultura; estas maquinas operan de forma terrestre. Su trabajo era similar a un tractor el mismo que es dotado de visión artificial e inteligencia artificial para inspeccionar el cultivo y las irregularidades del campo. Los trabajos que realiza son labrar el terreno, realizar la siembra y realizar las cosechas de los productos específicamente el maíz y el trigo.
Robot de cosecha autónomo
El trabajo de este tipo de robot es específicamente para cultivos de tallo corto como fresas. El robot también es utilizado en invernaderos donde se realiza la hidroponía.
La característica especial de estos robots son los brazos que son programados para realizar trabajos con mucha precisión, también tienen reconocimiento de objetos para realizar la selección de frutos maduros.
Robot automata para frutos
Fueron diseñados para cosecha de frutos con tallos bien altos como las manzanas. El robot se caracteriza por visión con reconocimiento de objetos, brazos o dispositivos de
succión, el prototipo consta de carretas con escaleras el mismo que es operado por un solo trabajador, según estudios la velocidad de recolección es de cinco veces que un trabajador promedio.
Robots fumigadores o pulverizadores
Los robots fumigadores pueden ser terrestres o voladores como son los drones, fueron diseñados para fumigar un área especifico del terreno es decir son selectivos. Este tipo de robot permite disminuir el personal y el tiempo de trabajos en el campo.
Robots de mantenimiento y supervisión
Este tipo de robot es el mas actual porque almacena información del estado de las plantas y el terreno de cultivo , otorgando mucha información para la toma de decisiones de los agricultores, respecto al riego, fumigación, cultivo, etc.
2.2.3 RETOS TECNOLOGICOS EN LA ROBOTICA AGRICOLA
La madurez tecnológica de los robots en países industrializados se encuentra en un nivel muy avanzado exactamente el nivel 7 pero en países en vía de desarrollo se encuentra en prototipos de prueba experimental por lo que en los países como Perú no se encuentran masificados en un entorno real.
Los retos que afronta la robótica en la agricultura se basa en falta de acondicionamiento de los terrenos para que las maquinas puedan recorrer de forma eficiente en lugar de trabajo asimismo, el costo de implementación es todavía elevado tanto en la operación como en el mantenimiento, a continuación se muestra algunas tecnologías que se pueden mejorar para el correcta implementación de los robots en la agricultura.
Sistema de orientación y navegación
La ubicación y desplazamiento de los robots es muy importante motivo por el cual se está realizando estudios tanto en exteriores como en terrenos ubicados en el interior es decir la comunicación de los sistemas de control y el robot deben ser muy precisos
Por ejemplo, los robots en invernaderos están utilizando rieles para su correcta ubicación , también están empleando visión artificial con marcas o balizas en el entorno agrícola permitiendo la correcta ubicación del robot.
Respecto de los robots exteriores se esta realizando estudios para la implementación de GPS mediante satélites, pero todavía se encuentran en estudio para el mejorar la tecnología.
Sistema de visión artificial por computadora
El pilar para el desarrollo de la agricultura 4.0 , esta tecnología permite la ubicación del robot , el desplazamiento del robot porque el sistema de visión puede ubicar el terreno y dar mucha información al agricultor, asimismo la visión artificial puede realizar observaciones referentes al estado del vegetal como falta de nutriente, cantidad de agua y otros.
La información que recolecta el robot a veces es muy escasa porque día a día se presenta diferentes problemas en los vegetales como falta de homogeneidad de los frutos, enfermedades de la planta, plagas y otros es decir es difícil almacenar toda la información que puede utilizar el agricultora para tomar decisiones.
Procesamiento de imagen de frutos
El empleo de Plataformas
El empleo de plataformas es muy usual para la agricultura realizado en interiores porque es una tecnología muy usada en la industria la dificultad se encuentra en el empleo de plataformas en exteriores por que se cuenta con terrenos irregulares
Las aplicaciones más comunes en exteriores es la automatización de las maquinas existentes es decir se a adicionado sistemas de orientación, visión artificial e inteligencia artificial en tractores , camiones y otras máquinas.
Sistemas de control
El control de los robots es una ciencia porque se encuentran en todos los aspectos físicos y dinámicos del robot es decir se tiene que tener mucha precisión para mejorar el cosechado, el sembrío , es decir la estabilidad y aseguramiento del agarre del robot debe ser bien preciso motivo por el cual se siguen realizando estudios para tener un mejor desarrollo de la tecnología.
Pequeños tractores robotizados
2.2.4 Definiciones conceptuales VI: Robot tipo rueda motorizado
Un robot tipo rueda motorizado es un autómata programable que puede realizar varias actividades en la agricultura el mismo que puede reemplazar al hombre.
VD: Procesos de producción
Es el conjunto de actividades que realiza el humano para la producción de uno o más productos agrícolas.
2.2.5 Definiciones operacionales VI: Robot tipo rueda motorizado
Conjunto de actividades para el diseño mecánico y electrónico del robot tipo rueda motorizado.
VD: Procesos de producción
Conjunto de actividades para medir la mejora de las actividades en los procesos de producción en la agricultura 4.0.
Tabla 1: Variable dependiente
Variable dependiente Indicador Valor final Tipo de variable
Procesos de producción agrícola
Inspección de vegetales
• Recuperación de imágenes.
• Reconocimiento de vegetales
• Imágenes multiespectrales
Cualitativa
Tabla 2: Variable independiente
2.3 SISTEMA DE HIPÓTESIS 2.3.1 Hipótesis General:
El diseño correcto del robot tipo rueda motorizado mejorará los procesos de producción en la agricultura 4.0.
2.3.2 Hipótesis específica
• El uso de imágenes digitales permitirá reconocer vegetales en las parcelas de cultivos.
• El uso de imágenes termográficas permitirá evaluar el estado de los cultivos.
Variable independiente Indicadores Valor final Tipo de variable
Robot tipo rueda motorizado
Prototipo del Robot
• Planos estructuras mecánicas.
• Planos de circuitos electrónicos.
Cualitativa
Capítulo 3:
ASPECTOS METODOLÓGICOS 3.1 TIPO Y NIVEL DE INVESTIGACIÓN
3.1.1 Tipo de Investigación:
En función al propósito de la investigación se empleó el tipo de investigación aplicada porque se buscó soluciones mediante conocimiento existen para la aplicación en la agricultura.
3.1.2 Nivel de Investigación
El estudio analiza la causa -efecto del empleo de robots para las actividades en la agricultura motivo por el cual se empleó el nivel de investigación explicativa.
3.2 MÉTODO Y DISEÑO DE LA INVESTIGACIÓN 3.2.1 Método
Se utilizó el método de investigación experimental porque se realizó la investigación en contacto directo con el prototipo del robot.
3.2.2 Diseño
El diseño de investigación que se utilizó es la pre-experimental porque se encontró bajo observación la aplicación del robot en la agricultura es decir después que el robot realizó actividades de causa y efecto sobre un cultivo determinado.
3.3 Población y muestra
La población y muestra para nuestro es el prototipo de robot para la agricultura.
3.4 TÉCNICAS E INSTRUMENTOS DE RECOLECCIÓN DE DATOS
La presente investigación utilizó la técnica observacional para lo cual se realizó instrumentos como guía de observación y matriz de análisis elaborado por el autor.
También se utilizó instrumentos para medir parámetros eléctricos, dinámica, estática y cinemática del robot.
3.5 TÉCNICAS DE PROCESAMIENTO DE DATOS
Las principales técnicas de análisis de datos que se utilizó es la estadística descriptiva.
Capítulo 4:
PRESENTACIÓN DE RESULTADOS 4.1 DESARROLLO DE LA INVESTIGACIÓN
4.1.1 Diseño del prototipo A. Diseño mecánico
El diseño de robot se realizó en el software SolidWorks para poder determinar la estructura mecánica y dinámica, en la figura xx se muestra el esquema completo del robot tipo rueda motorizado.
Esquema del robot
El robot está diseñado para poder moverse en terrenos irregulares y con gran cantidad de pequeños obstáculos. Es por ello que el robot cuenta con ruegas circulares huecas con el fin de poder sobrepasar estos obstáculos de forma sencilla, tener una mejor estabilidad y reducir riesgos de averías. Así mismo el robot fue diseñado para ser teleoperado a distancia, es por ello que el modelo 3D cuenta con una antena para el envío
El robot también cuenta con dos niveles, con el fin de poder mantener su centro de gravedad en el medio del cuerpo que está pensado para ser principalmente bípedo, ya que sus llantas son las encargadas de la estabilidad del robot.
En la parte superior tiene un sistema de movilidad manejada por 2 servomotores, con el fin de dar a la cámara (ESP32 – Cam) un rango de visión más amplio para el monitoreo de su entorno. Para más detalles se observa en el anexo xx.
Las características del robot son:
Tabla 3: Características del Robot
ITEM PARTE características
1 Ruedas circulares huecas 100 mm
2 Plataforma de soporte (Frontal) 60 mm
3 Plataforma de soporte (Lateral) 200 mm
4 Antena 10 mm/
5 Motor DC 6V a 200 RPM
6 Baterías de litio 1.5 V/3000 mAh
7 Cámara Mini Camara Infrarroja
Termografica UTi80P, SKU 6600678
Rango de temperatura: -10 ° C ~ 400 ° C; Precisión: ± 2
° C o ± 2%
magen de mapa de bits (BMP) (320 x 240 px)
8 Antena Radiomandos
En la siguiente figura se observa el esquema lateral del robot se da a conocer la ubicación de la antena (1) y la cámara (2).
La antena sirve para controlar el robot a distancia aproximadamente a 100 metros en terrenos agrestes y con obstáculos.
La cámara sirve para reconocer y analizar el estado de los vegetales.
Vista lateral del robot
B. Estudio cinemático
Para realizar el estudio de desplazamiento del robot se empleó la librería de Matlab denominado differentialDriveKinematics.
La librería differentialDriveKinematics crea un modelo de vehículo con tracción diferencial para simular dinámicas de vehículos simplificadas. Este modelo se aproxima a un vehículo con un solo eje fijo y ruedas separadas por un ancho de vía especificado.
Las ruedas se pueden dirigir de forma independiente. La velocidad y la dirección del vehículo se definen desde el centro del eje. El estado del vehículo se define como un vector de tres elementos, [x y theta], con la posición global xy especificada en metros, y la dirección del vehículo, theta, especificado en radianes. Para calcular los estados de las derivadas de tiempo del modelo, use la función derivative con comandos de entrada y el estado actual del robot.
1
2
Modelo de vehículo en Matlab
La descripción de los siguientes comandos son:
kinematicModel = differentialDriveKinematics crea un objeto de modelo cinemático con tracción diferencial y valores de propiedad predeterminados.
kinematicModel = differentialDriveKinematics(Name,Value) establece las propiedades del objeto en el valor especificado. Puede especificar varias propiedades en el orden que desee.
WheelRadius — Radio de las ruedas del vehículo 0.05 (predeterminado) | escalar numérico positivo
El radio de las ruedas del vehículo, especificado en metros.
WheelSpeedRange — Rango de velocidades de las ruedas del vehículo [-Inf Inf] (predeterminado) | vector de dos elementos.
El rango de velocidad del vehículo es un vector de dos elementos que proporciona la velocidad mínima y máxima del vehículo, [MinSpeed MaxSpeed], especificada en metros por segundo.
TrackWidth — Distancia entre las ruedas del eje.2 (predeterminado) | escalar numérico positivo.
El ancho de vía del vehículo hace referencia a la distancia entre las ruedas, o la longitud del eje, especificada en metros.
VehicleInputs — Tipo de entradas de movimiento para el vehículo "WheelSpeeds"
(predeterminado) vector de caracteres escalar de cadena.
La propiedad VehicleInputs especifica el formato de los comandos de entrada del modelo cuando se usa la función derivative. Las opciones se especifican como una de las siguientes cadenas:
"WheelSpeeds": las velocidades angulares de cada una de las ruedas, especificadas en radianes por segundo.
"VehicleSpeedHeadingRate": la velocidad del vehículo y la velocidad angular de la dirección, especificadas en metros y en radianes por segundo, respectivamente.
derivative
stateDot = derivative(motionModel,state,cmds)
stateDot = derivative(motionModel,state,cmds) devuelve la derivada del estado actual, stateDot, como un vector de tres elementos [xDot yDot thetaDot] si el modelo de movimiento es un objeto bicycleKinematics, differentialDriveKinematics o unicycleKinematics. Devuelve state como un vector de cuatro elementos, [xDot yDot thetaDot psiDot], si el modelo de movimiento es un objeto ackermannKinematics. xDot e yDot hacen referencia a la velocidad del vehículo especificada en metros por segundo.
thetaDot es la velocidad angular de la dirección del vehículo y psiDot es la velocidad angular de la dirección del vehículo, ambas especificadas en radianes por segundo.
Para el desplazamiento del robot se definió la posición de inicio inicial y la orientación.
kinematicModel = differentialDriveKinematics;
initialState = [0 0 0];
Luego se simuló el movimiento del robot, para lo cual se estableció la escala de tiempo de la simulación en 1 s con intervalos de 0,05 s, los comandos de entrada en 2 m/s y giro a la izquierda.
Luego Simuló el movimiento del robot utilizando el solver ode45 en la función derivative.
tspan = 0:0.05:1;
inputs = [50 40]; %Left wheel is spinning faster
[t,y] = ode45(@(t,y)derivative(kinematicModel,y,inputs),tspan,initialState);
En el grafico se muestra la representación de la ruta.
figure
plot(y(:,1),y(:,2)) Trazo de ruta
4.1.2 Construcción del prototipo
A continuación, se describe la construcción del prototipo robot tipo rueda motoriza para la agricultura 4.0.
Es importante indicar que estamos viviendo la cuarta revolución industrial, que ha transformado los procesos en la agricultura dando inicios a la denominada agricultura 4.0.
La agricultura 4.0 emplea tecnologías de digitalización de los procesos agrícolas.
Para lo cual emplea equipos, software y sistemas que mejoran los procesos en la agricultura, realizando actividades más rápidas, económicas y sostenibles. La agricultura 4.0 permite almacenar y transporta mucha información del terreno y los vegetales. La información extraída de este proceso sirve de guía para que los productores tomen decisiones más asertivas. Asimismo, la robótica a gran escala se realiza como resultado del desarrollo del Internet de las Cosas y la Inteligencia Artificial.
En el caso de estudio utilizamos el robot tipo rueda motorizada para que realice trabajos en campo como inspección de los vegetales, análisis del estado de los vegetales y reconocimiento de malas hiervas.
Para realizar el trabajo de inspección y observación de vegetales se empleó una cámara ESP32 que tiene la capacidad de trasmitir imágenes y videos mediante Wifi. Con esta cámara podemos captar y monitorear el recorrido e información desde nuestro ordenador.
El módulo ESP 32 cuenta con la capacidad de generar un servidor local dentro del mismo chip, de modo que pueda mandar videos e imágenes en tiempo real desde el mismo chip, sin necesidad de un servidor externo.
La cámara está ubicada en la parte frontal del robot con la facilidad de poder moverse de forma vertical y horizontal de modo que tenga un manejo total del ambiente frontal por el que se desplaza.
Cámara ESP32
La placa cuenta con dos integrados, el primero es el Atmega 328P, el cual funciona como el corazón de procesamiento del robot, facilitando así el manejo de datos locales.
El segundo integrado es un L293, el cual es un puente H, con este integrado podemos manejar el sentido de giro de las ruedas del robot. Este integrado esta unido a un juego de diodos los cuales evitan la corriente de inductancia de los motores, acelerando así el cambio de dirección.
Vista general de la placa
Finalmente cuenta con un módulo Wifi extra para la ampliación de la cobertura de la red, el cual es un ESP8266, este es una placa que al igual que la serie ESP funciona con 3.3 V. Este módulo al igual que el EPS32 Cámara y el Atmega 328P tiene la facilidad de ser programados en el entorno de Arduino con lenguaje C.
Módulo Wifi ESP 8266
Como se puede observar en la imagen, el robot cuenta con dos niveles. El nivel superior está orientado para los circuitos de control, los cuales están colocados en la placa impresa. El nivel inferior está orientado a poder contener la fuente de alimentación y los motores encargados del movimiento de las ruedas.
Video frontal del segundo nivel
También se puede observar los dos servos motores que permiten el movimiento de la cámara tanto vertical como horizontalmente, estos servomotores son modelos SG90, que funcionan con de 3.3 a 7V y pueden ser controlados con un solo pin. Estos servomotores tienen la capacidad de poder moverse 180 grados y tiene un torque de 1.3 a 1.6 kg.cm.
Servomotor SG90
El robot cuenta con un par de ruedas sólidas, sin aire, huecas. Las cuales son totalmente circulares, formada por dos placas unidas. De este modo podemos tener una mayor estabilidad y seguridad, ya que no se expone ser ponchado por el terreno, aguantará de mejor modo casos de rajadura y desgaste.
Ruedas del robot
También se puede observar los motorreductores de 6V a 200 RPM este motor facilita el aumento del torque teniendo bajo consumo de energía. Llegando a tener un torque mínimo de 0.8 kg.cm a 1.1 kg.cm. se puede alimentar con 3.3V hasta los 6V.
Motor dc
El control del robot es mediante una antena la comunicación es inalámbrica. Cuenta con un indicador lumínico de la batería. El control tiene el mando del desplazamiento de robot, para ello cuenta con un Joystick que cumple la función de timón.
Control inalámbrico del robot
Como se puede observar el robot es capaz de sostenerse en dos ruedas, posee una antena para el control inalámbrico, la cámara está ubicada en la parte frontal y cuenta don los dos niveles antes explicados.
Vista panorámica del robot
4.1.3 Descripción del circuito eléctrico.
El circuito eléctrico que se puede observar en el primer anexo, cuenta con un Atmega328P que es el encargado del control. Este Atmega tiene conectado en los pines 13 y 14 los servomotores de movimiento de la cámara, los cuales a su vez están conectados a la alimentación principal. Así mismo tiene conectado el controlador L298, el cual es un puente H capaz de darle un cambio de rotación a los motores DC.
La salida del L298 está conectada a un juego de diodos para poder realizar los cambios de rotación más eficientemente. Tanto el Atmega como el integrado L298 están conectados a las baterías, las cuales pasan por una reducción, dando 5 voltios. Este valor es el deseado para alimentar al atmega318 que funciona con 5 V y a los motores a través del L298.
El Atmega 328 es un Pic, elemento ideal para poder programar el proyecto. Aun así, el pic necesita un reloj que le indique el tiempo digital del proceso de modo, reloj que se obtiene con un cristal oscilador unido a un par de capacitores, el cual determina la
frecuencia de los pulsos emitidos dándole pulsos cíclicos que funcionan como un reloj para el pic.
Circuito electrónico y de control.
Para el control de los motores se utilizó el comando feedforward, para lo cual se determinó un valor de referencia de la velocidad angular w_ref.
El esquema se muestra a continuación donde:
Va Es el voltaje de entrada.
Wref: Voltaje de referencia.
Td: Torque
W: Velocidad angular.
Kff: Ganancia del feedforward.
La variable Kff de ganancia de feedforward debe configurarse para que sea recíproca a la ganancia de CC desde Va a w.
Control feedforward
ff = 1/dcgain(dcm(1)) Kff = 4.1000
Para evaluar el diseño de feedforward ante las perturbaciones de la carga, simule la respuesta a un comando de escalón w_ref=1 con una perturbación de Td = -0,1 Nm entre t=5 y t=10 segundos:
t = 0:0.1:15;
Td = -0.1 * (t>5 & t<10); % load disturbance u = [ones(size(t)) ; Td]; % w_ref=1 and Td
cl_ff = dcm * diag([Kff,1]); % add feedforward gain cl_ff.InputName = {'w_ref','Td'};
cl_ff.OutputName = 'w';
h = lsimplot(cl_ff,u,t);
title('Setpoint tracking and disturbance rejection') legend('cl\_ff')
% Annotate plot
line([5,5],[.2,.3]);
line([10,10],[.2,.3]);
text(7.5,.25,{'disturbance','T_d = -0.1Nm'},...
'vertic','middle','horiz','center','color','r');
perturbaciones de la carga
4.2 PRUEBA DE HIPÓTESIS
Para validar la hipótesis se plantaron las siguientes hipótesis:
La hipótesis general fue:
H1: El diseño correcto del robot tipo rueda motorizado mejorará los procesos de producción en la agricultura 4.0.
H0: El inadecuado diseño del robot tipo rueda motorizado no mejorará los procesos de producción en la agricultura 4.0.
Para desarrollar la validación de la hipótesis se recurrió a validar las hipótesis especificas para lo cual se demostró lo siguiente:
• Hipótesis especifica 1: El uso de imágenes digitales permitirá reconocer vegetales en las parcelas de cultivos.
• Hipótesis especifica 2: El uso de imágenes termográficas permitirán evaluar el estado de los cultivos.
Para reconocer.
Para validar la hipótesis especifica 1 se analizó el caso de reconocimiento de vegetales se utilizó una programación elaborada en Matlab para el reconocimiento de imágenes usando un almacenamiento de base de datos personalizada de características de vegetales que se encuentran en paginas web de internet.
El programa utiliza un sistema de recuperación de imágenes utilizando el contenido visual de una imagen de entrada para encontrar imágenes similares o relacionadas en una base de datos. Para nuestro caso se utilizó para discriminar hiervas que quitan nutrientes a los vegetales.
Las características de la imagen son una parte importante. Estas características de la imagen se utilizan para medir la similitud entre imágenes y puede incluir características
de imagen global como color, textura y forma. La velocidad y eficiencia de la búsqueda de imágenes también es importante.
Para implementar un sistema de recuperación de imágenes se sigue con los siguientes pasos:1. Seleccione las características de la imagen. 2. Crea un base datos de las características. 3. Indexar las imágenes. 4. Busca imágenes similares.
Parte de la programación se muestra a continuación.
% Location of the compressed data set
url = 'http://www.robots.ox.ac.uk/~vgg/data/plants/17/17flowers.tgz';
% Store the output in a temporary folder
outputFolder = fullfile(tempdir, '17Flowers'); % define output folder if ~exist(outputFolder, 'dir') % download only once
disp('Downloading 17-Category Flower Dataset (58 MB)...');
untar(url, outputFolder);
end
flowerImageSet = imageSet(fullfile(outputFolder,'jpg'));
% Total number of images in the data set flowerImageSet.Count
La programación completa en Matlab se da a conocer en el anexo xx.
Los resultados que se obtuvo es la siguiente; en la figura xx se observa plantaciones de cebolla, con la imagen que proyecta la cámara se puede reconocer las hiervas que tienen características diferentes de forma, color y borde.
Reconocimiento de plantas
Para validar la hipótesis 2 referente a imágenes tomográficas la cámara utiliza la radiación calorífica que emite los vegetales para tal efecto utiliza sensor térmico El sensor pancromático permite hacer «pansharpening» de las imágenes multiespectrales, lo que finalmente aumenta la resolución espacial de los datos multiespectrales.
Como dato importante la parte infrarroja del espectro electromagnético hace posible la determinación del contenido de multitud de compuestos metabolismo celular, como los azúcares compuestos solubles y poliméricos compuestos orgánicos nitrogenados, incluidos proteínas y aminoácidos, fibras, lípidos, vitaminas y nutrientes minerales, en esta región del espectro es posible, por ejemplo como se muestra en la imagen se puede observar el
contenido de agua de las hojas. La hoja hidratada (izquierda) y 48 h después de ser desprendida de la planta (derecha).
Imagen termográfica de una hoja hidratada
Para nuestro caso en la siguiente imagen se muestra termografías para evaluar la temperatura de las plantas como se indicó líneas arriba esta información podría servir para determinar si una planta se encuentra hidratada de forma adecuada, en comparación con otro cultivo en condiciones de sequía o estrés salino. También la imagen termográfica permite cuantificar la diferencia. Además, genera parámetros que permiten la discriminación de decenas de genotipos vegetales sometidos a condiciones de sequía o
estrés salino, según la temperatura del sol, el cual se utiliza para el mejoramiento genético de algunos cultivos.
Imágenes termográficas para evaluar temperaturas
Luego de describir los resultados de la investigación se puede concluir que el diseño correcto del robot tipo rueda motorizado mejorará los procesos de producción en la agricultura 4.0.
CONCLUSIONES
• El diseño correcto del robot tipo rueda motorizada mejora las actividades en la agricultura y en consecuencia la producción.
• El diseño de las ruedas huecas permite que el robot puede desplazarse en terrenos irregulares.
• La movilidad de la cámara del robot se obtiene por servomotores ubicados en el segundo nivel de la estructura robótica.
• La cámara integrada con el hardware es la tecnología importante del robot porque permite reconocer y analizar vegetales.
• La agricultura 4.0 digitaliza los procesos de reconocimiento y análisis de los vegetales reemplazando al humano en las actividades de inspección empírica de los sembríos.
RECOMENDACIONES
• Para el diseño mecánico se recomienda utilizar el software SolidWorks porque tiene librerías para la simulación de los esfuerzos de las estructuras.
• Para el diseño de control de los servomotores se recomienda utilizar las librerías de Matlab específicamente el comando feedforward.
• Se recomienda utilizar una base de datos amplio para poder reconocer objetos.
• Para reconocimiento de objetos se recomienda utilizar el programa denominado Sistema de Recuperación de Imágenes de Matlab.
• Se recomienda mayores estudios en programación de reconocimiento de objetos e imágenes termográficas.
BIBLIOGRAFÍA
Dr. Mario Melgar. (2018) AGRICULTURA DIGITAL O AGRICULTURA 4.0 – Memoria Presentación de resultados de investigación Zafra.
Wellington German Astudillo Troya. (2022). Agricultura 4.0 tecnologías empleadas en labores agrotécnicas- Componente Practico del Examen de Grado de carácter Complexivo, presentado al H. Consejo Directivo de la Facultad de Ciencias Agropecuarias.
Michelle Chauvet, Mariela Bianco (2020). Agricultura 4.0 ¿Es posible la coexistencia de modelos productivos? - ESOCITE, Mesas temáticas ESOCITE-LALICS 2020.
Bill Damian (2015). Reconfiguración del oligopolio mundial y cambio tecnológico frente a la agricultura 4.0- ISSN 1851-3735.
Quintana Castro, Javier Fernando (2021). Modelo de la agricultura 4.0 para el proceso de riego en una empresa agrícola - Tesis para obtener el título profesional de: ingeniero empresarial.
CÁCERES SALAS, ANGIE VANESSA. (2022). Potencial de aplicación de la Agricultura 4.0 para la producción piña en Santander- Repositorio Unidades Tecnológicas Santander.
J. D. Guagala Andrango. "Clasificación de plántulas por visión artificial," B.S. Thesis. , 2022. [Online]. Disponible en: http://repositorio.utn.edu.ec/handle/123456789/12615
R. A. Bastidas-Alva, J. A. Paitan Cardenas, K. S. Bazan Espinoza, V. K. Povez Nuñez, M. E. Quincho Rivera and J. Huaytalla, "Recognition and classification system for trinitario cocoa fruits according to their ripening stage based on the Yolo v5 algorithm,"
2022 Asia Conference on Advanced Robotics, Automation, and Control Engineering (ARACE), Qingdao, China, 2022, pp. 138-142, doi: 10.1109/ARACE56528.2022.00032.
ANEXOS
1 Vistas en 3d del robot tipo rueda motorizado
Vista isometrica
1
2
1.- Antena wifi
2. Modulo Esp32 Cámara
3 Servomotor de movimiento de cámara
3
Vista posterior
2- Esquema electrónico de Robot
Placa PBC del control de robot
Placa PBC modelo 3D
4. Programación control de motor de ruedas
t = 0:0.1:15;
Td = -0.1 * (t>5 & t<10); % load disturbance u = [ones(size(t)) ; Td]; % w_ref=1 and Td
cl_ff = dcm * diag([Kff,1]); % add feedforward gain cl_ff.InputName = {'w_ref','Td'};
cl_ff.OutputName = 'w';
h = lsimplot(cl_ff,u,t);
title('Setpoint tracking and disturbance rejection') legend('cl\_ff')
% Annotate plot
line([5,5],[.2,.3]);
line([10,10],[.2,.3]);
text(7.5,.25,{'disturbance','T_d = -0.1Nm'},...
'vertic','middle','horiz','center','color','r');
5.
Programación reconocimiento de objetos% Location of the compressed data set url =
'http://www.robots.ox.ac.uk/~vgg/data/plants/17/17flower s.tgz';
% Store the output in a temporary folder
outputFolder = fullfile(tempdir, '17Flowers'); % define output folder
if ~exist(outputFolder, 'dir') % download only once disp('Downloading 17-Category Flower Dataset (58 MB)...');
untar(url, outputFolder);
end
flowerImageSet = imageSet(fullfile(outputFolder,'jpg'));
% Total number of images in the data set flowerImageSet.Count
ans = 1360
% Display a few of the flower images
helperDisplayImageMontage(flowerImageSet.ImageLocation(1 :50:1000));
type exampleBagOfFeaturesColorExtractor.m function [features, metrics] =
exampleBagOfFeaturesColorExtractor(I)
% Example color layout feature extractor. Designed for use with
% bagOfFeatures.
%
% Local color layout features are extracted from truecolor image, I and
% returned in features. The strength of the features are returned in
% metrics.
[~,~,P] = size(I);
isColorImage = P == 3;
if isColorImage
% Convert RGB images to the L*a*b* colorspace. The L*a*b* colorspace
% enables you to easily quantify the visual differences between
% colors. Visually similar colors in the L*a*b*
colorspace will have
% small differences in their L*a*b* values.
Ilab = rgb2lab(I);
% Compute the “average” L*a*b* color within 16-by-16 pixel blocks. The
% average value is used as the color portion of the image feature. An
% efficient method to approximate this averaging procedure over
% 16-by-16 pixel blocks is to reduce the size of the image by a factor
% of 16 using IMRESIZE.
Ilab = imresize(Ilab, 1/16);
% Note, the average pixel value in a block can also be computed using
% standard block processing or integral images.
% Reshape L*a*b* image into “number of features”-by-3 matrix.
[Mr,Nr,~] = size(Ilab);
colorFeatures = reshape(Ilab, Mr*Nr, []);
% L2 normalize color features
rowNorm = sqrt(sum(colorFeatures.^2,2));
colorFeatures = bsxfun(@rdivide, colorFeatures, rowNorm + eps);
% Augment the color feature by appending the [x y]
location within the
% image from which the color feature was extracted. This technique is
% known as spatial augmentation. Spatial augmentation incorporates the
% spatial layout of the features within an image as part of the
% extracted feature vectors. Therefore, for two images to have similar
% color features, the color and spatial distribution of color must be
% similar.
% Normalize pixel coordinates to handle different image sizes.
xnorm = linspace(-0.5, 0.5, Nr);
ynorm = linspace(-0.5, 0.5, Mr);
[x, y] = meshgrid(xnorm, ynorm);
% Concatenate the spatial locations and color features.
features = [colorFeatures y(:) x(:)];
% Use color variance as feature metric.
metrics = var(colorFeatures(:,1:3),0,2);
else
% Return empty features for non-color images. These features are
% ignored by bagOfFeatures.
features = zeros(0,5);
metrics = zeros(0,1);
end
% Pick a random subset of the flower images
% trainingSet = partition(flowerImageSet, 0.4, 'randomized');
%
% Create a custom bag of features using the 'CustomExtractor' option
% colorBag = bagOfFeatures(trainingSet, ...
% 'CustomExtractor',
@exampleBagOfFeaturesColorExtractor, ...
% 'VocabularySize', 10000);
% Load pre-trained bagOfFeatures
load('savedColorBagOfFeatures.mat','colorBag');
% Create a search index
% flowerImageIndex = indexImages(flowerImageSet, colorBag, ...
'SaveFeatureLocations', false);
% Load the pre-saved index
load('savedColorBagOfFeatures.mat', 'flowerImageIndex');
% Define a query image
queryImage = read(flowerImageSet, 502);
figure
imshow(queryImage)
% Search for the top 20 images with similar color content
[imageIDs, scores] = retrieveImages(queryImage, flowerImageIndex);
% Display results using montage. Resize images to thumbnails first.
helperDisplayImageMontage(flowerImageSet.ImageLocation(i mageIDs))
figure
plot(sort(flowerImageIndex.WordFrequency))
% Lower WordFrequencyRange
flowerImageIndex.WordFrequencyRange = [0.01 0.2];
% Re-run retrieval
[imageIDs, scores] = retrieveImages(queryImage, flowerImageIndex);
% Show results
helperDisplayImageMontage(flowerImageSet.ImageLocation(i mageIDs))