| Popis: |
Težak fizički rad u vinogradu može imati negativan utjecaj na ljudsko zdravlje. U okviru projekta HEKTOR razvijen je sustav za nadzor i obavljanje posla u vinogradu pomoću autonomnih robota - bespilotne letjelice i mobilnog manipulatora. Kako bi se locirao mobilni robot u slučaju kvara ili zaglavljivanja, u ovom je radu razvijen algoritam za detekciju i pronalazak mobilnog robota VIV-a u strmom vinogradu. Testirane su raličite metode detekcije te je na kraju odabrana detekcija pomoću neuronske mreže. Napravljen je skup podataka sa slikama VIV-a te je istrenirana YOLOv5 duboka konvolucijska neuronska mreža za detekciju na tom podatkovnom skupu. Mreža daje vrlo dobre rezultate, ispravno detektirajući robota u većini slučajeva s visokom razinom uvjerenja (>=0.65) na dotad neviđenim podacima. Na taj način omogućava jednostavan pronalazak moblinog robota u vinogradu. U budućnosti se može implementirati efikasnija metoda pretraživanja vinograda te se može proširiti podatkovni skup kako bi neuronska mreže bila još robusnija. Hard physical work in the vineyard can have a negative impact for human health. Within the HEKTOR project, a system was developed for monitoring and performing work in the vineyard with the help of autonomous robots - unmanned aerial vehicle and a mobile manipulator. In order to locate the mobile robot in case of failure or jamming, an algorithm for detecting and finding the VIV mobile robot in a steep vineyard was developed in this thesis. Different detection methods were tested and finally neural network detection was selected. A dataset with VIV images was created and a YOLOv5 deep convolutional neural network was trained for detection on that data set. The network gives very good results, correctly detecting the robot in most cases with a high level of confidence (>=0.65) on unseen data. This makes it easy to find the mobile robot in the vineyard. In the future, a more efficient method of searching vineyards can be implemented and the dataset can be expanded to make neural network even more robust. |
