RoMu4o：用于orchard operations的机器人操作单元，实现近端 hyperspectral 叶子感知自动化
机器人学
2025-01-22 v1 计算机视觉与模式识别
摘要
受劳动力短缺和快速增长人口需求的驱动，机器人自动化已成为精密农业中的关键组件。叶层 hyperspectral 光谱被证明是表型化、监测作物健康、识别植物中必需营养素以及检测疾病和水分压应急的强大工具。本文介绍 RoMu4o，这是一种用于orchard operations的机器人操作单元，提供了近端 hyperspectral 叶子感知的自动化解决方案。该地面机器人配备 6 自由度的机器人臂和视觉系统，实现实时深度学习图像处理和运动规划。我们开发了稳健的感知和操作管道，使机器人能够成功抓取目标叶子并执行光谱测量。这些框架协同工作，以识别和提取叶子从观察到的一批植被中的 3D 结构，提出 6D 位姿，并生成用于精确叶子操作的碰撞自由约束感知路径。机械臂的末端执行器采用紧凑设计，集成独立的照明源和 hyperspectral 传感器，实现高保真数据获取，同时简化校准过程以确保准确测量。我们的地面机器人设计用于在非结构化的园艺环境中运行。然而，该系统在室内和室外植物模型中的性能均得到评估。该系统在实验室试验中实现了 95% 的成功率，户外试验中为 79%。田间实验显示，在核桃园中实现自动叶子抓取和 hyperspectral 测量的总体成功率为 70%。开源仓库地址为：https://github.com/mehradmrt/UCM-AgBot-ROS2
引用
@article{arxiv.2501.10621,
title = {RoMu4o: A Robotic Manipulation Unit For Orchard Operations Automating Proximal Hyperspectral Leaf Sensing},
author = {Mehrad Mortazavi and David J. Cappelleri and Reza Ehsani},
journal= {arXiv preprint arXiv:2501.10621},
year = {2025}
}