• 로봇학회논문지
• /
• 제17권2호
• /
• pp.142-151
• /
• 2022

With the advent of the 4th industrial revolution, autonomous driving technology is being commercialized in various industries. However, research on autonomous driving so far has focused on platforms with wheel-type platform. Research on a tracked platform is at a relatively inadequate step. Since the tracked platform has a different driving and steering method from the wheel-type platform, the existing research cannot be applied as it is. Therefore, a path-tracking algorithm suitable for a tracked platform is required. In this paper, we studied a path-tracking algorithm for a tracked platform based on a GPS sensor. The existing Pure Pursuit algorithm was applied in consideration of the characteristics of the tracked platform. And to compensate for "Cutting Corner", which is a disadvantage of the existing Pure Pursuit algorithm, an algorithm that changes the LAD according to the curvature of the path was developed. In the existing pure pursuit algorithm that used a tracked platform to drive a path including a right-angle turn, the RMS path error in the straight section was 0.1034 m and the RMS error in the turning section was measured to be 0.2787 m. On the other hand, in the variable LAD algorithm, the RMS path error in the straight section was 0.0987 m, and the RMS path error in the turning section was measured to be 0.1396 m. In the turning section, the RMS path error was reduced by 48.8971%. The validity of the algorithm was verified by measuring the path error by tracking the path using a tracked robot platform.

• International journal of advanced smart convergence
• /
• 제8권1호
• /
• pp.159-165
• /
• 2019

'4th Industrial Revolution' is accelerating as a core part of creating new growth engines and enhancing competitiveness of businesses. The fourth industrial revolution means the transformation of society and industries that are brought by IoT (Internet of Things), big data analysis, AI (Artificial Intelligence), and robot technology. Information and Communication Technology (ICT), which is a major factor, is affecting production and manufacturing systems and as ICT technologies become more advanced, intelligent information technology is generally utilized in all areas of society, leading to hyper-connected society where new values are created and developed. ICT technology is not just about connecting devices and systems and making smart, it is about constantly converging and harmonizing new technologies in a number of fields and driving innovation and change. It is no exception to the agro-fisheries trade. In particular, ICT technology is applied to the agricultural sector, reducing labor, providing optimal environment for crops, and increasing productivity. Due to the nature of agriculture, which is a labor-intensive industry, it is predicted that the ripple effects of ICT technologies will become bigger. We are expected to use the Smart Concentration using ICT convergence technology as a useful resource for changing smart farms, and to help develop new service markets.

• 대한임베디드공학회논문지
• /
• 제19권1호
• /
• pp.1-8
• /
• 2024

Robotic arms have been widely utilized in various labor-intensive industries such as manufacturing, agriculture, and food services, contributing to increasing productivity. In the development of industrial robotic arms, camera sensors have many advantages due to their cost-effectiveness and small sizes. However, estimating object positions is a challenging problem, and it critically affects to the robustness of object manipulation functions. This paper proposes a method for estimating the 3D positions of objects, and it is applied to a pick-and-place task. A deep learning model is utilized to detect 2D bounding boxes in the image plane, and the pinhole camera model is employed to compute the object positions. To improve the robustness of measuring the 3D positions of objects, we analyze the effect of lens distortion and introduce a false positive filtering process. Experiments were conducted on a real-world scenario for moving medicine bottles by using a camera-based manipulator. Experimental results demonstrated that the distortion removal and false positive filtering are effective to improve the position estimation precision and the manipulation success rate.

• 생물환경조절학회지
• /
• 제31권4호
• /
• pp.270-278
• /
• 2022

본 연구는 무대재배 복숭아 '미황'을 대상으로 성숙기간 중 RGB 영상을 취득한 후 다양한 품질 지표를 측정하고 이를 딥러닝 기술에 적용하여 복숭아 과실 숙도 분류의 가능성을 탐색하고자 실시하였다. 취득 영상 730개의 데이터를 training과 validation에 사용하였고, 170개는 최종테스트 이미지로 사용하였다. 본 연구에서는 딥러닝을 활용한 성숙도 자동 분류를 위하여 조사된 품질 지표 중 경도, Hue 값, a^*값을 최종 선발하여 이미지를 수동으로 미성숙(immature), 성숙(mature), 과숙(over mature)으로 분류하였다. 이미지 자동 분류는 CNN(Convolutional Neural Networks, 컨볼루션 신경망) 모델 중에서 이미지 분류 및 탐지에서 우수한 성능을 보이고 있는 VGG16, GoogLeNet의 InceptionV3 두종류의 모델을 사용하여 복숭아 품질 지표 값의 분류 이미지별 성능을 측정하였다. 딥러닝을 통한 성숙도 이미지 분석 결과, VGG16과 InceptionV3 모델에서 Hue_left 특성이 각각 87.1%, 83.6%의 성능(F1 기준)을 나타냈고, 그에 비해 Firmness 특성이 각각 72.2%, 76.9%를 나타냈고, Loss율이 각각 54.3%, 62.1%로 Firmness를 기준으로 한 성숙도 분류는 적용성이 낮음을 확인하였다. 추후에 더 많은 종류의 이미지와 다양한 품질 지표를 가지고 학습이 진행된다면 이전 연구보다 향상된 정확도와 세밀한 성숙도 판별이 가능할 것으로 판단되었다.

• Journal of Biosystems Engineering
• /
• 제39권2호
• /
• pp.134-141
• /
• 2014

Purposes: This study was to validate the Robotic Smart Work System that can provides better working conditions and high productivity in unstructured environments like bio-industry, based on a tele-operation system for fruit harvesting with low cost 3-D positioning system on the laboratory level. Methods: For the Robotic Smart Work System for fruit harvesting and cultivation management in agriculture, a vision based tele-operating system and 3-D position information are key elements. This study proposed Robotic Smart Farming, an agricultural version of Robotic Smart Work System, and validated a 3-D position information system with a low cost omni camera and a laser marker system in the lab environment in order to get a vision based tele-operating system and 3-D position information. Results: The tasks like harvesting of the fixed target and cultivation management were accomplished even if there was a short time delay (30 ms ~ 100 ms). Although automatic conveyor works requiring accurate timing and positioning yield high productivity, the tele-operation with user's intuition will be more efficient in unstructured environments which require target selection and judgment. Conclusions: This system increased work efficiency and stability by considering ancillary intelligence as well as user's experience and knowhow. In addition, senior and female workers will operate the system easily because it can reduce labor and minimized user fatigue.

• 농업과학연구
• /
• 제47권2호
• /
• pp.205-217
• /
• 2020

In this study, a deep learning-based tillage boundary detection method for autonomous tillage by a tractor was developed, which consisted of image cropping, object classification, area segmentation, and boundary detection methods. Full HD (1920 × 1080) images were obtained using a RGB camera installed on the hood of a tractor and were cropped to 112 × 112 size images to generate a dataset for training the classification model. The classification model was constructed based on convolutional neural networks, and the path boundary was detected using a probability map, which was generated by the integration of softmax outputs. The results show that the F1-score of the classification was approximately 0.91, and it had a similar performance as the deep learning-based classification task in the agriculture field. The path boundary was determined with edge detection and the Hough transform, and it was compared to the actual path boundary. The average lateral error was approximately 11.4 cm, and the average angle error was approximately 8.9°. The proposed technique can perform as well as other approaches; however, it only needs low cost memory to execute the process unlike other deep learning-based approaches. It is possible that an autonomous farm robot can be easily developed with this proposed technique using a simple hardware configuration.

• 한국잡초학회지
• /
• 제31권1호
• /
• pp.8-23
• /
• 2011

유기농 재배에서 이용되고 있는 잡초방제 기술 및 연구 동향을 검토하고 앞으로 방향을 제시하기 위하여 화학적 방제를 배제하고 기계적 방제, 경종적 방제, 생물적 방제를 포함한 종합방제 기술에 대한 문헌을 정리하고 분석하여 유기농업에서의 새로운 잡초 관리방안을 전망하고자 하였다. 물리적 방법은 기계적 방법, 열, 광선, 전기충격, 압축공기, 로봇잡초방제기술, 그리고 경종적 방법은 멀칭, 경운, 윤작, 피복식물, 경합을 이용한 방법이 포함된다. 생물적 방제는 미생물제초제, 대량증식 생물제제, 광역 생물제제, 상호대립억제물질 등이 개발되거나 또는 이용되고 있다. 유기농재배에서 성공적인 잡초방제를 위하여 물리적 방법과 경종적 방법은 제초제 사용이 제한된 조건에서 가장 중요한 잡초방제 수단이므로 기계적, 경종적 방법을 근간으로 하고 생물적 방법이 조화롭게 보완되는 종합잡초관리방법이 요구된다. 그리고 유기농 재배에서 수익을 창출하고 적합한 장기적 잡초관리 방안을 도출하기 위하여 잡초관리 결정에 도움이 되는 모델의 개발도 필요하다.

• 생물환경조절학회지
• /
• 제22권3호
• /
• pp.284-290
• /
• 2013

본 연구는 시설재배에서 참외를 수확할 수 있는 로봇의 엔드이펙터를 개발하기 위한 전단계로서, 참외의 엔드이펙트 중에서 소프트 핸드링이 가능한 그립퍼와 참외줄기를 절단하는 커터를 설계하기 위해 참외의 기하학, 압축, 절단, 마찰 특성 등을 분석하였다. 그 결과 참외의 길이는 평균 108mm, 직경은 중간지점에서 평균 70mm, 중량은 평균 188g, 부피는 평균 333mL, 진원도는 평균 3.8mm로 나타났다. 참외의 중량(W)에 대하여 길이(L)와 직경(D2)을 변수로 하는 식 $W=L^a{\times}D_2^b$로부터 비선형 회귀분석을 실시한 결과 a는 2.0279, b는 -0.9998의 상수값을 가지는 상관관계가 있는 것으로 나타났다. 참외줄기의 지름은 평균 3.8mm이며, 참외 줄기는 중심으로부터 반경 5mm 범위 내에서 대부분 분포하였다. 참외의 항복치와 압축강도, 경도의 평균값은 각각 $36.5N/cm^2$, $185.7N/cm^2$, $636.7N/cm^2$이며, 참외 줄기의 절단력과 절단강도는 각각 $2.87{\times}10^{-2}N$와 $5.60N/cm^2$로 나타났다. 참외의 마찰계수는 고무가 0.609으로 가장 높게 나타났고, 그 다음으로 알루미늄이 0.393, 스테인레스강이 0.177, 테프론이 0.079로 나타났다. 분석된 자료를 토대로 엔드이펙터 설계시 동작에 따른 위치 오차와 안전율을 감안하여, 그립퍼의 및 커터의 크기, 선회반경, 설치위치, 구동모터의 동력, 재료 및 재질의 선정 등에 적용할 수 있을 것으로 판단되었다.

• 생물환경조절학회지
• /
• 제23권2호
• /
• pp.123-130
• /
• 2014

참외 재배환경은 토양 위의 수평바닥에서 재배된 것을 수확하여야 하며, 참외가 잎으로 덮여져 있어 인식이 어렵고, 덩굴성 줄기로 인해 참외를 그립하기에도 매우 불리하다. 이러한 재배환경에 적합하도록 엔드이펙트, 머니퓰레이터, 인식장치 등의 참외 수확 로봇을 개발하였고 이를 시험하였다. 엔드이펙터는 수확물을 잡기 위한 그립퍼와 줄기를 절단하는 커터로 구분되며, 그립퍼는 4개의 핑거가 동시에 구동하고, 커터는 2개로 전후진 동작이 되도록 설계하여 파지력과 절단력을 제어할 수 있도록 하였다. 머니퓰레이터는 중심축을 기준으로 회전을 하는 L-R형 모델에 직교 좌표형과 셔틀형 머니퓰레이터를 조합한 4축 매니플레이트 구조로 설계하였다. 인식장치는 1차 인식장치인 GVC와 2차 인식장치인 LVC를 이용하여 참외를 식별하고 그 중에서 당도나 숙도를 예측하여 선별하였다. 이 장치를 이용하여 로봇의 성능시험을 한 결과 수확시간은 평균 18.2sec/ea, 픽업율은 평균 91.4%, 손상율은 평균 8.2%, 선별율은 평균 72.6%로 나타났다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제7권4호
• /
• pp.129-134
• /
• 2018

최근, 인공신경망 모델은 예측, 수치제어, 로봇제어, 패턴인식 등의 분야에서 촉망되는 기술이다. 본 연구에서는 인공신경망 모델을 이용하여 온실 외부 온도를 예측하고 이를 온실제어에 활용하는데 목적이 있다. 예측 모델의 성능 평가를 위해 다중회귀모델과 SVM 모델과의 비교분석을 수행하였다. 평가 방법으로는 10-Fold Cross Validation을 사용하였으며, 예측 성능 향상을 위해 상관관계분석 통해 데이터 축소를 수행하였고, 측정 데이터로부터 새로운 Factor 추출하여 데이터의 신뢰성을 확보하였다. 인공신경망 구축을 위해 Backpropagation algorithm을 사용하였으며, 다중회귀모델은 M5 method로 구축하였고, SVM 모델을 epsilon-SVM으로 구축하였다. 각 모델의 비교분석 결과 각각 0.9256, 1.8503과 7.5521로 나타났다. 또한 예측모델을 온실 난방부하 계산에 적용함으로써 온실에 사용되는 에너지 비용 절감을 통한 수입증대에 기여할 수 있다. 실험한 온실의 난방부하는 3326.4kcal/h이며, 총 난방시간이 $10000^{\circ}C/h$일 때 연료소비량은 453.8L로 예측된다. 아울러 데이터 마이닝 기술 중 하나인 인공신경망을 정밀온실제어, 재배기법, 수확예측 등 다양한 농업 분야에 적용함으로써 스마트 농업으로의 발전에 기여할 수 있다.