蠕蟲形植物采樣機器人設計

袁秣頗,李 晶,呂海霆

(大連科技學院 機械工程學院,遼寧 大連 116052)

0 引言

現今多數爬行機器人應用于社會環境,缺少在多變的野生環境中進行植物采集的能力和在較小空間以及斜面上探索的措施。大連海事大學衣正堯等[1]研制了一種永磁真空混合吸附式壁面除銹機器人,該機器人通過履帶上的永磁體實現對船舶壁面的吸附,并根據爬壁高度的變化實現對負載管路質量及重心的自動調節。在中國,公開了一種重心可變式毛毛蟲機器人專利,雖然該機器人設計上可通過皮帶的轉動調整中心,從而翻越障礙物,但該機器人缺少應對具有較大坡度障礙物的攀爬能力,以及質量不均勻的皮帶更易磨損的缺點[2]。

在野生環境中難以發現體積較小和種群較小的植物,在采集植物過程中存在容易遺漏等問題。對于僅在特定時期可見的植物,如開花或結果時期,其存活時間非常短暫,觀察植物的短期生長較為困難,采集時間難以把控,難以采集樣本[3]。

為觀察植物的成長周期,需進入動物領地或危險的地域中,這樣不僅會讓拍攝人員和研究人員的人身安全受到威脅,也會影響觀察結果。針對上述問題設計蠕蟲形植物采樣機器人進行解決[4]。

1 整體結構

蠕蟲形植物采樣機器人,由驅動系統、采樣系統、識別系統三部分組成(圖1),以相連的各個容腔為基礎結構,利用一對驅動履帶和多對從動輪進行整體運動,舵機以不同方向安裝于各個容腔內部,配合各部分結構完成轉向、蠕動、位置固定和斜坡爬行的動作[5]。蠕蟲形植物采樣機器人設計過程技術路線圖,如圖2所示。

1.識別系統;2.采樣系統;3.驅動系統圖1 蠕蟲形爬行機器人整體結構圖

圖2 蠕蟲形爬行機器人技術路線圖

2 結構設計方案

2.1 驅動系統

驅動系統包括驅動履帶、轉向裝置、鉤爪、從動輪。轉向裝置包括各節容腔、轉動舵機、連接板、鉤爪、從動輪。驅動履帶位于驅動容腔下端兩側,通過驅動電機帶動驅動輪,驅動輪帶動機器人的整體運動。驅動電機電壓范圍為12～24 V,減速比為1∶48[6]。

2.1.1 驅動履帶

驅動履帶配合后方的從動輪帶動蠕蟲形植物采樣機器人做前進及后退運動,如圖3所示。在驅動容腔的下部剖開一個與驅動電機外形相配合的孔洞,驅動電機馬達端從第四節容腔底部伸出,馬達端兩側分別安裝驅動履帶的驅動輪,驅動電機將足夠的動力傳輸到下方的驅動輪上。驅動輪帶動履帶及后方負重輪進行轉動,驅動輪通過連杠與兩個負重輪相互固定,使驅動輪和負重輪在同一水平線上。凹凸的履帶表面在保證抓地力的同時,還能保證機器人應對不同地形和斜面傾斜度的爬行。

1.驅動電機;2.履帶;3.驅動輪;4.負重輪;5.連杠圖3 驅動履帶內部結構示意圖

2.1.2 轉向裝置

以每個容腔為單位進行運動,其內部裝有獨立的舵機。連接板與容腔兩側的凸臺和預留孔伸出的舵機相連,將容腔分為橫向連接板和縱向連接板兩種形式,橫向連接板連接的容腔擁有縱向自由度,可越過較高的凸起地形,以及爬過較淺的小型坑洞。縱向連接板連接的容腔擁有橫向自由度,可通過多臺舵機配合,完成轉向、前進的方位調整[7],轉向裝置連接板容腔結構示意,如圖4所示。

1.舵機;2.容腔;3.凸臺;4.縱向連接板;5.橫向連接板;6.預留孔;7.從動輪圖4 轉向裝置連接板容腔結構示意圖

在蠕蟲形植物采樣機器人整體運動時,多臺舵機同時協作,在保證蠕蟲形植物采樣機器人協調前進的同時,也可固定舵機旋轉位置,可將驅動輪連接的驅動電機電流反轉進行后退。在需要調整前進方向時,舵機按照從前到后的順序依次微調方向,在掉頭和進行大幅度轉向時需要在較大空間內進行,以完成大幅度轉向過程中對大體積物體的避障和位置調整動作。

2.1.3 鉤爪結構

由兩個帶有倒鉤的弧形鉤,通過拉桿平行連接組成單個鉤爪,鉤爪對稱安裝于兩個相鄰的容腔底部組成鉤爪對(圖5)。為了保證固定時蠕蟲形植物采樣機器人整體的穩定性,鉤爪對安裝于蠕蟲形植物采樣機器人的中間和末尾部分。在到達指定位置時,兩個鉤爪對進行抓合,將蠕蟲形植物采樣機器人固定于當前位置,不受其他環境因素的影響。在定點拍攝時,蠕蟲形植物采樣機器人根據地形變為適當的形狀,兩個鉤爪對同時抓牢地面,利用中間部分、末尾部分底部的鉤爪結構交替抓牢斜面,以此進行斜面上的攀爬,從而對目標進行定點拍攝[8]。

圖5 鉤爪對結構圖

在斜面拍攝時,鉤爪對和轉向裝置容腔內部的舵機相互配合,先由中間部分的鉤爪對進行抓合,再由中間部分容腔的舵機轉動,沿縱向自由度慢慢抬起,緊接著末尾部分的鉤爪對進行抓合,中間部分的鉤爪對慢慢張開,同時驅動電機傳動至驅動輪,蠕蟲形植物采樣機器人向前運動。重復此爬行運動,完成對斜面的攀爬直至到達指定位置。

2.2 采樣系統

采樣系統包括微型相機、采集裝置、萬向輪和固定裝置,結構如圖6所示。

1.微型相機;2.采集裝置;3.萬向輪;4.固定裝置;5.采集容腔圖6 采樣系統圖

2.2.1 微型相機

微型相機位于采集容腔前端的上部,通過藍牙與設備進行無線連接,實現實時監控、拍攝、錄像的功能,便于操作機器人對采集目標識別和觀測[9]。微型相機選擇36 mm×36 mm×34 mm尺寸的類長方形,其配備的電池能支持約90 min的持續拍攝,還可進行定時長時間拍攝。微型相機錄制的視頻和拍攝圖片都具有較高清晰度,通過藍牙將微型相機與智能手機相連,對相機實施遠程遙控,調整微型相機的拍攝角度。微型相機既能將照片和視頻錄入內置儲存卡中查看,也能通過手機瀏覽。微型相機拍攝下來的畫面及視頻,具有連拍和縮時拍攝的特點。微型相機內部組件還有防水、防摔、防抖效果,通過加裝保護殼還可以防震[10]。

2.2.2 采集裝置

采集裝置包括電動夾爪、電動推桿、切裝頭和底座(圖7)。底座安裝于采集容腔內部末端,與電動推桿相連,通過與容腔內部相連起到固定電動推桿的作用。電動推桿控制電動夾爪的伸縮,電壓12 V,行程30 mm,推力60 N,速度15 mm/s。電動夾爪與切裝頭配合安裝,電動推桿配合切裝頭進行閉合和張開等不同幅度的動作,滑臺最大行程5 mm,最大夾持力110 N,最高速度60 mm/s,電壓24 V[11]。切裝頭前邊和下邊為刀刃,通過閉合的方式剪切和裝取植物。萬向輪安裝于第一節容腔的前端底部和后端底部,起到支撐作用和從動作用。

1.切裝頭;2.電動夾爪;3.電動推桿;4.底座圖7 采集裝置示意圖

一對切裝頭安裝于電動夾爪的兩個滑臺上,電動夾爪末端與電動推桿前端緊密相連,電動推桿末端固定于底座中間位置,底座固定于采集容腔末端起到穩定作用。通過采集容腔平臺對電動夾爪的承載,輔助采集裝置進行伸縮位置調整。

為方便采集生長方向不同的植物,切裝頭的前邊和下邊均為刀刃,通過調整機器人整體結構和采樣裝置的位置,將采集植物的部分調整至切裝頭內部,通過閉合的方式剪切植物,采集植物部分通常遠大于剪切部分,故閉合的方式同樣可以達到裝取采集植物的作用。當切裝頭完成采樣閉合時,其內部最大體積為3.3×105mm3,尾部容腔內安有柔性收集袋,完成采樣動作后,各節舵機旋轉,采集容腔向尾部運動,采集裝置將切裝頭內部的采集樣本放入最尾部的柔性收集袋中。

2.2.3 固定裝置

固定裝置包括固定容腔、固定爪、轉桿、轉動舵機等(圖8)。固定容腔內部安裝兩對左右對稱的固定爪,轉桿和固定爪為一體,通過轉桿的旋轉角度來控制固定爪的旋轉角度和力度。轉動舵機用于帶動轉桿進行不同角度的旋轉。

1.固定爪;2.轉動舵機;3.轉桿;4.夾合孔;5.固定容腔圖8 固定裝置示意圖

固定容腔共有兩節并相互連接,兩節固定容腔連接于第一節容腔后方,固定容腔底部兩側對稱開了4個夾合孔,兩根轉桿對稱安裝于固定容腔內部的夾合孔上方。待蠕蟲形植物采樣機器人到達指定位置時,固定裝置開始運轉,控制轉動舵機帶動轉桿進行旋轉,直至固定爪抓緊下方物體,穩定機器人的采集容腔和固定容腔,便于進行采樣作業。

2.3 識別系統

2.3.1 超聲波測距系統

超聲波測距系統主要由微控制器STM32F103ZET6和超聲波傳感器HC-SR04組成。當超聲波傳感器探測到障礙物時,它將檢測到的距離值發送給單片機。單片機處理距離值后,向驅動輪發送控制指令,以控制機器人是繼續前進還是停止。該設計不僅解決了超聲波傳感器在實際場景中的抗干擾問題,還實現了避障效果。

超聲波傳感器工作頻率在40 kHz,遙控距離約100 mm,將超聲波傳感器嵌入外殼內使用時,在傳感器周圍用橡膠或海綿等不影響傳感器振動的彈性材料覆蓋。選擇會隨溫度變化而發生剛性變化較少的材料,確保傳感器的振動不會傳遞到基板或外殼上[12]。

2.3.2 目標識別

基于卷積神經網絡深度學習的YOLO模型,用于快速自動識別植物圖像。該模型采用了端到端的目標識別方法,并引入了可變形卷積來適應目標輪廓。與傳統基于候選區域的方法相比[13],YOLO模型無需提取候選區域,從而大大提高了目標識別速度。基于深度學習的植物圖像識別算法,通過引入可變形卷積和優化模型設計,提高了植物圖像識別的準確性和效率。這對于植物和種子分類等領域具有重要應用價值,此方法可提升植物識別的自動化程度[14]。

通過卷積神經網絡結合YOLOv7算法,采用微型相機對采樣植物進行目標識別。在本研究中,使用320張包含目標植物圖像的數據集進行模型的訓練和測試。通過評估模型在測試集上的性能,基于卷積神經網絡深度學習的YOLO模型在目標植物圖像識別方面表現出良好的準確性和效率,平均識別時間為2.6 s,平均準確率達到88.2%。此外,還對識別結果進行了可視化展示,驗證了模型的有效性。拍攝320張圖片,其中110張用于訓練、110張用于測試、100張用于驗證。再通過LabelImg軟件,進行圖片的標簽制作,然后對結果進行分類選取,設置候選框,提高識別精度[15]。該過程具有高效性和精確性,微型相機可進行橫向、縱向270°旋轉,使得機器人能夠通過掃描周圍環境,自動識別并找到目標植物,無需人為干預。同時,還可以通過繼續深度學習,自動識別出植物的特征,從而快速找到目標植物訓練結果及識別結果,如圖9、圖10所示。

圖9 訓練結果

圖10 多張識別結果

3 結語

針對人類在自然環境中采樣植物活動受限,以及安全性較低的問題,設計了一款蠕蟲形植物采樣機器人,其體型多變,各個橫向、豎向連接容腔內部的舵機可進行0°～45°的擺動,實現從水平面到斜面的爬坡,在小型洞穴及陡峭斜坡環境中進行轉向、避障、倒行等運動。利用深度學習卷積神經網絡YOLOv7進行模型的訓練和目標識別,實現準確識別和采樣。在識別中,固定爪使機器人的采集結構更加穩定,電動夾爪和切裝頭的共同運動,實現了對植物的切割和樣品的儲存。蠕蟲形植物采樣機器人操作方便、效率高、性能穩定,未來可實現多場景應用。