プロジェクト · 2025年8月 — 2025年12月
Yeaberry - 自律イチゴ収穫ロボット
Tecnológico de Monterrey
空気圧式ソフトグリッパ、YOLO11-SによるRGB-D認識、UR3e制御、作物モニタリングを組み合わせたイチゴ収穫用サイバーフィジカルセル。
共同作業者
ハイライト
- イチゴ収穫向けの3指シリコングリッパの開発をリード。
- 約18,000枚の公開画像と62,213件のアノテーション、RealSense D435の深度情報、PnP姿勢推定を用いたYOLO11-S認識サービスを開発。
- RoboDK/UR3e向けに、ピック前後の動作、MQTTグリッパ制御、衝突事前確認、視覚による成功判定を含むピック・アンド・プレースサイクルを実装。
- ESP32による圧力フィードバックと、ポンプおよびバルブのPWM制御を備えた2層電空制御基板を設計。
- ESP32、Raspberry Pi 5、環境センサー、MQTTロギング、ダッシュボード、Telegram通知を組み合わせた作物モニタリングシステムを統合。
- 人工イチゴを使った可視および部分遮蔽シナリオの管理試験で、75%超の成功目標を達成。
メディア
PDF詳細
Yeaberryは、制御された環境で傷つきやすいイチゴを収穫するための、16週間にわたる概念実証用サイバーフィジカルセルとして開発しました。果実の検出と3D姿勢推定から、協働ロボットの移動、柔軟なツールの駆動、果実の配置、収穫成否の確認までを一つのワークフローに統合しています。
担当内容
3指空気圧式ソフトグリッパ、UR3e用のユニバーサルなクイックチェンジカプラ、アクチュエータ金型、硬い部品を果実から離すソフトセンターパッドを設計しました。アクチュエータは、形状の異なる果実に適応できるよう、摩擦を高める曲面形状と2列の空気室を備えています。有限要素シミュレーションで変形を検討し、シリコンの製造および封止工程も反復的に改善しました。
認識とロボット統合の主要経路も担当しました。認識サービスは、RealSense D435 RGB-Dカメラと、約18,000枚の公開画像および62,213件のアノテーションで学習したYOLO11-S検出器を組み合わせています。モデルは成熟・未成熟の果実を分類し、深度フィルタリングとPnP計算によって各検出を利用可能な6自由度姿勢へ変換します。試験環境では、安全性の低い検出を減らすため、設定可能な信頼度しきい値0.65を選択しました。
システム構成
制御スタックでは、RoboDKをUR3eのデジタルツインおよび中間層として使用しました。完全なサイクルは、撮影・ホーム姿勢、検出された果実姿勢からのピック前およびピック目標の計算、グリッパの加圧・開放用MQTTコマンド、校正済みの収穫後動作で構成されます。実行前にはシミュレーションで軌道の衝突を確認し、配置後は撮影姿勢へ戻って、成熟した果実が残っていないかを再度認識します。
グリッパは、ESP32、空気圧ポンプ、3/2ソレノイドバルブ、圧力センサー、MOSFETドライバ、2層制御基板で駆動します。圧力とPWMの特性評価により、Kp = 7、Ki = 2のPI制御器を調整しました。並行して、別のESP32とRaspberry Pi 5を中心とした農業モニタリングサービスを構築し、DHT22、LDR、3個の静電容量式土壌水分センサーの値をMQTTで送信し、Raspberry Piでデータと画像を保存してダッシュボードとTelegram通知に利用しました。
評価と課題
最終実験では、実際の果実の大きさ、位置、抵抗を再現するように配置した人工イチゴを使用しました。試験条件には、遮蔽のない成熟果実、未成熟果実に接触し最大20%遮蔽された成熟果実、葉によって40%以上遮蔽された成熟果実を含めました。レポートでは、指定された成熟状態の果実を識別・収穫する統合システムが、当初の成功目標75%を上回ったとしています。
成果は制御された環境での機能実証であり、実フィールド向けに完成した農業機械ではありません。遮蔽下での未検出、葉に似た背景との混同、アクチュエータ製造時の封止のばらつき、センサー校正、Raspberry Pi故障後のデータ損失、ポンプ振動、固定された構成でのUR3eの到達範囲が課題として確認されました。次の段階として、より現実的な温室環境、シナリオ別学習データ、再現性の高いソフトアクチュエータ製造、強化されたデータバックアップ、適応制御が挙げられています。