Συντάχθηκε 16-05-2025 12:36
Τόπος:
Σύνδεσμος τηλεδιάσκεψης
Έναρξη: 20/05/2025 10:00
Λήξη: 20/05/2025 11:00
ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών
ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ
Θεοδώρου Φλωράκη
με θέμα
Κατασκευή Ρομποτικού Βραχίονα για Συγκομιδή Φυτών σε Θερμοκηπιακές Καλλιέργειες
Robotic Arm Construction for Plant Harvesting in Greenhouses
Εξεταστική Επιτροπή
Καθηγητής Ευτύχιος Κουτρούλης (επιβλέπων)
Αναπληρωτής Καθηγητής Κωνσταντίνος Γυφτάκης
Καθηγητής Σπυρίδων Παπαευθυμίου (Πολυτεχνείο Κρήτης, Σχολή ΜΠΔ)
Περίληψη
Η αυτοματοποίηση της γεωργικής παραγωγής αποτελεί μια σημαντική πρόκληση στο σύγχρονο κόσμο. Οι νέες τεχνολογίες και εφαρμογές γεωργίας μπορούν να οδηγήσουν σε αύξηση της παραγωγής και της απόδοσης, καθώς και σε βελτίωση της ποιότητας των προϊόντων. Η αυτοματοποίηση έχει συνεισφέρει σε διάφορες εφαρμογές στη γεωργία, όπως η φύτευση, η συγκομιδή, η αναγνώριση ασθενειών, η εκτίμηση παραγωγής, ο ποιοτικός έλεγχος, η διαχείριση των υδάτων, η παρακολούθηση καλλιεργειών, ο έλεγχος εντομοκτόνων και η ποιότητα εδάφους και παρασιτοκτόνων. Μεταξύ αυτών των εφαρμογών, η συγκομιδή είναι η διαδικασία που έχει δεχτεί τη μικρότερη τεχνολογική ανάπτυξη για ικανοποιητική αυτοματοποίηση. Μέχρι και σήμερα, η πλειονότητα της συγκομιδής φρούτων και λαχανικών βασίζεται κατά κύριο λόγο σε χειροκίνητες τεχνικές. Τα ρομποτικά συστήματα, ικανά για ευφυή, αυτοματοποιημένη και επιλεκτική συγκομιδή μπορούν να συνεισφέρουν σημαντικά στον πρωτογενή τομέα. Στην παρούσα διπλωματική εργασία περιγράφονται η κατασκευή και προγραμματισμός ενός ρομποτικού βραχίονα για χρήση σε καλλιέργειες ντομάτας και πιπεριάς εντός θερμοκηπίων. Το σύστημα που υλοποιείται χρησιμοποιεί υπολογιστική όραση για να αναγνωρίζει ώριμους καρπούς με βάση το χρώμα, το μέγεθος και άλλες οπτικές ενδείξεις, επιτρέποντας ακριβείς αποφάσεις συγκομιδής. Για την επίτευξη του συγκεκριμένου σκοπού γίνεται χρήση αλγορίθμων μηχανικής μάθησης, οι οποίοι αναλύουν εκτεταμένες ποσότητες δεδομένων για να βελτιώσουν την απόδοση της πρόβλεψης, να βελτιστοποιήσουν τα χρονοδιαγράμματα συγκομιδής και να μειώσουν τη σπατάλη. Τα επιμέρους εξαρτήματα του ρομποτικού βραχίονα υλοποιούνται μέσω τρισδιάστατης εκτύπωσης και η τελική τους συναρμολόγηση συνθέτει το συνολικό αποτέλεσμα της κατασκευής. Με αυτόν τον τρόπο, ο ρομποτικός βραχίονας που υλοποιείται βελτιστοποιεί τη συγκομιδή ντομάτας και πιπεριάς, επιτρέποντας παράλληλα την εξυπνότερη λήψη αποφάσεων σε όλο τον κύκλο της καλλιέργειας.
Abstract
The automation of agricultural production constitutes a significant challenge in the modern world. Emerging technologies and agricultural applications can lead to increased productivity and efficiency, as well as improved product quality. Automation has contributed to various agricultural applications, including planting, harvesting, disease recognition, yield estimation, quality control, water management, crop monitoring, pesticide control, and soil and pest quality assessment. Among these applications, harvesting is the process that has seen the least technological advancement toward satisfactory automation. To this day, the majority of fruit and vegetable harvesting relies primarily on manual techniques.
Robotic systems capable of intelligent, automated, and selective harvesting can significantly contribute to the primary agricultural sector. This thesis presents the development and programming of a robotic arm designed for use in tomato and pepper cultivation within greenhouses. The implemented system utilizes computer vision to identify ripe fruits based on color, size, and other visual indicators, enabling precise harvesting decisions.
To achieve this goal, machine learning algorithms are employed to analyze vast amounts of data, enhancing predictive accuracy, optimizing harvesting schedules, and reducing waste. The individual components of the robotic arm are fabricated using 3D printing, and their final assembly results in the complete construction of the system. Through this approach, the developed robotic arm optimizes the harvesting process for tomatoes and peppers while simultaneously facilitating smarter decision-making throughout the entire cultivation cycle.
Meeting ID: 967 8767 2714
Password: 259569
