11% Einsparungen bei den Wartungskosten mit dem Bewässerungsroboter für Pflanzen

Die Robotikabteilung von Innowise hat einen eigenen intelligenten Roboter entwickelt, der ohne menschliches Zutun durch Bürogebäude und Wasseranlagen navigiert.

Der Kunde

Industrie

IT, Entwicklung kundenspezifischer Software

Region

Kunde

Innowise

Innowise ist ein globaler Komplettanbieter für Softwareentwicklung mit über 1500 IT-Spezialisten an Bord. Unser Unternehmen bietet schlüsselfertige Softwareentwicklungsdienste an und hat über 850 Projekte für Kunden aus 30 Ländern weltweit durchgeführt.

Herausforderung: Internes Projekt von Innowise zur Präsentation unserer Robotik-Kompetenz

Robotik ist einer der sich ständig ausweitenden Trends in der modernen IT-Realität. Digitale Netze und künstliche Intelligenz nehmen angesichts der raschen technologischen Fortschritte in diesen Bereichen exponentiell zu.

Mit dem Schwerpunkt auf der Nutzung neuer Technologien übernimmt Innowise fortschrittliche Lösungen, sobald sie auf den Markt kommen. Als Beweis für unsere Kompetenz in diesem Bereich hat unsere Robotik-Abteilung von Grund auf einen vollwertigen autonomen Roboter entwickelt, der die Mitarbeiter beim Gießen der Pflanzen unterstützt. In diesem firmeneigenen Projekt haben wir unser Fachwissen im Bereich der Robotik für Kunden vorgestellt, die IoT-gesteuerte Lösungen suchen, um Routineaufgaben zu automatisieren und menschliches Versagen zu vermeiden.

Lösung: Selbstnavigierender Roboter zur Bewässerung von Pflanzen mit fortschrittlichem Hebesystem

Unsere geprüften Robotik-Entwickler haben ein IRIS (Innowise Robotics Irrigation System) gebaut - einen autonomen, selbstnavigierenden Roboter für die IoT-Pflanzenbewässerung in Bürogebäuden. Neben der Implementierung von Software wie SLAM, ROS und LiDAR haben wir auch Hardware gebaut, darunter eine bewegliche Plattform, einen Wasserspeichertank und ein Hebesystem.

Mapping

Unsere Robotikexperten begannen mit dem Mapping der Büroräume, um ein detailliertes IoT-Anlagenüberwachungssystem zu erstellen und die Standorte der Pflanzen, Hindernisse, Möbel und anderer Objekte zu identifizieren, die die Bewegung des Roboters beeinträchtigen könnten. Wir sorgten für eine vorhersehbare und problemlose Route durch die Büroräume, indem wir die SLAM-Technologie einsetzten, die gleichzeitig den Standort des Roboters bestimmt und eine Umgebungskarte mithilfe von Computer-Vision-Algorithmen, LiDAR (Laserscanner) und anderen Sensorwerkzeugen erstellt.

Unsere Robotikspezialisten verwendeten LiDAR, das mit dem direkt auf dem Roboter montierten Mikrocomputer Raspberry PI verbunden ist, um Hindernisse zu erkennen und Pflanzen zu identifizieren. ROS (Robotic Operating System) und der Hauptrechner nutzen diese visuellen Informationen, um Navigationsdaten zu verarbeiten, Routenberechnungen durchzuführen und die Umgebung des Büros abzubilden.

In dieser Phase sah sich unser Team mit der Herausforderung konfrontiert, einfache Objekte wie Tische, Regale, Stühle und andere Einrichtungsgegenstände zu erkennen, die die Sicht des Roboters einschränken oder falsch identifiziert werden können. Außerdem mussten wir uns mit dynamischen Hindernissen in einer Büroumgebung auseinandersetzen, da Mitarbeiter und sich bewegende Objekte plötzlich ihre Positionen und Richtungen ändern, was den Roboter zwingt, sofortige Entscheidungen zu treffen, um Kollisionen zu vermeiden. Unser Projektteam nutzte Algorithmen des maschinellen Sehens und Lernens, um dieses Problem zu lösen, darunter Bildsegmentierung, Objekterkennung, Rauschfilterung und andere Methoden. Außerdem haben wir unseren autonomen Assistenten mit Bewegungsplanungsalgorithmen wie Rapidly-exploring Random Trees (RRT) und A* (A-star) ausgestattet, die die Position und Form von Hindernissen bei der Ermittlung des optimalen Pfades in Echtzeit berücksichtigen.

Pflanzenerkennung und QR-Codes

Das Hauptziel des Projekts bestand darin, den Roboter zu trainieren, Objekte auf einer Karte zu identifizieren und zu lokalisieren. Ursprünglich wollten wir Stereokameras verwenden, um den Standort der Pflanzen zu bestimmen, ihre Position zu berechnen und eine Route zu erstellen. Als Ergebnis der Brainstorming-Sitzungen entwickelten wir einen alternativen Plan, bei dem der Roboter ein Foto machte und dessen Koordinaten im Raum aufzeichnete. Die Robotik-Ingenieure nutzten ein neuronales Netz, um die Pflanze im Bild zu finden, ihren Begrenzungsrahmenzu berechnen und die Richtung der Blume zu bestimmen.

Im Rahmen von Bildverarbeitungsprojekten dienen Begrenzungsrahmen als Referenzpunkte für die Objekterkennung und erstellen Kollisionsboxen für sie. Ausgehend von den Koordinaten des Roboters, der Ausrichtung der Kamera und der Position der Blume haben wir einen Strahl gezeichnet, der die Position des Roboters mit der Pflanze verbindet. Durch mehrmaliges Wiederholen dieses Vorgangs erhielten wir viele Strahlen, die sich in einem Punkt kreuzten und die Pflanze erkannten, die gegossen werden musste.

Unsere Ingenieure stützten sich auf Modelle, die auf COCO- und ImageNet-Datensätzen trainiert wurden, um Blumen in Töpfen nahtlos zu identifizieren. Auf der Grundlage dieses Modells haben wir alle unnötigen Klassen herausgefiltert und einen benutzerdefinierten Detektor entwickelt, der die Richtung Begrenzungsrahmens mit den Roboterkoordinaten synchronisiert. Um die genauen räumlichen Koordinaten des Gießstabs zu bestimmen, haben wir ein Bündel von Kameras und LiDAR verwendet.

Sobald der Roboter die Pflanze erkannt hat, sollte er ihre genaue Position im Raum bestimmen und feststellen, ob sie bewässert werden sollte. Zu diesem Zweck haben wir alle Töpfe im Büro mit QR-Codes versehen, die mit Datenbanken verbunden sind, in denen die Bewässerungshistorie aller Pflanzen gespeichert ist.

Bewegliche Plattform

Bei der Hardware entschied sich das Robotik-Team für ein modulares System, das eine bewegliche Plattform mit Elektronik, einen Wasserspeicher, eine Batterie und ein zweistufiges Aufzugsystem umfasst. Wir haben das Aluminiumprofil des V-Slot-Formats für den Zusammenbau des Roboterrahmens verwendet, weil es haltbar und leicht ist und eine bessere Manövrierfähigkeit und einen geringeren Energieverbrauch ermöglicht.

Anstelle von Standard-Differentialantrieben haben wir an den Ecken des Roboters Omni-Räder eingebaut, um eine reibungslose Navigation zu gewährleisten. Omni-Räder oder omnidirektionale Räder haben kleine Scheiben (Rollen) am Umfang, die sich um ihre Achse oder senkrecht dazu drehen können und das gesamte System leicht antreiben. Auf diese Weise kann sich der Roboter in jede beliebige Richtung bewegen, ohne die Hauptstruktur zu drehen, wobei lediglich die Geschwindigkeitsdifferenz zwischen den einzelnen Rädern genutzt wird.

Aufzug und Bewässerung

Die Blumen werden auf den Schreibtischen der Mitarbeiter, hohen Bücherregalen und an anderen Stellen ausgestellt, die für die Mitarbeiter schwer zugänglich sind. Anstatt einen hohen Roboter zu bauen, montierten unsere Experten einen Hebemechanismus auf der Basis von Gleitrollen, wodurch die arbeitsintensive und wirtschaftlich ineffiziente bücherregalhohe Konstruktion überflüssig wurde. Mit den V-Slot-Profilteilen von OpenBuilds haben wir die Aufzugstufen mit Schlitten und Rollen, die entlang des Hebemechanismus gleiten, starr aneinander befestigt. Letztlich werden die Schlitten durch einen Riemen bewegt, der zwischen einem Motor und einer auf der anderen Seite montierten Spanneinheit gespannt ist.

Oben auf der letzten Stufe des Aufzugs haben wir einen Servomotor eingebaut, der einen Kohlefaserstab zur Bewässerung der Blumen ausfährt, der mit einer im Wassertank installierten Schlauchpumpe verbunden ist. Im Gegensatz zu herkömmlichen Kreiselpumpen, die empfindlich auf das Flüssigkeitsvolumen reagieren, haben wir peristaltische Pumpen eingesetzt, die einen elastischen Schlauch über Rollen am Umfang zusammendrücken und die Flüssigkeit herausdrücken. Im Vergleich zu Standardpumpen haben diese Mechanismen eine viel langsamere Pumpgeschwindigkeit, können aber die Flüssigkeit auf eine viel größere Höhe heben.

Technologien & Tools

Backend

Python, Django(DRF), FastAPI, AWS IoT Core, pandas, Loki, Prometheus, Grafana, API Gateway, AWS (Route, Lambda, RDS, S3, SQS, SES, EKS, ECR)

Frontend

JavaScript, TypeScript, React, Redux, Leaflet, Webpack, Axios, Material UI, Cube.js, AWS CloudFront

Eingebettet

AVR, Raspberry Pi, SPI, UART, USB, I2C, HTTP, Solidworks, ROS, SLAM, LiDAR, Altium Designer

ML/DS

OpenCV, TensorFlow, TFLite, ONNX, NumPy

DevOps

Terraform, Weave, Docker. Docker Compose, Kubernetes, BitBucket Pipelines

Datenbank

PostgreSQL, AWS Timestream

Prozess

Unsere Robotikabteilung folgte während des gesamten Projekts der agilen Methodik und arbeitete eng mit Spezialisten für maschinelles Lernen, Computer Vision und Data Science zusammen, um die gewünschten Ergebnisse zu erzielen. Wir waren bestrebt, eine umfassende Lösung zu liefern, ohne den Umfang zu überschreiten, und potenziellen Kunden branchenspezifische Kenntnisse in einem komplexen und anspruchsvollen Bereich zu vermitteln. In regelmäßigen Besprechungen, Brainstorming-Sitzungen und retrospektiven Analysen hielten unsere Robotikexperten den Projektfortschritt auf dem Laufenden und gingen auf alle Probleme ein.

Derzeit testen wir ein Bewässerungs- und Pflanzenerkennungssystem sowie einen Polieralgorithmus, der automatisch Büropflanzen in unterschiedlichen Höhen findet und erreicht, ohne mit ihnen zu kollidieren. Während der Entwicklung haben wir auch Designprobleme festgestellt und eine Skizze erstellt, um diese Nebeneffekte zu beheben, bevor wir den Roboter den Investoren vorstellen. Außerdem entwickeln unsere Spezialisten eine technische Basis für den Roboter, einschließlich einer Ladestation, die an die Wasserversorgung und das 220-Volt-Netz angeschlossen ist und es dem Roboter ermöglicht, den eingebauten Akku aufzuladen und den eingebauten Wassertank automatisch aufzufüllen.

Team

Back-End-Entwickler

Front-End-Entwickler

Projektmanager

Business-Analyst

Software-Architekt

Teamleiter

Hardware-Ingenieure

Firmware-Entwickler

DevOps-Ingenieur

ML/DS-Ingenieur

3D-Modellierer

Design-Ingenieur

Ergebnisse: Um 34% reduzierte Pflanzenschäden mit einem intelligenten IoT-Bewässerungssystem

Das Robotik-Team von Innowise hat einen IRIS gebaut - einen automatisierten, IoT-gesteuerten Roboter zum Gießen von Pflanzen und zur Navigation in der Büroumgebung. Wir haben das Gerät mit einem fortschrittlichen Kartierungssystem ausgestattet, um mithilfe von SLAM-Technologie, LiDAR (Laserscanner) und anderen Sensoren genaue Routen zu erstellen. Darüber hinaus haben unsere Ingenieure den Roboter mit einem Hebemechanismus ausgestattet, der auf Gleitrollen und einer Kohlefaserstange an der Spitze basiert.

Deshalb haben wir ein Bewässerungssystem entwickelt, mit dem die Pflanzen regelmäßig und ohne menschliches Zutun bewässert werden können. IRIS sorgt für die Gesundheit der Blumen, verbessert die Luftqualität und fördert eine grüne Atmosphäre im Büro. Es entlastet auch die Mitarbeiter, die bisher die Pflanzen manuell gießen mussten, so dass sie sich auf ihre eigentlichen Aufgaben konzentrieren können, ohne durch Routineaufgaben abgelenkt zu werden.

Projektdauer

Februar 2023 - Laufend

11%

Einsparungen bei den Wartungskosten

34%

weniger Pflanzenschäden

Unsere aktuellen Fallstudien

Sie brauchen eine technische Lösung? Kontaktieren Sie uns!

Name

Unternehmen

E-Mail

Telefon

Nachricht Bitte fügen Sie Projektdetails, Dauer, Technologie-Stack, benötigte IT-Experten und andere Infos bei.

Bitte fügen Sie Projektdetails, Dauer, Technologie-Stack, benötigte IT-Experten
und andere Infos bei.

Hängen Sie nach Bedarf zusätzliche Dokumente an.

Datei hochladen

Sie können bis zu 1 Datei von insgesamt 2 MB anhängen. Gültige Dateien: pdf, jpg, jpeg, png

Bitte beachten Sie, dass Innowise mit dem Anklicken der Schaltfläche 'Senden' Ihre persönlichen Daten nach der Datenschutzrichtlinie verarbeiten wird, um Ihnen die gewünschten Informationen zukommen zu lassen.

Wie geht es weiter?

Sobald wir Ihre Anfrage erhalten und bearbeitet haben, werden wir uns mit Ihnen in Verbindung setzen, um Ihre Projektanforderungen zu besprechen und eine NDA (Vertraulichkeitserklärung) für die Vertraulichkeit der Informationen zu unterzeichnen.

Nach der Prüfung der Anforderungen erstellen unsere Analysten und Entwickler einen Projektvorschlag, der Arbeitsumfang, Teamgröße, Zeit- und Kostenschätzung enthält.

Wir vereinbaren einen Termin mit Ihnen, um das Angebot zu besprechen und eine Vereinbarung mit Ihnen zu treffen.

Wir unterzeichnen einen Vertrag und beginnen umgehend mit der Arbeit an Ihrem Projekt.

11% Einsparungen bei den Wartungskosten mit dem Bewässerungsroboter für Pflanzen

Der Kunde

Herausforderung: Internes Projekt von Innowise zur Präsentation unserer Robotik-Kompetenz