TEKNOFEST HAVACILIK, UZAY VE TEKNOLOJİ FESTİVALİ

TEKNOFEST

HAVACILIK, UZAY VE TEKNOLOJİ FESTİVALİ

TARIM TEKNOLOJİLERİ YARIŞMASI PROJE DETAY RAPORU

TAKIM ADI:Cyb-Org-Er Robotics TAKIM ID:​

PROJE ADI: ​

DANIŞMAN ADI: ​

Proje Özeti (Proje Tanımı) 3

Şekil 1.1. Endüstriyel Sera Robotu haberleşme şeması 3

Problem/Sorun 3

Şekil 2.1. Düzenli sera uygulamaları 4

Şekil 2.2. Modern tarımda yetkin personel görev almalıdır. 4

Çözüm 4

Şekil 3.1. Otonom robotların tarımsal üretim sistemlerinde kullanılması 5 Şekil 3.2. Otonom mobil robotların sera üretim sistemine adaptasyonu 5

Yöntem 5

Resim 4.1 de Wi-Fi üzerinden Socket ile verilerimiz yazdırılıyor. 6

Şekil 4.2. Araç Tekerleği 6

Şekil 4.3. Mecanum Tekerlek ile hareket yönleri 6

Şekil 4.4. Ürünlerin tespit edilmesi için kullanılan kameralar 7

Resim 4.4 Resim 4.5 7

Resim 4.6 Resim 4.7 7

Resim 4.9. Verilerin bulut sistemine kaydı 8

Yenilikçi (İnovatif) Yönü 8

Resim 5.1 Resim 5.2 8

Resim 5.3 9

Resim 5.3 Resim 5.4 9

Şekil 5.6. Veriler Bulut sisteminde depolanmaktadır. 9

Uygulanabilirlik 9

Tahmini Maliyet ve Proje Zaman Planlaması 10

Tablo 1.1 10

Tablo 1.2 10

Tablo 1.3 10

Tablo 1.4 10

Proje Fikrinin Hedef Kitlesi (Kullanıcılar) 11

Riskler 11

Proje Ekibi 11

Kaynaklar 12

EKLER 13

Resim 12.1 15

Resim 12.2 15

Resim 12.3 15

1. Proje Özeti (Proje Tanımı)

Şekil 1.1. Endüstriyel Sera Robotu haberleşme şeması

Şekil 1.1’de aracımızın haberleşme şemasında olduğu gibi Sera Robotumuz birden fazla cihaz ile kontrol edilebilmekte, kullanıcıya direkt olarak verileri iletmektedir.

Kullanıcı bu veriler üzerinden Sera Robotunun anlık olarak görevi yapıp yapmadığını teyit etmekte ve gerekirse müdahale edilmektedir.

Sera Robotu operatörün tanımladığı güncel ve hata oranı düşük veriler ile hatasız olarak sebze ve meyvelerin toplanmasını sağlamaktadır.

Bulut sistemine bulunan verilerimiz ile yapay zeka eğitilmekte ve bilgiler server’a aktarılmaktadır. Yapay zeka sisteminin eğitimi için Edge Computing mantığı

kullanmıştır. ​Edge Computing​ istemci verilerinin ağın çevresinde mümkün olduğunca kaynağına yakın olarak işlendiği dağıtılmış bir bilgi teknolojisi mimarisidir.

Kullanıcı arayüzü sayesinde hangi görevleri yapması gerektiğini robota öğretiyoruz.

Araç internete bağlandığında, verileri mesajlaşma uygulaması sayesinde yetkili personele iletmektedir.

2. Problem/Sorun

Şekil 2.1. Düzenli sera uygulamaları

Tarımsal ürün veriminde insan performansı belirleyici rol oynamakta ve performans düşüklüğü verimi olumsuz etkilemektedir. Ürünlerin yetiştirilmesi, toplanması ve sevk edilmesi işlemleri tamamen kişiler tarafından yapılmakta ve üretimden sevkiyata kadar

süreç kişilerin insiyatifi ile yürütülmektedir. Kişilerin sürecin herhangi bir veya daha fazla aşamasında hatalı işlem yapması ürünlerin kalitesini düşürmektedir.

​

Şekil 2.2. Modern tarımda yetkin personel görev almalıdır.

Günümüzde bireysel tarımdan endüstriyel tarıma geçiş süreci yaşanmaktadır. Şekil 2.2’de görüldüğü gibi tarımsal üretim kişisel ve aile çiftlikleri kavramının dışında, profesyonel çalışanların bulunduğu üretim çiftliklerine dönüşmeye başladı. Yetişmiş personel bulunması tarımsal üretim sisteminde çözülmesi gereken bir sorun olarak karşımıza çıkmaktadır.

Ayrıca modern tarım teknikleri insanlar için zararlı ağır kimyasalların kullanılmasını zorunlu kılmıştır. Tarımsal üretimin farklı aşamalarında kullanılan ilaçlar ve gübreler çalışan insanların sağlığı için tehdit oluşturmaktadır. Çalışanların sağlığının korunması bir sorun olarak karşımıza çıkmaktadır.

Gübreleme ve ilaçlama işleminin de insanlar tarafından ihtiyaç olduğu düzeyde yapılması gerekmektedir. Eksik ilaçlama ve gübreleme kalitesiz ve düşük miktarda ürün üretilmesine sebep olurken fazla ilaçlama ve gübreleme ağır kimyasalların olduğu ürünlerle tüketicinin sağlığını tehlikeye atmak anlamına gelmektedir.

3. Çözüm

Seracılık ile üretim yapmakta olan çiftçilerimiz gelişen teknolojiye bağlı olarak tarımsal otomasyon sistemlerine sahip olmak için yatırım yapmaktadır. Ancak yeterli kar marjının elde edilememesi teknolojik yatırım miktarının sürekli olmasını zorunlu kılmıştır. Projemiz, ​“Seralar da Otonom Mobil Robotlar”​ kullanarak yaşanan sorunların çözümüne; daha hızlı, düzenli ve kaliteli işçilik ile yüksek verim elde edilmesini hedeflemektedir.

Şekil 3.1. Otonom robotların tarımsal üretim sistemlerinde kullanılması Otonom robotumuz çiftçilere anlık olarak bilgilendirecek ve çiftçi verimlilik için gerekli müdahaleleri yapabileceklerdir.

Sera içerisinde çalışan robotların, personelin ve cihazların birbirleri ile sürekli haberleşmesi hızlı ve kaliteli üretimin yapılmasını sağlayacaktır.

Şekil 3.2. Otonom mobil robotların sera üretim sistemine adaptasyonu

Ürün kontrol, ilaçlama ve ürün toplama sırasında ​Otonom Mobil Robotlar​’dan destek almak, insanın yapabileceği hataların bertaraf edilmesi, personel maliyetlerinin sıfırlanması, hızlı ve kaliteli üretim yapılması, sistem verilerine anlık olarak erişebilmesi anlamına gelmektedir.

4. Yöntem

Serada üretim yapan tüm cihazların birbirleri ile haberleştirerek robotlar arasında iş dağılımı yapılacaktır.

Cihazlar arası haberleşme internet bağlantısına gerek olmaksızın ​Wi-Fi​ sistem üzerinden local olarak gerçekleştirilecektir. Bağlantı için Şekil 4.1’de görülen ​Wi-Fi üzerinden Socket​ ile yapılmaktadır.

Resim 4.1 de ​Wi-Fi üzerinden Socket​ ile verilerimiz yazdırılıyor.

Şekil 4.2. Araç Tekerleği

Aracımızı yüzey de 6 eksende hareket ettirebilmek için ​mecanum tekerlek​ kullandık.

Resim 4.2 de görülmekte ve böylelikle araç yüzey de 6 eksende hareket ederek istenilen hareketi yaptırmış bulunuyoruz.

Şekil 4.3. Mecanum Tekerlek ile hareket yönleri

Resim 4.3 görüldüğü üzere ​mecanum tekerleklerine​ sahip bir aracın rahatlıkla kendi eksen etrafında saat yönünde ve tersinde dönebildiği ve aynı zamanda ileri,geri,sağ ve sola yönelim yapılabildiği görülmektedir.

Şekil 4.4. Ürünlerin tespit edilmesi için kullanılan kameralar

Resim 4.3 görülen ​gimbal camera​ ile ilk öncelikle araç duruyorken etrafta ki sebze ve meyveleri görüntü işleyerek olabilecek tüm sebze ve meyvelerin yerlerini tespit ederek robot kolun hareket yönelimlerini sağlıyor ve böylelikle ​robot kolun ucunda ki kamera​ ile ​robot

kol kinematik hesapları​ yaparak doğru bir şekilde sebze ya da meyveyi tutuyor ve haberleştiği yardımcı robotuna ilgili objeyi bırakması söz konusu oluyor.

Resim 4.4 Resim 4.5

Görüntü işlerken kullandığımız ​Machine Learning​’ten faydalanılarak oluşturulan veriler ile yapay zekamıza eğitim uyguluyoruz.

Resim 4.4 te görüldüğü üzere verilerimiz üzerinden eğitimdeki başarı oranı gözükmektedir.

Resim 4.5 ise eğitim yaptığımız modelin hata oranı eğitim sürecinin sonuna doğru azalmakta olduğu görülmektedir.

Resim 4.6 Resim 4.7

Machine Learning​ sayesinde ileri kinematik hesaplarından ters kinematik hesaplarını çıkarıyoruz ve böylelikle robot kolumuzun uzayında belirtilen cismin konumunu girilince robot kolumuz oluşturduğumuz yapay zeka sayesinde yönelim yaparak belirtilen noktaya ulaşması sağlanmış oluyor.

Resim 4.6 te görüldüğü üzere oluşturduğumuz verilerimiz.

Resim 4.7 da veriler üzerinden yönelim yapan robot kolumuz.

Resim 4.9. Verilerin bulut sistemine kaydı

Resim 4.9’da görüldüğü şekilde toplanan gıdalar bir excel dosyasına yazdırılarak toplanan ürün bilgisi rapor edilmektedir.

Veriler, Google Drive üzerine yazdırarak depo edilmesi sağlanmaktadır. Verilere online şekilde ulaşım sağlamış oluyoruz. Sistemin global kullanımı durumunda tüm ​Dünya da aktif olarak ne kadar gıda üretildiği bilgisine ulaşılabilir​.

5. Yenilikçi (İnovatif) Yönü

Resim 5.1 Resim 5.2

Şekil 5.1’de seralarda kullanılmakta olan araçlar görülmektedir. Mevcut araçların bir ray sistemi üzerinde ilerledikleri bilinmektedir. Bizim sistemimizde ise Şekil 5.2’de

görüldüğü üzere mecanum tekerlekler sayesinde, 6 eksende hareket kabiliyetimiz sayesinde sera içerisinde veyahut dışarısında istenilen pozisyona hareket edebiliriz.

Resim 5.3

Piyasadaki araçların üzerinde sürekli sabit olan toplayıcı robot kollar vardır. Buda araç üzerinde ki kolları değiştirmemiz ve yapılacak bir işin tam olarak o işe uygun olan robot kolun takılmaması anlamına gelmektedir.

Önerilen sistemde kullanılan yapay zeka sayesinde robot kolumuzun yapay sinir ağ modelini üreterek tek robot kol tüm işlemleri yapacaktır

Resim 5.3 Resim 5.4

Yazılımımızda kullanılan mesaj atma botu sayesinde ortamdaki tüm durumlar mesaj atılarak bilgilendirme yapımakta ve gerektiğinde mesajlar iş emri haline dönüşmektedir.

Şekil 5.6. Veriler Bulut sisteminde depolanmaktadır​.

Veri setleri bulut sisteminde depolanmaktadır. Sürekli gelişen veri seti ile doğruluk oranını arttırmaktayız.

6. Uygulanabilirlik

Çiftçilerin gelişmiş seracılık teknolojilerine ilgisi ve ihtiyacı sürekli artmaktadır.

Projemiz tarımsal alanda Endüstri 4.0 teknolojilerinin uygulamasının başarılı bir örneğidir.

Yüksek teknoloji ile verimlilik artacaktır.

Projemizde Endüstri 4.0 uygulamaları;

● Sera otomasyonları

● Sera Robotları

● IoT adı altında sensörler ile verimlerini artırmak

● Sensörlerden aldıkları veriler ile ALOT ile gerekli otonom işleri yaptırmak Şeklinde sınıflandırılabilir.

Covid-19 birçok ülkede ki endüstriyel anlamda tarıma zarar vermiş bulunmaktadır. Sebebi ise sera ortamında (kapalı ortamda) hasat ve ekim gibi işlemleri yapabilecek işçi olmamasından ötürü bazı sorunları da beraberinde getirmektedir.

Yani buradan çıkarılacak sonuç şudur ki :

Sera ortamını otonom hale getirmek ve otonom robotlar kullanarak; ekme, ilaçlama, hasat gibi işlemler yaptırabilir olsaydı, daha verimli ve güvenilir bir biçimde gıda üretimi ve yüksek verim alınabiliyor olacaktı.

7. Tahmini Maliyet ve Proje Zaman Planlaması

Tablo 1.1

Takımımızın gider bütçe planlaması ​Tablo 1.1 ‘ ​de görüldüğü gibidir. Bu maliyetin çıkışı malzeme fiyatları eştir(​Tablo 1.2​)

Tablo 1.2

Takımımızın Bütçe açığı ​Tablo 1.3​‘te görüldüğü gibidir.

Tablo 1.3

Tablo 1.4

Tablo 1.4’te araç üzerinde ki geliştirmelerimizin süreçlerinin süreleri verilmektedir.

8. Proje Fikrinin Hedef Kitlesi (Kullanıcılar)

Endüstriyel anlamda su üzerinde seracılık ile ilgilenen çiftçilerin daha doğru bir zamanda hasat etmesi ve sera içerisinde ki ilaçlama ekme ve benzeri işlerle ilgilenen çiftçilere yönelik.

9. ​Riskler

● Sera ortamında robotların birbirleri ile çalışabilmesi için internet (Kullanıcının da bağlı olduğu local bir internet ağı da olabilir.) ağına ihtiyaç vardır. Bu internet ağında kopma (enerjinin olmaması parazitler vs vs...) olması sonucunda robotların birbirleri ile diyalog kurmadan habersiz bir şekilde çalışabilmesi söz konusu olabilir yani bu durum da bizim robolarımızın birbirinden habersiz işler yapabiliyor olduğu anlamına gelir buda robotların o düzenli işlerinden düzensiz şekilde ki hale gelmesine yol açar.

● Robot kolumuza ait yapay zeka ,robot kolumuzun mikroişlemciye bizim sunucumuzdan yapay zeka modeli indirilmiş değilse robot kolumuzun daha farklı eksenlerde çalışmasına yol açar buda robot kolumuzun istemsizce robot kol uzayındaki nesnelerimize çarpmasına yol açabilir.

10. Proje Ekibi

Takım Lideri: Harun KURT

Adı Soyadı Projedeki Görevi Okul Projeyle veya problemle ilgili tecrübesi

Harun KURT Yazılımsal , Tasarımsal,

Aracı Simülasyonlama, Elektroniksel,

Mobil-Web-Desktop App,

Veri Seti , Yapay Zeka, Computer Vision, Network Alt yapısını ve Cloud sistemlerin yazılması ile ilgileniyor

Kocaeli Üniversitesi | Hereke Meslek Yüksek Okulu | Mekatronik PR.

Kocaeli Üniversitesi Gallipoli Rov ​yazılımsal ve elektroniksel​ anlamda aracın baştan sona kadar geliştirilmesi ,

Marmara Üniversitesi RoboTaksi projesi bünyesinde​ Veri Seti Üretimi​ ,

Robot kol​ konum hafızalama ,

Flutter ve Tensorflow​ ile nesne tanıma ,

Webots Robot

Simülasyon ​Programını eğitimlerini Türkiye’de ilk defa anlatan bir birey, MicroPython ile

denetleyicilere

Türkiye'ye gelişmesinde yardımcı olan bir birey

11. Kaynaklar

[1] Shah J., Rattan S.S., Nakra B.C., Kinematic Analysis of a Planar Robot Using Artificial Neural Network, International Journal of Robotics and Automation, Vol. 1 No.3, 2012, pp 145-151.

[2] Jacobs R.A., Jordan M.I., Learning Piecewise Control Strategies in a Modular Neural Network Architecture, IEEE Transactions on Systems, Man and Cybernetics, Vol. 23 (2), 1993, pp 337-345.

[3] Köker R., Öz C., Çakar T., Ekiz H., A study of neural network based inverse

kinematics solution for a three-joint robot, Robotics and Autonomous Systems, Vol. 49, pp.

227-234, 2004.

[4] L. Wei, H. Wang, and Y. Li , “A new solution for inverse kinematics of manipulator based on neural network,” Machine Learning and Cybernetics, Vol. 2, pp. 1201–1203, 2003.

[5] Kuroe, Y.; Nakai, Y. & Mori, T. (1994). A new Neural Network Learning on Inverse Kinematics of Robot Manipulators, International Conference on Neural Networks, IEEE world congress on computational Intelligence. Vol.5, pp. 2819-2824.

[6] R. Bischoff, U. Huggenberger, and E. Prassler, “KUKA youbot -a mobile manipulator for research and education,” in 2011 IEEE International Conference on Robotics and Automation, May 2011, pp. 1–4.

[7]C.-H. King, T. L. Chen, A. Jain, and C. C. Kemp, “Towards an assistive robot that autonomously performs bed baths for patient hygiene,” in Intelligent Robots and Systems (IROS), 2010 IEEE/RSJ International Conference on. IEEE, 2010, pp. 319–324.

[8]Y. Jiang, M. Lim, C. Zheng, and A. Saxena, “Learning to place new objects in a scene,”

The International Journal of Robotics Research, vol. 31, no. 9, pp. 1021–1043, 2012.

[9] M. Hvilshøj, S. Bøgh, O. Skov Nielsen, and O. Madsen, “Autonomous industrial mobile manipulation (AIMM): past, present and future,” Industrial Robot: An International Journal, vol. 39, no. 2, pp. 120–135,2012.

[10] C. Sprunk, B. Lau, P. Pfaff, and W. Burgard, “An accurate and efcient navigation system for omnidirectional robots in industrial environments,” autonomous Robots, vol. 41, no. 2, pp. 473–493, 2017.

[11] P. F. Muir and C. P. Neuman, “Kinematic modeling for feedback control of an omnidirectional wheeled mobile robot,” in Robotics and Automation. Proceedings. 1987 IEEE International Conference on, vol. 4. IEEE, 1987, pp. 1772–1778.

[12] P. Vlantis, C. P. Bechlioulis, G. Karras, G. Fourlas, and K. J. Kyriakopoulos, “Fault tolerant control for omni-directional mobile platforms with 4 mecanum wheels,” in 2016 IEEE International Conference on Robotics and Automation (ICRA), May 2016, pp. 2395–

2400.

[13] R. Rojas and A. G. Förster, “Holonomic control of a robot with an omnidirectional drive,” KI-Künstliche Intelligenz, vol. 20, no. 2, pp. 12–17, 2006.

[14] G. Campion, G. Bastin, and B. Dandrea-Novel, “Structural properties and classication of kinematic and dynamic models of wheeled mobile robots,” IEEE Transactions on Robotics and Automation, vol. 12, no. 1, pp. 47–62, 1996.

[15] F. Künemund, D. Heß, and C. Röhrig, “Energy efcient kinodynamic motion planning for holonomic AGVs in industrial applications using state lattices,” in Proceedings of the 47th International Symposium on Robotics (ISR 2016), Munich, Germany, Jun. 2016, pp.

459–466.

​

Dosyalarımızı belirtilen kısımlar da yer bulamadığımız için Ekler kısmında aracımızın tasarımlarını paylaşmaktayız.

Resim 12.1

Resim 12.1 aracımızın hareket etmesini sağlayan mecanum tekerlek kısım, aynı zamanda güç kaynağı ve kontrolcülerin olduğu kısım..

Resim 12.2

Resim 12.3

Aracımızın 12.2 ve 12.3’te ki resimler de ,sabit duruşu ve kolumuzun esneklik durumu gösterilmektedir.

(Aracımızı hala daha geliştirmekteyiz. Resimler de kamera konumlarının

yerleştirilmesi ve Webots programında simülasyona sokulmuş durumda değildir. )

Resim 12.4

Aracımızın internet ağı kesildiğinde bağlı olduğu internet ağı üzerinden kontrol edilebilmesini sağlayan sunucu tabanlı aracın işlemci üzerinde ki sunucusuna ait web sitesi.