Robotické sklízení ovoce

Abstract

Táto bakalárska práca sa zaoberá návrhom, implementáciou a testovaním automatizovaného systému pre detekciu a lokalizáciu paradajok v priestore s následným riadením robotického ramena UR5e pre ich zber. V rámci práce boli porovnané dva prístupy detekcie, a to algoritmus YOLOv5 a klasická segmentačná metóda založená na spracovaní obrazu v HSV priestore s využitím Houghovej transformácie. Pre oba prístupy bol vyvinutý ucelený reťazec skriptov v prostredí ROS implementovanom vo WSL2. Práca zahŕňa popis implementácie a konfigurácie systému, jeho testovanie v simulácii a na reálnom robotovi ako aj porovnanie presností oboch detekčných metód. Výsledky experimentov ukazujú výhody a obmedzenia oboch metód z hľadiska presnosti a robustnosti v rôznych podmienkach osvetlenia a pozadia. Na záver sú navrhnuté možnosti ďalšieho rozvoja systému a vylepšení pre praktické nasadenie v poľnohospodárstve.This bachelor thesis deals with the design, implementation, and testing of an automated system for the detection and spatial localization of tomatoes, followed by the control of a UR5e robotic arm for their harvesting. The work compares two detection approaches , the state of the art deep learning algorithm YOLOv5 and a classical segmentation method based on image processing in the HSV color space using the Hough transform. A complete ROS-based pipeline was developed in WSL2 for both methods. The thesis covers the process of system implementation and configuration, as well as testing in simulation and on a real robot including comparison of precision of both detection method. Experimental results highlight the advantages and limitations of both methods in terms of accuracy and robustness under varying lighting and background conditions. Finally, the work suggests possible directions for further system development and improvements towards practical deployment in agriculture.