文|忆春莱

编辑|忆春莱

介绍

牛奶和由牛奶制成的食品是人类饮食中的重要组成部分，众所周知，在过去的几十年里，乳制品的消费量显著增长，2017年，全球生产了4.97亿公吨牛奶；到2022年，这一数字已增长至约5.34亿公吨。

技术流程的自动化和数字化是实施此类项目的组成部分，这表明了畜牧设备制造商和信息技术部门公司之间的互动；这是一种有效的互动，可以促进农民的工作，并稳定技术公司的扣除额，因为农场每天都在使用数字产品。

迄今为止，技术解决方案市场提供了各种软件产品，允许奶牛饲养、生产指标控制以及及时识别和通知动物狩猎和即将到来的产犊——这些和其他软件功能是做出管理决策的有效手段；除了软件之外，在过去的10年里，小农场对技术流程的自动化手段(挤奶机器人和饲料分配机器人)的兴趣也在增加。

对乳制品生产现状的分析表明，只有在新的技术水平上才能保证该领域的有效发展。

实践经验表明，农业的发展正沿着操作过程自动化和机器人化的道路前进。这是由于提高生产绩效的要求以及与人力资源短缺有关的问题。

例如，对于农民来说，使用机器人，尤其是挤奶机器人，不仅减轻了劳动，而且提供了提高动物护理质量和产品质量的机会，特别是在通过对挤奶单元的自愿访问表明，为行走的动物使用挤奶机器人显著降低了动物的压力水平。

这种创新可以更好地实现牛的遗传潜力，更合理地使用饲料，更好地利用精力、财力和人力资源及主要资金，以及获得更高质量和生态纯度的产品，饲喂过程部分自动化的一个重要例子是饲料机器人的使用。

在饲喂过程中使用机器人的明显优势是提供循环饲料分配，这提高了饲料消耗水平，这也提高了动物访问喂食通道的频率。这已经通过对农场饲养过程的分析得到了证实，研究表明，一天三次或更多次的饲料分配频率增加了动物的兴趣和去饲料通道的次数，导致动物更高的每日饲料消耗水平。

在他们的研究中，牛倾向于将饲料混合物的成分分类为具有高味道质量的能量有价值的复合饲料，而动物试图忽略散装饲料，如青贮饲料和干草，它们是纤维的主要来源。

选择性饲料消耗的问题可以通过使用轮式机器人技术手段来解决，该技术手段将根据饲料通道中剩余的饲料量成比例地进行浓缩饲料添加剂的定量给料，机器人学中的一个基本问题是路径规划，因为机器人在进给通道上操作时会与进给交互并遇到机械阻力。

在现有的奶牛养殖场中，移动基座沿着金属带移动，移动机器人通过感应传感器沿着金属带定向。如果机器人在操作过程中偏离了金属带，来自感应传感器的遥测信号会识别其偏离轨迹的方向，并向机器人控制器发送信号，使其返回正确的路径。

然而，由于饲料在饲料通道中的混乱放置(包括由产奶动物的动作引起的饲料溢出)，当机器人返回到轨迹时，存在金属带可能未被感应传感器检测到的可能性，这负面地影响了机器人的生产率和能量效率，该新颖的解决方案是一种智能算法，其对来自立体视觉摄像机的图像执行初步语义分割，以便检测产奶动物栏的饲料和框架，并在紧急情况下或由于金属带的污染而无法检测到轨迹的情况下为移动基座提供额外的定向。

当使用具有漏斗分配器的轮式机器人解决牛选择性消耗浓缩饲料的问题时，还需要估计位于饲料通道中的饲料量，为了实现这一点，我们假设视觉系统可以构建三维图像，并考虑饲料的体积。

材料和方法

在推钢机器人控制系统的设计阶段，建立了机器人运动的期望轨迹模型。为了保证所设计机器人的自主定位，其运动轨迹应是基本的。

换句话说，根据饲料通道地板上的饲料残渣量，它以较小的偏差沿直线移动(图1)，为了确定视觉系统中的饲料残渣量，开发了一种算法，该算法通过一个RGB立体对来计算栅栏的扩散范围和馈送的音量。

图一。机器人运动技术。（a)开发了推料机器人；（b)机器人运动示意图。

1—机器人进料推进器；2—带饲料添加剂箱的充电站；3—进给边界；4—奶牛；5—悬垂木材。

同时，轮式机器人相对于进给的轨迹变化通过技术视觉系统(图2).

图二 机器人进料器技术视觉系统的功能

机器学习算法允许将RGB图像分解为二进制图像，以灰色突出显示的感兴趣区域是动物饲料混合物，由此产生的对比度使得能够评估饲料混合物在二进制图像中的散布，提供其在饲料通道上散布的距离的定性评估。通过确定区域并随后建立机器人设备相对于边缘的轨迹来实现自动定位。

物体的两个点，用“s“还有”t如果存在由对象的点组成的轨迹，则认为是四连通的(八连通的)1, 2, …, ，这样1=和=为了所有人1≤≤−1和+1是四个相邻(八个相邻)的。

二进制图像中的四连通(八连通)分量被定义为对象的点云，使得集合中的任意两个像素是四连通的(八连通)，并且相关联的分量是期望的对象(复合馈送)。物体的面积，表示为，被定义为对象中的像素数并且可以使用以下公式来计算:

具有八个连接的区域在进料通道地板上具有更密集的进料混合物浓度，而具有四个连接的区域具有较低的混合物量，允许识别最末端边缘，该边缘可用于机器人在移动期间的后续定向。

为了检测进给扩散的边界，图像被分成多个部分，并且感兴趣区域(灰色)的面积被求和以确定总斑点面积。

自动定位系统算法处理相同大小的图像，因此其复杂度是恒定的。因此，对于我们的算法，g(n)= n。

对于图像处理，我们使用了图像处理工具箱，特别是颜色阈值应用程序和图像区域分析器应用程序。

接下来，我们对轮式机器人在农场饲料通道中的运动参数的依赖性进行了数学论证。

在计算机器人的运动学时，需要建立机器人的大小、各元素的速度与机器人坐标之间的关系。运动学计算中使用的主要方程是:

坐标的变化沿“x“轴

当沿着“y“轴

考虑到驱动轮的半径，机器人运动的速度特征为

考虑到驱动轮的半径，质心运动轨迹的变化性质是

-沿的坐标增量x和y轴，分别位于i第个路径段；

—机器人重心在轨道上的线速度i第个路径段；

Ti—上的运动时间i第个路径段；

r—机器人驱动轮的半径；

R—机器人质心沿圆周运动的轨迹半径。

车轮的角速度等于4.6296 rad/s，对应于在0.45 m的轨迹半径(驱动轮轴线的一半或机器人宽度的一半)下假想质心的线速度等于5 m/s，机器人绕自身旋转一周需要2.0358秒。

逆运动学问题

逆运动学问题包括寻找所有可能的向量，1, 2, ，对于给定的输入参数0, 0, 0, , , ，在哪里1, 2是左右车轮的角速度，t是沿着轨迹运动的时间，0=0,0=0,0=0代表机器人的初始位置(图3), , 代表横坐标和纵坐标轴上的最终坐标 (图3)代表最终航向角(相对于水平面)。

图3。机器人的初始位置。

在机器人设备的转向期间，系统必须控制机器人的运动轨迹，包括估计机器人的轴与直线的偏离角度(图4)。

这项任务是用一个信号传输速率至少每秒一次的电子陀螺仪实现的。

图4 航向角。φ——机器人轴的偏离角度

逆运动学问题的解是一个无穷集合。因此，让我们考虑两个最能说明问题且最适用于实际情况的选项——直线运动和圆周运动。

考虑以下运动部分:从初始位置转动；匀速直线运动；转到指定的角度。设置最终值:

计算向量的相关性1, 2, 在计算的向量上t呈现在图5；机器人的运动轨迹如所示图5.

图5。瞬态特性。

机器人设备的自动控制系统的测试是使用仿真建模来执行的，该仿真建模涉及将机器人移动到坐标点，构建最短的移动轨迹(图6).

图6 逆运动学问题

考虑了以下运动阶段:

从初始位置转动(如果<0);匀速直线运动；圆周运动；转向给定的角度。

对于给定值:

作为解决该问题的结果，获得了机器人位置的初始和最终坐标及其线速度与每个驱动轮的旋转角速度之间的关系。

图7 机器人沿圆形路径运动的逆运动学问题

正向运动学问题

正向运动学问题包括找到下列各项的最终值, , 给定输入向量1, 2, 和初始坐标0, 0, 0.

中描述了指定的值表1。

表1。指定值。

机器人的轨迹如所示图8，以及给定向量的相关性1, 2, 在向量t上表示为图9.

图8。 1, 2, 作为...的功能t对于所有路径段。

图9。机器人运动的正向运动学问题。

然后，解决了正向运动学问题，包括在特定坐标的几个位置之间移动，以及沿直线、成角度和平滑转弯进行移动。

每次移动后计算坐标的结果显示在中表2。

作为解决该问题的结果，获得了每个驱动轮的角转速和其线速度与机器人的位置坐标之间的关系。

表二。计算坐标的结果。

机器人运动的动力学特性

机器人的动力学建立了机器人的尺寸、施加到其元件上的力和力矩之间的关系。

在考虑机器人动力学时，解决了确定每个驱动轮相对于法向质心和偏置质心的转动力矩的问题。

方程(11)是描述依赖关系的平面方程1在2和3如果质心偏离正常位置，如所示图10：

图10。收割机的条件图。

1—右驱动轮，2—左驱动轮，3—前辅助轮，O—机器人的条件质心，b，c—从机器人质心到驱动轮支撑点的距离。

方程(7)是通过数值矩阵的数字化得到的1, 2, 3随着机器人重心位置的改变(表3).该矩阵是根据经验获得的。每个单元包含机器人总质量分数的数据(图10).

表3。质心偏移的质量分布。 请输入图片描述(最多50字)

每个单元对应于在质心的25个不同位置获得的数据(图11)：

图11。考虑质心的位置。

这使得确定中呈现的以下依赖关系成为可能表3，对数据表的分析显示:

当CM落在主对角线上时(在中以灰色突出显示表3)，机器人处于平衡状态，只依靠右驱动和前辅助轮；左驱动轮上没有载荷；

当CM落在主对角线上方的区域时(在中以红色突出显示图11)的矩阵，机器人可能会在转弯时翻倒。

在真实的机器人中，重心的正常位置被移动到主对角线下方的区域，因此需要很大的努力来使机器人翻倒(图12).

图12。推料器机器人测试过程。

基于数据矩阵构建了一个平面。此外，依赖于1(2,3)从程序表曲线3D v4.0中的矩阵导出:

在农场测试移动应用程序和机器人

在推料机器人的操作测试中，对其功能进行了测试，因为它们的实现代表了提议的机器人在农场中的有效性:

转弯过程中起落架工作模式的改变是自动进行的，无需人工干预；

机器人沿饲料通道的移动和自主操作(将饲料推到饲料通道的围栏上，添加饲料添加剂，考虑关键饲料配给的剩余量)；

使用智能手机远程监控机器人状况(电池电量、饲料填充量)。

然而，该机器人是为俄罗斯市场开发的，其特点是气候恶劣，农场内的温度经常下降到10°C。因此，在20°C及以上的温度下，机器人在不充电的情况下自主运行的时间应该超过2小时，因为这可以确保电池供电系统的容量为250 Ah。

同时，机器人执行两项技术操作(饲料添加剂的添加和沿着饲料通道的围栏移动)。这需要四个电动伺服驱动器:其中两个用于旋转驱动轮，一个用于驱动推动器，一个用于饲料添加剂分配器。

除了在定位系统中使用的感应传感器系统之外，机器人还配备有计算机视觉系统，该系统允许相对于饲料混合物分布的边界自适应调整机器人的运动轨迹。

用于创建移动应用程序设计的Figma工具

free Figma系统被用作设计工具，因为该设计是针对最常见的设备尺寸进行的。开发的应用程序原型显示在图13.

图13 移动应用程序主屏幕的界面

为了设计技术架构，应用了Archi工具。

这个农场已经有了一套奶牛管理系统。新增的机器人生态系统服务包括:

推料机器人的应用服务。这对于机器人的直接控制是必需的；它通过网络界面与机器人互动；

机器人控制服务。这是保证生态系统运行的关键服务；用户应用程序与该服务进行交互。

图14 在与农场机器人互动的移动应用中构建数字生态系统的原理

Wi-Fi网络用于与机器人互动。移动应用程序生成JSON对象，并使用REST API通过中间服务器发送它们。用于与机器人交互的网络界面接收对象，并通过Wi-Fi将它们发送给机器人。

接收信息的操作由GET请求执行；通过POST请求执行与机器人交互的操作。

来自移动应用程序的每个请求都在HTTP请求头中发送机器人的元数据。元数据存储在机器人数据服务器中。元数据包括机器人的操作状态、当前位置的坐标、操作时间、组件储备、诸如电池充电的技术特征、导航的适用性、传输和螺旋系统。