The Irrigator：人工智能驱动的灌溉机器人

描述

The Irrigator：人工智能驱动的灌溉机器人

Irrigator是一种自主、可持续发展的智能机器人，可以照料室内和室外植物。本演示的重点是给植物浇水，但设计和实现可以扩展到执行其他任务，例如分配肥料和杀虫剂、检测土壤中的水位、检测生病的植物。

设计

广泛的设计目标：

自主- 它在没有（或最少的）人为交互的情况下完成工作。

可持续发展——它使用太阳能为电池充电，使用雨水为水箱注水，并且尽可能使用回收材料制成（例如，我使用回收木材、金属和螺丝制作底盘）。

智能- 它使用计算机视觉和机器学习来执行复杂的任务。

具体设计目标：

Nvidia Jetson Nano - 用作可以运行高级机器学习推理的中央控制单元。

Nvidia Isaac SDK - 用作机器人的编程平台。

机器人整体图及其主要模块如图1所示，实际实现如图2所示。

图 1 - 灌溉器的主要模块

 

图 2 - 灌溉器及其部分模块

 

硬件

下面（也在这里）是这个项目中使用的材料的详细清单（木头、螺丝、胶水、电线、胶带等除外）。价格以新加坡元为单位，链接仅供参考。对于我从当地五金店购买的某些组件，我找不到链接。但是，我在下面提供了详细信息和照片。

该项目的估计成本为 459 新元（约合 330 美元）。

我没有某些组件的网络参考，因为我是从我所在地区的五金店购买的。

图 3 - 组件

 

在图 3 中，我展示了 (1) 一块 20W 太阳能电池板，(2) 一块 7Ah 可充电铅酸电池，(3) 2 个带齿轮箱的电机，(4) 2 个轮子，(5) 2 个电机支架，以及(6)太阳能电池板充电器一个。如果你打算建造这个机器人的复制品，你可以使用不同规格的组件，但你需要注意设计目标。例如，电机应能承载至少 10kg 的负载（主要是水箱）。电池可以具有更高的容量。我不建议使用容量低于 7Ah 的电池。太阳能电池板的功率应该足以给电池充电。

图 4 - 车轮

 

图 5 - 齿轮箱电机类型

 

图 4 和图 5 显示了带有齿轮箱的电机。这些是 12V、5000 转/分的电机，而齿轮箱将转速降低到 30 转，并使电机能够拉动超过 10 公斤。图 4 还显示了轮子。确保支撑轮（未连接到电机的）可以左右旋转。如果它们是固定的，您的机器人可能会由于高摩擦力而无法左转或右转。

控制单元

控制单元是机器人的“大脑”。图6是控制单元的原理图，图7是控制单元的接线图（我附上了Fritzing做的原理图），图8是实际实现。Irrigator的“大脑皮层”是一块Jetson Nano板，运行主控制回路和 AI 算法来检测植物和花盆。附加到它的是 Raspberry Pi Camera v2.1。

为了控制电机和读取所有传感器，我使用了两个Arduino Uno板。这些板代表灌溉器的“小脑”。Jetson Nano 和 Arduino Uno 之间的通信是通过SPI完成的。我使用 Jetson 的J41 连接器的 SPI1 和 SPI2 引脚以及对应于其SPI 接口的 Arduino Uno 的引脚 10 (SS)、11 (MOSI)、12 (MISO)、13 (SCK) 。

要在 Jetson 上启用 SPI ，您需要运行：

sudo /opt/nvidia/jetson-io/jetson-io.py

完成此步骤后，您可以使用/dev/spidev0.0和/dev/spidev1.0与两个 Arduino 板进行通信。我使用 Linux 源代码中的SPI 测试程序作为我在 Jetson Nano 上的驱动程序的起点（请参阅Github上的更多详细信息）。

图 6 - 控制单元图

 

图 7 - 控制单元示意图

 

图 8 - 控制单元实现

 

控制单元读取以下传感器：

• 用于对象识别的Raspberry Pi 相机模块v2.1。
• 两个声纳 ( HC04 ) 分别放置在距地面约 5 厘米和约 50 厘米处（见图 2）。您可能想要添加更多的接近传感器以获得更高的精度。
• 两个编码器分别检测左右两个车轮的运动。目前，我使用 IR 接近传感器实现这些编码器，但它们不是很准确。
• 水箱水位传感器（YwRobot Water Level ）。
• 【选配】四个电流传感器，测量不同模块的用电量。这些是ADS712基于霍尔效应的线性电流传感器。

控制单元命令：

• 使用L298 H 桥的电机。
• 打开/关闭水泵和灯的继电器 ( SRD-05VDC-SL-C )。这些继电器需要一个额外的晶体管 ( BD137 )，因为 Arduino GPIO 电流可能不足以流过继电器的线圈。

为了分配和测量这些模块使用的能量，我创建了一个自定义配电单元。请注意，某些组件使用 12V：

• 马达
• 泵（需要 ~ 3A 电流）
• 光

一些组件使用 5V：

• Jetson Nano（需要 ~3A）
• 阿杜诺
• 所有的传感器

软件

Irrigator的代码托管在 Github 上。您可以在README.md中找到有关设置的更多详细信息。

该代码有两个主要层，(1) 机器人控制和 (2) 使用 AI 进行植物检测。对于第一层，您需要使用 Arduino IDE 和 USB-B 电缆对 Arduino 板进行编程。两块板的代码在src/arduino文件夹中。

接下来，您需要在 Jetson Nano 上运行驱动程序。控制单元的主循环用C代码表示如下：

while (run_flag) {
    go_forward();
    if (dist1 < 100 || dist2 < 100) {
        stop();
        usleep(250000);
        on_light();
        int ret = run_ai();
        if ((ret >> 8) == 1) {
            printf("Plant detected!\n");
            go_forward();
            sleep(2);
            stop();
            usleep(250000);
            on_pump();
            sleep(5);
            off_pump();
            usleep(250000);
            go_backwards();
            sleep(2);
            stop();
            usleep(250000);
        }
        off_light();
        usleep(250000);
        go_left_90();
    }
    sleep(1);
}

上面的代码告诉机器人只要声纳没有检测到障碍物（1m 以内）就向前移动。如果检测到某些障碍物，机器人将执行以下任务：

• 停止
• 在灯上
• 拍张照片
• 运行物体检测
• 如果检测到植物或花盆，则向前移动一点，在水面上，等待几秒钟，离开水面，向后移动
• 关灯
• 向左转以避开障碍物

请注意，需要一些延迟（usleep() ）以避免 Arduino 上的 SPI 消息丢失。

控制器可以通过两种方式实现。首先，编写 C 或 Python 程序来控制机器人的经典整体方式。这是在irrigator_spi.c中实现的。要运行它，请在 Jetson 上执行这些 shell 命令：

$ cd git/irrigator/src/jetson/driver
$ make
$ ./irrigator_spi

第二种方式，模块化且灵活，是使用 Nvidia 的Isaac SDK。对于这个版本的 Irrigator，我在 Github 上的src/jetson/isaac文件夹中的两个小代码 Driver 和 Detector 中实现了我的代码。Driver 处理机器人的硬件和运动，而 Detector 处理 AI 部分。他们使用 Isaac Messaging API 进行通信。

该软件的第二层包括使用 AI 对象检测的植物和盆栽检测。由于代码在 Jetson Nano 上运行，我首先考虑使用jetson-inference存储库中的教程。但是，我使用 TensorFlow Lite (TFLite) 模型获得了最佳结果。特别是，我正在使用coco_ssd_mobilenet_v1_1.0_quant_2018_06_29和 inception_resnet_v2_2018_04_27。有关更多 TFLite 模型，请参阅TFLite 托管模型。我从每个模型中获取前 3 个检测结果并搜索plant of pot关键字（参见run-all-models.sh). 目前，检测（包括拍照）需要 10-11 秒。光是拍照就需要 4 秒。

未来的工作

我计划在不久的将来进行这些优化：

• 只在晚上开灯（使用光检测传感器或模型来检测太阳升起）
• 根据图像中检测到的罐/计划的位置将软管枪（或机器人）居中
• 如果检测到多个盆/植物，使用一系列灌溉步骤使机器人居中并为每株植物浇水
• 使用 cron 作业在晚上开始灌溉，在早上为电池充电