11% besparing op onderhoudspersoneel na het bouwen van een automatische robot voor het besproeien van planten

De robotica-afdeling van Innowise ontwikkelde een eigen slimme robot om zonder menselijke tussenkomst door kantoorgebouwen en waterinstallaties te navigeren.

Klant

Industrie

IT, Ontwikkeling van software op maat

Regio

Klant

Innowise

Innowise is een wereldwijde full-cycle software ontwikkeling leverancier met 1500 + IT-specialisten aan boord. Ons bedrijf levert turnkey software ontwikkeling diensten, het leveren van 850 + projecten voor klanten uit 30 landen over de hele wereld.

Uitdaging: Innowise's in-house project om onze robotexpertise te laten zien

Robotica is een van de steeds groeiende trends in de moderne IT-werkelijkheid. Digitale netwerken en kunstmatige intelligentie groeien exponentieel, gezien de snelle technologische vooruitgang op deze gebieden.

Met een focus op het gebruik van opkomende technologieën, Innowise neemt geavanceerde oplossingen als ze op de markt komen. Als bewijs van onze uitmuntendheid in het domein, heeft onze robotica-afdeling een volwaardige autonome robot gemaakt om medewerkers te helpen met het water geven van planten. Met dit eigen project toonden we onze roboticakennis aan klanten die op zoek zijn naar IoT-gestuurde oplossingen om routinetaken te automatiseren en menselijk toezicht te elimineren.

Oplossing: Zelfnavigerende robot die planten water geeft met geavanceerd hefsysteem

Onze doorgelichte robotica-ontwikkelaars bouwden een IRIS (Innowise Robotics Irrigation System) - een autonome zelfnavigerende robot voor IoT-plantenbewatering in kantoorgebouwen. Naast het implementeren van software zoals SLAM, ROS en LiDAR, bouwden we ook hardware, waaronder een bewegend platform, een wateropslagtank en een hefsysteem.

In kaart brengen

Onze robotica-experts begonnen met het in kaart brengen van kantoorruimtes om een gedetailleerd IoT-systeem voor plantbewaking te creëren, waarbij de locaties van de planten, obstakels, meubels en andere objecten die de beweging van de robot kunnen beïnvloeden, werden geïdentificeerd. We zorgden voor voorspelbare en probleemloze routing door kantoorkamers door gebruik te maken van SLAM-technologie, die tegelijkertijd de locatie van de robot bepaalt en een omgevingskaart maakt met behulp van computervisiealgoritmen, LiDAR (laserscanners) en andere sensorhulpmiddelen.

Onze robotspecialisten gebruikten LiDAR verbonden met de Raspberry PI microcomputer die direct op de robot is gemonteerd om obstakels te detecteren en planten te identificeren. ROS (Robotic Operating System) en de hoofdcomputer gebruiken deze visuele informatie om navigatiegegevens te verwerken, routeberekeningen te maken en de omgeving van het kantoor in kaart te brengen.

Tijdens deze fase werd ons team geconfronteerd met de uitdaging van beperkte zichtbaarheid bij het detecteren van gewone objecten zoals tafels, planken, stoelen en andere voorwerpen in het interieur die het zicht van de robot beperken of verkeerd geïdentificeerd kunnen worden. Bovendien hadden we te maken met dynamische obstakels in een kantooromgeving omdat werknemers en bewegende objecten plotseling van positie en richting veranderen, waardoor de robot gedwongen wordt om onmiddellijk beslissingen te nemen om botsingen te vermijden. Ons projectteam gebruikte computer vision en machine learning algoritmen om dit probleem aan te pakken, waaronder beeldsegmentatie, objectdetectie, ruisfiltering en andere methoden. We hebben onze autonome assistent ook uitgerust met algoritmen voor bewegingsplanning, zoals RRT (Rapidly-exploring Random Trees) en A* (A-star), die rekening houdt met de positie en vorm van obstakels bij het identificeren van het optimale pad in realtime.

Detectie van planten en QR-codes

Het belangrijkste doel van het project was om de robot te trainen in het identificeren en lokaliseren van objecten op een kaart. In eerste instantie waren we van plan om stereoscopische camera's te gebruiken om de locatie van de planten te bepalen, hun positie te berekenen en een route te maken. Als resultaat van de brainstormsessies bedachten we een alternatief schema waarbij de robot een foto nam en de coördinaten in de ruimte vastlegde. Robotica-ingenieurs gebruikten een neuraal netwerk om de plant in het frame te vinden, de begrenzing te berekenen en de richting van de bloem te bepalen.

Als onderdeel van beeldverwerkingsprojecten dienen bounding boxes als referentiepunten voor objectdetectie en worden er collision boxes voor gemaakt. Op basis van de coördinaten van de robot, de oriëntatie van de camera en de locatie van de bloem tekenden we een straal die de robotpositie met de plant verbond. Door dit proces vele malen te herhalen, kregen we vele stralen die elkaar op één punt kruisten en de plant detecteerden die water nodig had.

Onze technici vertrouwden op modellen die waren getraind op COCO- en ImageNet-datasets om bloemen in potten naadloos te identificeren. Op basis van dit model filterden we alle onnodige klassen eruit en ontwikkelden we een aangepaste detector die de richting van de bounding box synchroniseert met de robotcoördinaten. Om de precieze ruimtelijke coördinaten van de gieter te bepalen, gebruikten we een bundel camera's en LiDAR.

Zodra de robot de plant detecteert, moet hij de exacte positie in de ruimte bepalen en bepalen of de plant water moet krijgen. Voor dit doel hebben we alle kantoorpotten gelabeld met QR-codes die verbonden zijn met databases waarin de bewateringsgeschiedenis van alle planten wordt bijgehouden.

Bewegend platform

Wat hardware betreft, koos het roboticsteam voor een modulair systeem, dat een bewegend platform bevatte met elektronica, een wateropslagtank, een batterij en een liftsysteem met twee niveaus. We gebruikten het aluminium profiel van het V-Slot formaat om het frame van de robot in elkaar te zetten vanwege de duurzaamheid en het lage gewicht, waardoor de wendbaarheid verbeterde en het energieverbruik daalde.

In plaats van standaard differentieelaandrijvingen hebben we omni-wielen geïmplementeerd op de hoeken van de robot om een soepele navigatie te garanderen. Omni-wielen, of omnidirectionele wielen, hebben kleine schijven (rollen) rond de omtrek die om hun as of loodrecht kunnen draaien, waardoor het hele systeem gemakkelijk wordt aangedreven. Op deze manier kan de robot in elke richting bewegen zonder de hoofdstructuur te roteren, waarbij alleen het verschil in snelheid tussen elk wiel wordt gebruikt.

Lift en irrigatie

Bloemen worden tentoongesteld op bureaus, planken, rekken, hoge boekenkasten en andere plaatsen waar werknemers moeilijk bij kunnen. In plaats van een hoge robot te bouwen, monteerden onze experts een hefmechanisme op basis van glijdende rollen, waardoor de arbeidsintensieve en economisch inefficiënte hoge boekenkastconstructie overbodig werd. Met de V-Slot profielonderdelen van OpenBuilds hebben we de lifttrappen stevig aan elkaar bevestigd met sleden en rollen die langs het hefmechanisme glijden. Uiteindelijk worden de sledes bewogen door een riem die gespannen is tussen een motor en spaninrichting die aan de andere kant gemonteerd zijn.

Bovenop de laatste lifttrap implementeerden we een servomotor die een koolstofvezel staaf uitvouwt om bloemen water te geven, verbonden met een slangenpomp die in de watertank is geïnstalleerd. In tegenstelling tot standaard roterende pompen, die gevoelig zijn voor het volume van de vloeistof, gebruikten we peristaltische pompen, die een elastische buis door rollen aan de omtrek knijpen en de vloeistof eruit duwen. Vergeleken met standaardpompen hebben deze mechanismen een veel lagere pompsnelheid, maar kunnen ze de vloeistof tot een veel grotere hoogte opvoeren.

Technologieën en hulpmiddelen

Back-end

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

Front-end

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

Ingebed

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-pijplijnen

Database

PostgreSQL, AWS Timestream

Proces

Onze robotica-afdeling volgde gedurende het hele project de agile-methodologie en werkte nauw samen met specialisten op het gebied van machine learning, computer vision en data science om de gewenste resultaten te behalen. We streefden ernaar om een allesomvattende oplossing te leveren zonder scope creep, waarbij we industriespecifieke kennis lieten zien aan potentiële klanten in een complex en veeleisend gebied. Tijdens regelmatige vergaderingen, brainstormsessies en analyses achteraf hielden onze robotica-experts de voortgang van het project bij en pakten ze alle problemen aan.

Momenteel testen we een bewaterings- en plantdetectiesysteem en poetsalgoritme dat automatisch kantoorplanten op verschillende hoogtes vindt en bereikt zonder te botsen. We hebben ook ontwerpproblemen geïdentificeerd tijdens de ontwikkeling en een schets gemaakt om deze neveneffecten aan te pakken voordat we de robot aan investeerders laten zien. Onze specialisten ontwikkelen ook een technische basis voor de robot, inclusief een laadstation dat is aangesloten op de watervoorziening en het 220V netwerk, zodat de robot de accu aan boord kan opladen en de ingebouwde watertank automatisch kan bijvullen.

Team

Back-end Ontwikkelaars

Front-end Ontwikkelaars

Projectleider

Bedrijfsanalist

Software Architect

Teamleider

Hardware Engineers

Firmware Developers

DevOps Engineer

ML/DS Engineer

3D-modeller

Design Engineer

Resultaten: 34% verminderde schade aan planten met een slim IoT plant bewateringssysteem

Het robotica-team van Innowise heeft een IRIS gebouwd - een geautomatiseerde IoT-gestuurde robot om planten water te geven en door de omgeving van kantoren te navigeren. We hebben het apparaat uitgerust met een geavanceerd kaartsysteem om nauwkeurige routes te bouwen met behulp van SLAM-technologie, LiDAR (laserscanners) en andere sensoren. Daarnaast voorzagen onze technici de robot van een hefmechanisme op basis van glijdende rollen en een koolstofvezel stang bovenop.

Daarom hebben we een bewateringssysteem ontworpen waarmee de planten regelmatig water krijgen zonder menselijke tussenkomst. IRIS garandeert de gezondheid van de bloemen, verbetert de luchtkwaliteit en bevordert een groene sfeer op kantoor. Bovendien vermindert het de werkdruk van medewerkers die voorheen de planten handmatig water moesten geven, zodat ze zich kunnen concentreren op hun kerntaken zonder te worden afgeleid door routinetaken.

Duur van het project

Februari 2023 - Doorlopend

11%

besparingen op onderhoudspersoneel

34%

minder schade aan planten

Gerelateerde gevallen

Heb je een technologische oplossing nodig? Neem contact met ons op!

Naam

Bedrijf

E-mail

Telefoon

Bericht Voeg projectgegevens alsjeblieft, duur, technische stapel, IT-professionals nodig en andere relevante informatie toe

Neem een spraakbericht over uw
project op om het ons beter te helpen begrijpen

Voeg indien nodig aanvullende documenten bij

Bestand uploaden

Je kunt maximaal 1 bestand van 2MB bijvoegen. Geldige bestanden: pdf, jpg, jpeg, png

Wij wijzen u erop dat wanneer u op de verzendknop klikt, Innowise uw persoonsgegevens verwerkt in overeenstemming met ons Privacybeleid om u van de juiste informatie te voorzien.

Wat gebeurt er nu?

Na ontvangst en verwerking van uw aanvraag, nemen wij binnenkort contact met u op om uw projectbehoeften in detail te beschrijven en een NDA te ondertekenen om de vertrouwelijkheid van informatie te garanderen.

Na het bestuderen van de vereisten, stellen onze analisten en ontwikkelaars een projectvoorstel met de omvang van de werkzaamheden, teamgrootte, tijd en kosten schattingen.

Wij regelen een ontmoeting met u om het aanbod te bespreken en tot een overeenkomst.

We tekenen een contract en beginnen zo snel mogelijk aan uw project te werken.

11% besparing op onderhoudspersoneel na het bouwen van een automatische robot voor het besproeien van planten

Klant

Uitdaging: Innowise's in-house project om onze robotexpertise te laten zien