CHƯƠNG 1: Giới thiệu chung: giới thiệu qua về đề tài thực trạng đồng thời nêu lí do tại sao chọn đề tài. CHƯƠNG 2: Cơ sở lý thuyết: nêu các cơ sở lí thuyết về công nghệ cũng như về mô phỏng CHƯƠNG 3: Thiết kế, tính toán chọn lựa các cơ cấu CHƯƠNG 4: Thi công, xây dựng model xử lí ảnh để nhận dạng và tracking chậu cây và chương trình điều khiển. CHƯƠNG 5 : Nêu ra những gì đã và chưa đạt được, đồng thời đưa ra giải pháp. 23 CHƯƠNG 2: CƠ SỞ LÝ THUYẾT 2.1 Tìm hiểu robot trong lĩnh vực nông nghiệp 2.1 Định nghĩa về robot trong nông nghiệp Hình 2.1 Robot Tree Rover Robot nông nghiệp là một robot được sử dụng trong ngành nông nghiệp, khác so với robot công nghiệp chúng là một máy móc nông nghiệp đa chức năng mới.
Sử dụng rộng rãi trong nông nghiệp, làm thay đổi việc lao động truyền thống của người nông dân, đồng thời cũng thúc đẩy sự phát triển của ngành nông nhiệp nói chung. Trong thế kỷ 21, với sự xuất hiện của robot nông nghiệp, ứng dụng nông nghiệp đa chức năng do robot sử dụng ngày càng sâu rộng, việc nghiên cứu và phát triển nó được phát triển nhanh chóng ở nhiều quốc gia, vì vậy nhiều loại robot nông nghiệp đã ra đời.2 Robot vận chuyển trong nông nghiệp Robot vận chuyển trong nông nghiệp giúp tự động hóa quá trình lưu trữ và vận chuyển hàng hóa trong chuỗi cung ứng, và thường được sử dụng để phân loại và di chuyển hàng hóa trong kho hoặc ngoài vườn. Loại robot này có thể giúp quá trình vận chuyển diễn ra nhanh hơn so với các phương pháp thủ công truyền thống, đồng thời mang lại năng suất và lợi nhuận cao cho công ty. Tuy có nhiều quy trình thực hiện khác nhau nhưng mục đích chính của robot vận chuyển là tự động hóa quá trình vận chuyển với thời gian hoạt động kéo dài.
Hiện nay, ngày càng nhiều công ty ứng dụng loại robot này vào dây chuyền sản xuất của mình, trong tương lai, robot vận chuyển sẽ có chỗ đứng vững chắc trên thị trường robot.3 Mobile Robot Mobile robot là robot được điều khiển bởi phần mềm sử dụng các cảm biến cũng như công nghệ để xác định môi trường xung quanh và di chuyển xung quanh môi trường đó. Robot hoạt động bằng việc kết hợp sử dụng trí tuệ nhân tạo và các yếu tố vật lý như bánh xe, đường ray,.Chúng được điều khiển tự động bằng cách lập 25 trình theo yêu cầu của người sử dụng. Robot có thể thực hiện các công việc lặp đi lặp lại, thay thế con người trong nhiều trong việc khác nhau.3 Mobile robot Một vài ứng dụng của mobile robot Ứng dụng trong ngành dịch vụ Việc áp dụng công nghệ cao cho dịch vụ lữ hành và khách sạn đang ngày càng phổ biến. Sử dụng robot tại một số cơ sở kinh doanh dịch vụ khách sạn ngày càng trở nên phổ biến, hầu hết là do việc nó sẽ cho phép những nhà quản lý tiết kiệm tiền lao động, cải thiện hiệu suất công việc và giảm thời gian tiếp xúc của nhân viên.4 Robot lễ tân phục vụ khách sạn Ứng dụng trong ngành logistic Robot giúp con người vận chuyển hàng hóa từ điểm này đến điểm khác một cách dễ dàng.
Chúng thường được sử dụng trong kho và cơ sở lưu trữ để tổ chức và vận chuyển các sản phẩm và cũng có thể được sử dụng trong nhiều trường hợp khác nhau tùy theo mục đích sử dụng.5 Robot vận chuyển trong kho Ứng dụng trong công nghiệp 27 Robot có thể thao tác liên tục nhiều hoạt động quy mô rộng, đó là những hoạt động phức tạp hoặc khó với người, hỗ trợ cho công ty sản xuất xử lý nhiều vấn đề khác nhau họ cần giải quyết như lượng nhân lực thiếu hụt, tính cạnh tranh trên thị trường quốc tế và đảm bảo an toàn.6 Robot trong công nghiệp 2.2 Tìm hiểu về thị giác máy 2.1 Định nghĩa về thị giác máy Thị giác máy là phương pháp phân tích, nhận dạng, xử lý ảnh kĩ thuật số để xuất ra các thông tin hoặc biểu tượng. Việc phát triển và xây dựng lĩnh vực này có bối cảnh từ việc sao chép các khả năng thị giác con người bởi sự nhận diện và hiểu biết một hình ảnh mang tính điện tử. Sự nhận diện hình ảnh có thể xem là việc giải quyết vấn đề của các biểu tượng thông tin từ dữ liệu hình ảnh qua cách dùng các mô hình được xây dựng với sự giúp đỡ của các ngành lý thuyết học, thống kê, vật lý và hình học. Thị giác máy tính cũng được mô tả là sự tổng thể của một dải rộng các quá trình tự động và tích hợp và các thể hiện cho các nhận thức thị giác.
Nó sử dụng công nghệ Deep Learning ( học sâu) để xây dựng mạng thần kinh nơ-ron có chức năng hỗ trợ việc nhận dạng, phân loại hình ảnh. Lĩnh vực của thị giác máy bao gồm nhận diện đối tượng, theo dõi sự vật, đánh giá hay phân tích các chuyển động.1 Hình ảnh kĩ thuật số và phân loại hình ảnh Một hình ảnh kỹ thuật số là một đại diện của một hình ảnh thực như một tập hợp các số có thể được lưu trữ và xử lý bởi một máy tính kỹ thuật số. Để dịch hình ảnh thành các số, nó được chia thành các khu vực nhỏ gọi là pixel (các phần tử hình ảnh). Đối với mỗi pixel, thiết bị hình ảnh ghi lại một số hoặc một bộ số nhỏ, mô tả một số thuộc tính của pixel này, chẳng hạn như độ sáng của nó (cường độ của ánh sáng) hoặc màu của nó.
Các số được sắp xếp trong một mảng các hàng và cột tương ứng với các vị trí dọc và ngang của các pixel trong hình ảnh. Có 2 loại hình ảnh số đó là ảnh raster và ảnh vector Ảnh raster Hình ảnh được hình thành từ vô số ô vuông nhỏ (pixel - picture element) được gọi là hình ảnh raster. Thông thường một hình ảnh được chia thành các hàng và cột chứa điểm ảnh. Điểm ảnh là thành phần bé nhất biểu diễn ảnh, có giá trị số biểu diễn màu sắc, độ sáng.
của một thành phần trong bức ảnh.7 Ảnh raster 29 Ảnh vector Ảnh vector là sản phẩm được tạo ra từ các đối tượng, các hình cơ bản, điểm đường giới hạn. Thay vì được lưu dưới dạng ma trận pixel như ảnh raster, ảnh vector được biểu diễn dưới dạng tọa độ của các phần tử trong ảnh. Đây là điều đặc biệt của ảnh vector, chúng có thể được kéo dài và thu nhỏ tùy ý mà không bị hỏng hay răng cưa như ảnh raster. Dữ liệu trong hình ảnh vector nhỏ, do đó, nó thường tiết kiệm dung lượng lưu trữ hơn hình ảnh raster.2 Hệ màu Hệ màu RGB Hình 2.9 Hệ màu RGB RGB là một không gian màu phổ biến được sử dụng trong máy tính, máy ảnh, điện thoại và các thiết bị kỹ thuật số khác nhau.
Không gian màu này rất gần với cách mắt người tổng hợp màu sắc. Nguyên tắc cơ bản là sử dụng 3 màu cơ bản R (đỏ-đỏ) G (xanh lá cây-xanh lá cây) B (xanh dương-xanh lam) để thể hiện tất cả các màu. Ngoài hệ màu RGB, chúng ta cũng sẽ nghe thấy RGBA, thực tế dựa trên trên hệ màu 30 RGB nhưng có Hệ màu có thêm kênh alpha (α). Kênh alpha được sử dụng làm kênh độ mờ, nếu pixel có giá trị 0% trong kênh alpha của nó thì pixel đó hoàn toàn trong suốt, trong khi giá trị 100% sẽ làm cho điểm mờ.
Điều này được sử dụng nhiều khi tổng hợp hình ảnh và mang lại mức độ chân thực. Hệ màu CMYK Hình 2.10 Hệ màu CMYK Không gian màu CMYK đề cập đến một mô hình màu độc quyền, thường được sử dụng trong in ấn. Mô hình màu này dựa trên các sắc tố hỗn hợp có các màu sau: - C = Cyan có nghĩa là màu xanh lam hoặc có cánh trong tiếng Anh. - M = Magenta trong tiếng Anh có nghĩa là màu cánh sen hoặc hồng sẫm.
- Y = Yellow có nghĩa là màu vàng trong tiếng Anh. - K = Key trong tiếng Anh nên hiểu là key hay main gì đó ám chỉ màu đen, mặc dù tên tiếng Anh của màu là black, vì chữ B đã được dùng cho màu xanh trong mô hình màu RGB. Hệ màu HSV Không gian màu HSV (còn gọi là HSB) là một cách tự nhiên hơn để mô tả màu sắc, dựa trên 3 số liệu: - H (Hue): vùng màu. Ứng dụng tiêu biểu nhất của HSV là nhận dạng màu.
Khi ta có 1 bài toán là xác định màu sắc của đèn tín hiệu giao thông và đầu ra chính là hình dưới và điều kiện ở trên là nhận diện đèn màu xanh lá cây. 31 Ảnh xám và ảnh nhị phân Ảnh xám Ảnh xám (GrayScale) đơn giản là một hình ảnh trong đó các màu là các sắc thái của màu xám. Lý do cần phải phân biệt giữa ảnh xám và các ảnh khác nằm ở việc ảnh xám cung cấp ít thông tin hơn cho mỗi pixel. Với ảnh thông thường thì mỗi pixel thường được cung cấp 3 trường thông tin trong khi với ảnh xám chỉ có 1 trường thông tin, việc giảm khối lượng thông tin giúp tăng tốc độ xử lý nhưng vẫn đảm bảo các tác vụ cần thiết.
Ảnh nhị phân Ảnh nhị phân (binary) có thể coi đây là 1 sự mất thông tin đáng kể so với ảnh xám. Với ảnh xám thì độ xám của mỗi pixel sẽ thể hiện trong khung [0 đến 255] còn với ảnh nhị phân tất cả các pixel chỉ có giá là 0 hoặc 255. Tuy thông tin đã mất tương đối lớn song ảnh tam phân vẫn bộc lộ được khá rõ ràng các chi tiết như góc và chiều cao của vật thể, từ đấy sẽ có lợi thế về những thuật toán xử lý nhiễu hay nhận diện vật thể (object detection),.3 Mạng nơ-ron tích chập (Convolutional neural networks) Convolutional Neural Network (CNN) là một thuật ngữ sử dụng nhằm mô tả mạng nơ ron tích chập. Đây là phương pháp Deep Learning hiện đại giúp con người điều khiển thành công những chiếc máy tính với độ chính xác rất cao.
CNN trở thành công cụ phổ biến đối với các thuật toán nhận diện object qua hình ảnh.11 Thuật toán CNN 32 2.1 Giới thiệu Trong thời đại trí tuệ nhân tạo đang được phát triển mạnh mẽ thì Machine learning và deep learning cũng được phát triển theo cùng. Trong đó, Tensor flow chính là thư viện mã nguồn mở cho machine leaning phổ biến nhất trên thế giới được chính Google xây dựng và phát triển. Việc hỗ trợ để tính toán các phép toán trong Machine learning và deep learning đã làm cho công việc tiếp cận các bài toán trở nên đỡ phức tạp hơn.