Traducido del inglés al español - www.onlinedoctranslator.

com

procesos
Reporte de un caso

Diseño y Fabricación de Cortacésped Robótico Automático

Juinne-Ching Liao 1, Shun-Hsing Chen 2,*, Zi-Yi Zhuang 1, Bo-Wei Wu 1 y Yu-Jen Chen 1,*

1 Departamento de Ingeniería Eléctrica, Instituto Oriental de Tecnología, Nuevo Taipei 22061, Taiwán;
ljc@mail.oit.edu.tw (J.-CL); 106103101@mail.oit.edu.tw (Z.-YZ); 106103120@mail.oit.edu.tw (B.-WW) Departamento
2 de Gestión de Comercialización y Distribución, Instituto Oriental de Tecnología, New Taipei 22061, Taiwán
* Correspondencia: chen88@mail.oit.edu.tw (S.-HC); 106103134@mail.oit.edu.tw (Y.-JC); Tel .: +
886-773-88-000 (extensión 5213) (S.-HC); + 886-37-683-651 (Y.-JC)

Abstracto: Este estudio trata sobre la fabricación de una cortadora de césped robótica automática personificada con reconocimiento de imágenes. La estructura del sistema es que la

plataforma sobre las orugas se combina con la cortadora de césped, el motor de dirección, el riel deslizante y la cámara web para lograr el propósito de personificación. Las orugas con un

fuerte agarre y buena capacidad de adaptación al terreno se seleccionan como un vehículo en movimiento para simular los pies humanos. Además, un mecanismo de cortadora de césped

está diseñado para simular el movimiento hacia la izquierda y la derecha de la poda humana para promover la eficiencia y la innovación, y luego la cámara web reemplaza los ojos

humanos para identificar los obstáculos. Se agrega una interfaz hombre-máquina para que a través de la operación remota del teléfono móvil, los usuarios puedan elegir un modo lento,

un modo de avance lento y un modo de evitación de obstáculos en la interfaz hombre-máquina. Cuando se ingresa la longitud de ambos lados del área rectangular en el programa, el

cortacésped robótico automático completará las instrucciones de acuerdo con la ruta especificada. El chip de un procesador de señal digital (DSP) TMS320F2808 se utiliza como

controlador central, y Raspberry Pi se utiliza como reconocimiento de imágenes y diseño de interfaz hombre-máquina. Este robot puede reducir los costos de mano de obra y mejorar la

eficiencia del corte por control remoto. Además del uso como cortacésped automático en granjas, este concepto de estudio también se puede utilizar en el mantenimiento del césped de

campos de golf y patios escolares. y Raspberry Pi se utiliza como reconocimiento de imágenes y diseño de interfaz hombre-máquina. Este robot puede reducir los costos de mano de obra

y mejorar la eficiencia del corte por control remoto. Además del uso como cortacésped automático en granjas, este concepto de estudio también se puede utilizar en el mantenimiento del

césped de campos de golf y patios escolares. y Raspberry Pi se utiliza como reconocimiento de imágenes y diseño de interfaz hombre-máquina. Este robot puede reducir los costos de

mano de obra y mejorar la eficiencia del corte por control remoto. Además del uso como cortacésped automático en granjas, este concepto de estudio también se puede utilizar en el

mantenimiento del césped de campos de golf y patios escolares.

----
---

Citación: Liao, J.-C .; Chen, S.-H .;

Palabras clave: inteligencia artificial (IA); interfaz hombre-máquina; reconocimiento de imagen; robot
Zhuang, Z.-Y .; Wu, B.-W .; Chen, Y.-J.
Diseño y Fabricación de Cortacésped
Robótico Automático.Procesos 2021,
9, 358. https: // doi.org/10.3390/
pr9020358 1. Introducción
Debido a la escasez y el envejecimiento de la mano de obra rural en los últimos años, la producción
Editor académico: Mohand Djeziri agrícola debe depender de la mecanización para mejorar la eficiencia de la producción, pero para mejorar la
Recibido: 23 de enero de 2021
productividad laboral y reducir los costos de producción, la automatización y la tecnificación son la tendencia
Aceptado: 9 de febrero de 2021
inevitable del desarrollo agrícola después de la mecanización agrícola. [1]. El mundo avanza hacia la cuarta
Publicado: 15 de febrero de 2021
revolución industrial, y las últimas tecnologías de IoT e IA, y Cloud Computing se están convirtiendo en la
corriente principal [2]. El procesamiento de imágenes juega un papel muy importante en la producción
Nota del editor: MDPI se mantiene neutral
industrial, que puede visualizar la estructura anatómica del producto, puede verificar y juzgar las ventajas y
con respecto a los reclamos jurisdiccionales
desventajas del producto en tiempo real y reducir las pérdidas innecesarias hasta cierto punto [3]. Por lo tanto,
en mapas publicados y afiliaciones
es necesario que los operadores eviten los errores que surgen fácilmente del método tradicional de juicio
institucionales.
artificial y aceleren la cosecha de productos agrícolas. Con un aprendizaje en profundidad y el rápido desarrollo
de la tecnología de reconocimiento de imágenes, ¿cómo se puede desarrollar la agricultura innovadora de alta
tecnología a partir de la agricultura tradicional a través de la tecnología informática y la ciencia y la tecnología
para resolver problemas espinosos como la escasez de mano de obra e I + D desde la fuente, y mejorar? la
Derechos de autor: © 2021 por los
productividad y competitividad internacional de las frutas agrícolas [1,4]. La robótica avanzada, la inteligencia
autores. Licenciatario MDPI, Basilea,
artificial y la tecnología de aprendizaje automático permiten a los proveedores ofrecer sus servicios con mayor
Suiza. Este artículo es un artículo de
productividad, eficacia y eficiencia [5]. Los robots de servicio y la inteligencia artificial prometen aumentar la
acceso abierto distribuido bajo los
productividad y reducir los costos, lo que provocará un crecimiento sustancial en las ventas de robots de
términos y condiciones de la licencia
servicio [6]. En la actualidad, los países desarrollados del mundo se ven afectados por el envejecimiento de la
Creative Commons Attribution (CC BY)
población y la disminución de la tasa de natalidad, lo que conduce a la disminución continua de la población.
(https: // creativecommons.org/
licenses/by/ 4.0 /).

Proceda sses 2021, 9, 358. https://doi.org/10.3390/pr9020358 https://www.mdpi.com/journal/processes

Procesos 2021, 9, 358 2 de 21

población activa y una grave escasez de productividad laboral. Cómo resolver la brecha de la demanda
laboral es el objetivo que varios países están ansiosos por resolver en la actualidad [7].
El auge de la robótica se ha generalizado en todas las industrias. Los robots de alta tecnología,
junto con la inteligencia artificial y el aprendizaje automático, pueden proporcionar una mayor
productividad y calidad del producto y un aumento constante de la eficiencia del servicio para mejorar la
satisfacción del cliente [6]. Una encuesta de líderes empresariales en los Estados Unidos muestra que el
24% de las empresas ya están usando IA, y el 60% espera usar IA antes de 2022 [8]. Las ventas de robots
de servicio continúan creciendo a un ritmo de más del 30% anual. La Federación Internacional de
Robótica [9] predijo que en la próxima década, la gama de uso profesional y personal de los robots de
servicio se ampliaría aún más y se introduciría en varias industrias para reformar y ayudar a resolver los
problemas de producción / servicio.
La IA se refiere específicamente a 'máquinas que exhiben aspectos de la inteligencia humana' [10].
Centrada en la capacidad tecnológica para realizar tareas, en lugar de las habilidades físicas, la IA se
concibió inicialmente como una forma de combinar percepción, razonamiento y mejora. Sin embargo,
con el tiempo, el desarrollo de la IA se ha centrado más en los algoritmos, mientras que la robótica se ha
ocupado del funcionamiento mecánico [11,12]. Desde una perspectiva de gestión de servicios, el valor de
la IA no se deriva de su uso virtual o no reconocido, sino de la capacidad de la tecnología para interactuar
con los clientes a nivel social [13]. Con el rápido desarrollo de la tecnología de IA, los robots inteligentes
se han utilizado ampliamente en varios campos, como la gestión agrícola y la gestión de recursos
hídricos [2,14-dieciséis]. En el pasado, los operadores de máquinas estaban aislados de la maquinaria por
razones de seguridad, pero la Industria 4.0 está diseñada para apoyar a las fábricas futuras y reducir el
cansancio de los operadores. Los robots se integran en las líneas de montaje para trabajar con los
humanos para producir productos de alta calidad y completar tareas con el fin de mejorar la eficiencia y
la satisfacción [17,18].
Con el rápido desarrollo de la industria del aprendizaje automático en los últimos años, el aprendizaje
profundo es más obvio. Los campos de aplicación del aprendizaje profundo son muy amplios, como la
biomedicina, la maquinaria y la información. El diseño tradicional orientado a condiciones se reemplaza
mediante el aprendizaje profundo. Entre los cuales, el reconocimiento de imágenes puede mejorar la precisión
del reconocimiento y la eficiencia informática a través del aprendizaje profundo, que es una tecnología
indispensable en la industria de las unidades automáticas. Para mejorar la eficiencia del sistema y el
reconocimiento del modelo de red neuronal profunda, se desarrollará tecnología de corte y seguimiento de
objetos. La tecnología de corte de objetos es una tecnología de procesamiento de imágenes básica y orientada
a las condiciones, que puede cortar rápidamente la amplia gama de imágenes que pueden contener objetos
detectados para aumentar la eficiencia [19]. La tecnología de reconocimiento de imágenes se ha mejorado
continuamente y se ha aplicado con éxito en muchas industrias, como la gestión de derechos digitales (DRM) [
20], planificación de la trayectoria del brazo robótico [21], estudios sobre la determinación de la madurez de la
fruta [1,4], tecnología de control de iluminación [22], y diagnóstico de retinopatía diabética [23-26]. Con la
inversión de recursos relacionados y la evolución de la tecnología, se desarrollarán aplicaciones más
innovadoras en el futuro.
Husqvarna de Suecia, irobot de Estados Unidos y HONDA de Japón tienen las cuotas de mercado o el
número de patentes de robots cortacésped más altos del mundo [27], cada uno de los cuales tiene sus ventajas.
En Taiwán, la mayoría de los agricultores utilizan cortadoras de césped de mano tradicionales, que son
convenientes de usar y operar en el área de corte de césped, pero tienen muchas desventajas, que incluyen (1)
Motor pesado y carga corporal pesada; (2) Los gases de escape que funcionan con gasolina son dañinos para el
medio ambiente y (3) El ruido producido daña la salud humana. Como resultado, cada vez más agricultores
compran cortadoras de césped eléctricas de mano, que conservan las ventajas de las cortadoras de césped
manuales, mejoran los problemas de ruido y gases de escape, y son más livianas. El otro tipo es una cortadora
de césped de conducción, que es adecuada para operar en grandes áreas de césped y operada por usuarios
que viajan en la cortadora de césped. Comparado con el cortacésped tradicional, es mucho más fácil de usar.
Sin embargo, como la cuchilla está instalada debajo de la podadora, no puede cortar el césped limpio cuando se
encuentra con el límite o la esquina. Sobre la base de las desventajas anteriores, combinadas con las ventajas
de las cortadoras de césped tradicionales y las cortadoras de césped de conducción, y al agregar un concepto
de automatización, reconocimiento de imágenes y tecnología de control remoto, una cortadora de césped
automática personificada con función de reconocimiento de imágenes
Procesos 2021, 9, 358 3 de 21

se desarrolla, y se espera que la mano de obra de los agricultores en la siega se pueda reducir y
que pueda contribuir al desarrollo de la automatización agrícola.
El propósito de esta investigación es desarrollar un robot cortacésped de una manera que reduzca los
costos para ayudar a los agricultores a resolver el problema de cortar el césped. El diseño, la fabricación y el
desarrollo son preocupaciones relacionadas con el costo de producción y suministro del producto que utilizarán
los agricultores. Por lo tanto, este estudio de caso es una discusión empírica para resolver los problemas que
enfrentan los agricultores. El mercado de robots cortacésped es muy abundante, sus funciones a menudo no
son baratas y las operaciones a veces son peligrosas. Este estudio de caso espera construir un robot seguro,
económico y que ahorre mano de obra para los agricultores, que resolverá la falta de mano de obra y será fácil
de usar. Como resultado, no tendrá una teoría académica avanzada ni una estructura compleja.

La agricultura es muy importante e indispensable para los seres humanos, las personas deben depender
de la agricultura para producir alimentos, por lo que existe la necesidad de un suministro y producción
continuos para satisfacer las necesidades de la creciente población [2]. Este estudio ha diseñado un conjunto de
tecnología avanzada de reconocimiento de imágenes para completar el monitoreo remoto. La cortadora de
césped puede lograr el efecto de personificación mediante la captura de imágenes tomadas por cámaras de
video. Luego, los datos se envían de regreso al sistema para su posterior procesamiento, que es pionero en
Productividad 4.0 Sci-Tech Agriculture, y una contribución de este estudio. Este estudio reemplazará los
recursos humanos, ahorrará tiempo y desarrollará la agricultura de alta tecnología, desarrollará una
combinación de cortadora de césped y orugas, e introducirá un sistema de control automático para cortar el
césped, luego usará Raspberry Pi como reconocimiento de imágenes para simular ojos humanos, evitar
obstáculos, e ingrese la longitud de ambos lados de un área rectangular para lograr un corte automático. Esto
puede reducir la demanda de mano de obra para cortar el césped.

2. Materiales y métodos
2.1. Arquitectura del sistema

Para que la cortadora de césped robótica automática de este estudio lograra la personificación, el sistema
se dividió en tres partes, que incluyen (1) un sistema de movimiento del vehículo que simula las piernas
humanas, (2) un sistema de corte que simula las manos humanas que se balancean de un lado a otro cuando el
Se utiliza una cortadora de césped y (3) un sistema humano-máquina que simula el cerebro y los ojos humanos.
La arquitectura del sistema del cortacésped robótico automático se muestra en la Figura1.

Figura 1. Arquitectura del sistema del robot cortacésped automático.

2.1.1. Sistema de movimiento de vehículos

El sistema de movimiento simuló el movimiento de los pies humanos al cortar el césped. Después de
completar el corte en el área actual, el cortacésped puede moverse a la siguiente área. También puede moverse
lentamente y cortar el césped mientras se mueve. El sistema de movimiento utilizó orugas KATR-5.
Procesos 2021, 9, 358 4 de 21

como el cuerpo principal y un chip TMS320F2808; circuito de accionamiento del motor e interruptor de proximidad
como control.

2.1.2. Sistema de siega

El sistema de siega utilizó la acción de simular la siega humana como eje principal de investigación.
El rango de corte no se limitó a un punto, sino que logró la máxima eficiencia al girar hacia la izquierda y
hacia la derecha. El palo de corte y la cuchilla eran el cuerpo principal, el chip TMS320F2808 y el circuito
de accionamiento del motor se tomaron como control, y se diseñó un dispositivo de plataforma
deslizante para girar hacia la izquierda y la derecha. El dispositivo de dirección ayudó en la dirección, y el
bastidor de soporte de cojinetes fijó la barra de corte inclinada.

2.1.3. Sistema hombre-máquina

El programa integrado de Python, Tkinter, se utilizó como interfaz hombre-máquina. Esta
interfaz se utilizó para simular el cerebro, las acciones a tomar fueron determinadas por esta
interfaz, como el cerebro determinó y ejecutó. La Raspberry Pi funcionó en la operación de la
interfaz y el reconocimiento de imágenes fue a través de Virtual Network Computing (VNC) y
conexión de teléfono móvil. El reconocimiento de imágenes simulaba ojos humanos y se diseñaron
tres modos y un botón de parada de emergencia.

2.2. Teoría de control

Se instaló un chip DSP TMS320F2808 como núcleo de control y el programa se escribió para controlar el
motor. La placa de circuito de accionamiento del motor se diseñó con un convertidor dc-dc de puente completo
para controlar la ruptura y el corte de los cuatro transistores en el camino del accionamiento de la puerta para
controlar la rotación positiva y negativa del motor. Se agregó un interruptor de proximidad al lado del
engranaje de las orugas para completar la regulación de la velocidad del vehículo y el control del límite de
velocidad con un control de circuito cerrado. Se agregó la función de reconocimiento de imágenes y se
utilizaron una Raspberry Pi y una cámara web para lograr el retorno de la imagen en tiempo real y el
reconocimiento de obstáculos. Para realizar el balanceo de un lado a otro al simular la siega humana, el diseño
del dispositivo de corte se dividió en el bastidor de soporte del rodamiento, el dispositivo de dirección, el
dispositivo de plataforma deslizante y la protección de reserva.
En este estudio, se usó el chip DSP TMS320F2808 desarrollado por Texas Instruments como
control del sistema, y Code Composer Studio v6.0 (CCS v6.0) se usó como interfaz ambiental como
se muestra en la Figura 2. El programa de escritura en lenguaje C se utilizó en la plataforma de
F2808 en este entorno de desarrollo.

2.2.1. Sistema de accionamiento por motor

El sistema de accionamiento del motor era uno de los principales sistemas de las orugas y el rendimiento
operativo de las orugas estaba determinado por su sistema de transmisión. El sistema de transmisión constaba
de una batería, un motor, una placa de circuito de transmisión del motor, un engranaje, pistas y un chip
TMS320F2808. El diagrama de la arquitectura de la unidad de las orugas se muestra en la Figura3.

2.2.2. Circuito de accionamiento del motor

El convertidor dc-dc de puente completo fue controlado por la señal de modulación de ancho de pulso
emitida por el chip TMS320F2808. El IC FAN7842 se accionó a través de la puerta para amplificar la potencia, se
usó una batería de iones de litio de 12 V para suministrar la energía, se usó un MOSFET de potencia IRF2807
como interruptor para controlar la ruptura y corte de los cuatro MOSFET de potencia IRF2807 respectivamente
y para impulsar la rotación positiva y negativa de dos servomotores de CC. El diagrama del circuito de
accionamiento del motor se muestra en la Figura4.
Proces de 21

Figura 2. Interfaz ambiental de Code Composer Studio (CCS) v6.0.

Figura 3. Diagrama del sistema de accionamiento del motor.

Figura 4. Diagrama del circuito de accionamiento del motor.

Procesos 2021, 6 de 21

2.2.3. Diseño del circuito de accionamiento del motor y diagrama de entidad

En este estudio, para el dibujo de los circuitos de accionamiento del motor y la preparación de la PCB
(placa de circuito impreso), se utilizó Altium Designer 15 para el diseño del circuito y la operación del cableado.
El diseño de la PCB del circuito de accionamiento del motor se muestra en la Figura5.

Figura 5. Diseño de PCB (placa de circuito impreso) del circuito de accionamiento del motor.

2.2.4. Gat Driver — IC FAN7842

Dado que la señal de control emitida por el chip TMS320F2808 era insuficiente para impulsar el
MOSFET de potencia del circuito de control del motor, era necesario aumentar el voltaje y el nivel de
corriente de la señal de control digital a través de la puerta al controlador IC para lograr el propósito de
conducir el MOSFET de potencia. Además, la señal puede aislarse para evitar interferencias entre sí. La
puerta conducía el IC FAN7842, que tenía dos canales y podía conducir dos MOSFET, el extremo de
entrada estaba equipado con protección contra sobrecorriente y un circuito de transferencia de retardo
para evitar el problema de cortocircuito causado por la ruptura simultánea del brazo superior e inferior
externo elementos de conmutación; el canal del lado alto estaba equipado con un circuito convertidor de
cuasi nivel, un circuito de eliminación de ruido de modo común y un pestillo SR para suprimir EMI
(Interferencia electromagnética), Ruido de RF y transitorios de modo común, para evitar fallas en la
transmisión de datos causadas por la operación del circuito cerca del motor grande, y para evitar que el
circuito del convertidor de cuasi nivel del lado alto falle debido a la absorción de corriente cuando el
interruptor principal estaba encendido; los dos extremos de salida estaban provistos de dos elementos
de conmutación complementarios, los extremos de salida daban instrucciones para operar el control
DRIVER, cuando el elemento de interruptor del brazo superior estaba encendido, la señal se emitiría
desde el extremo de salida; Además, ambos canales estaban equipados con UVLO, por lo que cuando los
niveles de voltaje de suministro VCC (Volt Current Condenser) y voltaje flotante VBS (Visual Basic Script)
eran más bajos que los valores críticos, la fuente de alimentación se podía cortar directamente para
proteger el circuito interno. circuito integrado. Dado que el rango de la fuente de alimentación del IC
VCC y VBS era de 10 V a 20 V, estaba en consonancia con los propósitos de este estudio, y el retardo de
propagación fue inferior a 50 ns. El diagrama del sistema IC del IC FAN7842 adoptado por este estudio
impulsado por la puerta descrita se muestra en la Figura6.
Procesos 2021, 9, 358 7 de 21

Figura 6. Sistema del controlador de puerta IC FAN7842.

2.2.5. Modo de control y proceso del circuito de accionamiento del motor

El chip TMS320F2808 se usó como núcleo de control y el CCS se usó para la programación del
diseño del lenguaje C. La salida de 3.3 V PWM (Modulación de ancho de pulso) se emitió desde el chip
TMS320F2808, después de la amplificación de potencia, el circuito de arranque se utilizó para generar la
fuente de alimentación IC FAN7842 de 12 V impulsada por la puerta, el brazo superior y el brazo inferior
compuesto de El MOSFET IRF2807 de potencia fue controlado por el convertidor dc-dc de puente
completo para lograr la rotación positiva y negativa del motor de CC. El diagrama de la arquitectura del
controlador de puerta se muestra en la Figura7.

Figura 7. Diagrama de control del controlador de puerta.

2.2.6. Circuito Bootstrap

Con el fin de obtener suficiente salida de corriente, se utilizó el circuito de arranque en el circuito de
accionamiento del motor para simplificar el circuito y reducir los costos en este estudio. Cuando el voltaje VBS
del IC era más bajo que VCC, la fuente de alimentación VCC permitió que el capacitor de arranque se cargara a
través del diodo de arranque al condensador de arranque, el elemento del interruptor del brazo superior del
extremo de salida del canal del lado bajo del IC cambió a ruptura, y el Se emitió corriente de accionamiento
para que el MOSFET de alimentación estuviera encendido. Cuando el voltaje VBS del IC era más alto que el VCC,
el diodo de arranque estaba en posición de polarización inversa en este
Procesos 2021, 9, 358 8 de 21

tiempo, el elemento del interruptor del brazo superior del extremo de salida del canal del lado bajo IC cambió a corte,
en cambio, el interruptor del brazo superior del extremo de salida del canal del lado alto cambió a ruptura, y la
corriente de accionamiento de salida hizo que el interruptor MOSFET de potencia del lado alto en romper más. Además,
se debe evitar la ruptura del interruptor de alimentación en el extremo de la fuente de la puerta debido al efecto
electrostático, ya que puede provocar un cortocircuito del interruptor de alimentación del brazo superior e inferior,
resistencia de descarga en la puerta y la fuente de la Se usó el interruptor de encendido del brazo inferior, de modo que
la carga electrostática tuviera una ruta de descarga.

2.2.7. Convertidor dc-dc de puente completo

El variador de frecuencia del servomotor de CC se puede dividir en tres modos de variador, uno,
dos y cuatro cuadrantes, de acuerdo con el voltaje de carga y la polaridad de la corriente de carga.
Cuando se trabajaba en el primer cuadrante, el voltaje de carga y la corriente de carga eran todos
positivos, el motor solo tenía la capacidad de accionamiento de rotación positiva. Si existía una demanda
de frenado, solo se podía confiar en el frenado mecánico y no se podían cumplir los requisitos de
rendimiento del servo. Al trabajar en el primer y segundo cuadrantes, la tensión de carga era positiva y la
corriente de carga podía ser positiva o negativa. En este momento, el motor tenía una unidad de rotación
positiva y capacidad de frenado. El uso del frenado de retorno por parte del motor podría aumentar la
respuesta dinámica y mejorar la eficiencia del accionamiento del motor, y el rendimiento del servo del
motor podría mejorarse en gran medida. Si rotación positiva, rotación negativa, conducción, y la
capacidad de frenado se requiere al mismo tiempo, debe funcionar en el modo de conducción de cuatro
cuadrantes, en este momento, el voltaje de carga puede ser positivo o negativo, y la corriente de carga
también puede ser positiva o negativa. Este estudio esperaba que los requisitos de manejo de
maniobrabilidad, precisión y alta eficiencia pudieran lograrse, por lo tanto, se adoptó el circuito de
puente en H del modo de manejo de cuatro cuadrantes.
En este estudio se desarrolló el circuito de accionamiento del servomotor CC de cuatro cuadrantes. Dado que la
fuente de alimentación del variador fue suministrada por una batería de iones de litio de 12 V a bajo voltaje, el
interruptor de encendido seleccionó el MOSFET de potencia, que era adecuado para su aplicación en un campo de bajo
voltaje y tenía las ventajas de alta frecuencia de conmutación y bajo voltaje y ruptura soltar.

2.3. Dispositivo de medición de velocidad y detección de posición del vehículo

Para permitir que las orugas se muevan con precisión a la posición objetivo y
controlar la velocidad, se instalaron un interruptor de proximidad de tipo inducción y un
dispositivo de fijación del interruptor de proximidad de tipo inducción al lado de los
lados izquierdo y derecho de los engranajes de las orugas. La función de detección del
engranaje se utilizó para retroalimentar la señal al chip TMS320F2808, la señal de
retroalimentación y el comando se compararon con la programación CCS, se completó el
control de posición del vehículo y el tiempo de recepción de la señal de
retroalimentación cada vez se calcula para que Se logró el propósito de regulación de
velocidad y límite de velocidad. Además, este diseño también se puede utilizar como
protección contra sobrecorriente. Si no se recibe una señal de retroalimentación dentro
de un período de tiempo, significaría que el motor no podría conducir las orugas. En
este momento,

2.4. Arquitectura del sistema del dispositivo de corte

A diferencia de las cortadoras de césped automáticas en el mercado, nuestro diseño colocó el cabezal de la
cortadora de césped frente a las orugas, lo que enfatizó la personificación del balanceo a la izquierda y a la derecha, y
usó el bastidor de soporte del rodamiento como el cuerpo humano, el dispositivo de dirección como el La cintura
humana, el dispositivo de plataforma deslizante como las manos humanas, y la sincronización con el control del motor
y el sensor se dieron cuenta del balanceo del poste de corte hacia la izquierda y hacia la derecha produciendo un diseño
para mejorar la eficiencia, ahorrar tiempo y costos de mano de obra humana.

2.4.1. Sensor de cuerpo caliente

Un sensor de cuerpo caliente es un dispositivo de infrarrojos pasivo, el sensor en sí no emitirá

rayos infrarrojos, pero utiliza el cambio de infrarrojos del cuerpo humano para detectar el movimiento.
Procesos 2021, 9, 358 9 de 21

de objetos. El módulo de infrarrojos se instaló encima del marco de soporte. Para evitar el
contacto entre la cuchilla de corte y objetos duros, que pueden hacer que la cuchilla se rompa y
salga volando, o incluso dañar el motor, se instaló un disco de protección de la cuchilla sobre el
motor de corte.

2.4.2. Sistema de suministro de energía del dispositivo de corte

El diagrama de bloques del sistema de suministro de energía del dispositivo de corte se muestra en la
Figura 8. El modo de suministro de energía se puede dividir en la placa de circuito de accionamiento del motor,
el motor de la cortadora de césped y el relé. La especificación de 12 V 30 A se obtuvo a partir de dos baterías de
iones de litio en paralelo para alimentar las tres placas de circuito de accionamiento del motor y el buck-boost.
El buck-boost se transforma de 12 V a 5 V para suministro al panel de control DSP, la especificación de 33,3 V 45
A se obtuvo de nueve baterías de iones de litio en tres series y tres paralelos para suministro al motor de corte
de modo que el El robot podría iniciar de forma autónoma la cuchilla de corte y conectarse con el circuito de
relé. El relé era L901-12D, una batería de iones de litio de 12 V suministraba energía al relé, el chip TMS320F2808
emitía la señal para hacer la ruptura del transistor para controlar el inicio de la cuchilla de corte.

Figura 8. Sistema de alimentación del dispositivo de corte.

3. Teoría y aplicación de la interfaz hombre-máquina y la visión artificial

La interfaz hombre-máquina utilizada para controlar la cortadora de césped en este estudio se realizó
utilizando el Tkinter incorporado de Python, y los modos se diseñaron en su interfaz para que los usuarios
elijan. Había tres tipos de modos seleccionables, incluido el modo lento, el modo de avance lento y el modo de
evitación de obstáculos. La tecnología de reconocimiento de imágenes se utilizó en el modo de evitación de
obstáculos, y el método de sustracción de fotogramas se utilizó para identificar si el objeto que tenía delante
podía distinguirse como un obstáculo.

3.1. Interfaz hombre-máquina

Tkinter, un programa incorporado que usa el lenguaje de programación Python, se usó como
interfaz hombre-máquina, se usó una Raspberry Pi para conectarse al teléfono móvil a través del VNC
como operación de interfaz y reconocimiento de imágenes, y tres modos y un botón de parada de
emergencia. fueron diseñados.

3.1.1. Lenguaje de programación: Python

El programa Python se utilizó para escribir la Raspberry Pi. Python es un lenguaje interpretado
ampliamente utilizado que es un lenguaje universal y de programación de alto nivel. La filosofía de
diseño de Python enfatiza la legibilidad del código y la sintaxis concisa. En comparación con C ++ o Java,
Python permite a los desarrolladores expresar ideas con menos códigos. Ya sea un programa pequeño o
grande, el lenguaje intenta aclarar la estructura del programa.

3.1.2. Tkinter
Tkinter es un módulo de Python, su función es llamar a la interfaz Tcl / Tk, es un gráfico de código
de instrucción multiplataforma. Tkinter no es la única forma de programación gráfica de Python
Procesos 2021, 9, 358 10 de 21

pero es una interfaz más popular. En este estudio, se utilizó Tkinter para permitir que la interfaz hombre-
máquina controle de forma remota el cuerpo de la cortadora de césped. Se diseñaron cuatro botones en
la ventana después de que se ejecutó el programa, a saber, Modo 1, Modo 2, Modo 3 y el botón de
parada de emergencia.

3.1.3. Conexión remota-VNC

Este estudio utilizó una conexión remota para controlar el cuerpo de la cortadora de césped, y el software
utilizado por la conexión remota fue VNC, que es un software para compartir imágenes de pantalla y operación
remota que utiliza el protocolo RFB. El software podría transmitir los movimientos del teclado y el mouse e
imágenes de pantalla en tiempo real al operador a través de la red.

3.2. Sistema de visión artificial

Este estudio utilizó un conjunto de imágenes capturadas por cámara web. Para hacer esto, la
cámara web se instaló en un lugar alto de la plataforma del vehículo. Después de que Raspberry Pi
obtuvo la información de la imagen frontal de la cámara web, se utilizó la función de la biblioteca de
funciones OpenCV y las imágenes capturadas por el cuadro anterior restarían la imagen actual para
identificar si había un objeto adelante. Después de capturar el objeto de adelante, el sistema podría
reconocer si el área del objeto era mayor que el valor establecido, si el área reconocida era mayor que el
valor establecido, el objeto de adelante se consideraría un obstáculo y se tomarían medidas para evitar
obstáculos.

3.2.1. Biblioteca de funciones adoptada: OpenCV

La biblioteca de funciones de imagen utilizada en este estudio fue OpenCV, que es una biblioteca de visión por
computadora multiplataforma que se puede usar para desarrollar procesamiento de imágenes en tiempo real, visión
por computadora y como un programa de reconocimiento de patrones. OpenCV está escrito en lenguaje C ++, su
interfaz principal también es lenguaje C ++, pero aún se conserva una gran cantidad de interfaces en lenguaje C. Esta
biblioteca de funciones tiene una gran cantidad de interfaces Python, Java y MATLAB / OCTAVE.

3.2.2. Reconocimiento de imagen

El reconocimiento de imágenes reemplaza los ojos humanos con una máquina de reconocimiento,
medición, juicio y otras funciones. El sistema de reconocimiento de imágenes se usa ampliamente en el
proceso de detección. En este estudio, se utilizó el reconocimiento de imágenes para juzgar si había un
obstáculo al frente. El núcleo de la identificación del obstáculo consistió en dos procedimientos, a saber,
promediar difuso y umbral. Las funciones y propósitos de esto se describen en detalle a continuación.

(1) Promedio difuso

Zadeh [28] propuso que difuso es una herramienta para convertir conceptos difusos que no se pueden
expresar claramente en expresión cuantitativa, especialmente en las características difusas de la expresión del
habla humana, que tiene un buen efecto. La teoría difusa se ha aplicado al manejo de la medicación para
pacientes crónicos [29], evaluación de la calidad de los servicios de fotografía de vehículos aéreos no tripulados
[30], como sistema de control de las trasplantadoras de arroz [31], para la prevención y gestión de accidentes
de aviación [32], y en la evaluación de riesgos ambientales urbanos [33], que ha obtenido logros brillantes en la
práctica y la investigación académica.
OpenCV proporciona cuatro métodos difusos, que se pueden dividir en promediado difuso, difuso
gaussiano, difuso mediano y difuso bilateral. En este estudio se adoptó el método difuso de promediado.
Una foto "borrosa" es como una foto desenfocada. Al tomar fotos, la gente generalmente no quiere
obtener ese resultado; sin embargo, esta característica es muy útil para el algoritmo de este estudio. El
algoritmo de umbral se utilizó para el corte de imágenes, la interceptación, la detección de bordes y la
búsqueda de contornos, que primero necesitan el procesamiento difuso de las fotos antes de que se
pueda llevar a cabo de manera efectiva.
La promediación difusa es el método más simple de difuminación. En primer lugar, este estudio
seleccionó un número total de píxeles como un número impar, dentro de una ventana cuadrada de tamaño K *
K, se escaneó la imagen completa de izquierda a derecha, de arriba a abajo, se ajustó el punto en el centro
exacto de cada ventana para ser el valor promedio de todos los demás puntos en la ventana,
Procesos 2021, 9, 358 11 de 21

así que después de que la ventana K * K escanea la imagen completa, la difuminación promedio de la imagen
completa se completó.
(2) Prueba de umbral
En el procesamiento de imágenes, para confirmar de manera conveniente y clara si es un obstáculo
o para reducir la dimensión de las imágenes, en este estudio, una imagen en color se convirtió a escala
de grises y luego a blanco y negro para su procesamiento. En este momento, el valor de cualquier punto
en esta imagen era 0 o 255. Para determinar que el punto era negro (0) o blanco (255), se estableció un
valor de umbral para decirle a la computadora si se excedió este valor, el punto se establecería en 255 o
de lo contrario en 0 después de que la computadora completara la comparación de todos los puntos de
la imagen basándose en este valor, la imagen completa se convertiría en una imagen en blanco y negro.
Este método de procesamiento se denomina umbralización. En este estudio, el valor umbral se
determinó de acuerdo con los obstáculos obtenidos en la imagen.

4. Desarrollo de programas e introducción al proceso

El desarrollo del programa de la cortadora de césped robótica se diseñó utilizando CCS para
escribir lenguaje C, un chip TMS320F2808 comunicado con la Raspberry Pi a través del protocolo
de comunicación RS-232, y se agregó una interfaz hombre-máquina en el extremo de la Raspberry
Pi. Cuando se ingresaron la longitud y el ancho del rango rectangular a cortar, la Raspberry Pi
transmitió el paquete al chip TMS320F2808, las acciones correspondientes se implementaron a
través de la instrucción de interrupción periférica y banderas personalizadas, con cada proceso del
sistema que se introdujo de la siguiente manera, uno por uno. .

4.1. Arquitectura de proceso del programa del sistema DSP

Para realizar las funciones requeridas por el usuario, cada función del chip DSP tenía su
correspondiente módulo y programa periférico, como el módulo GPIO y el módulo EPWM
utilizados en este estudio. Dado que cada programa de periféricos generará una o más
instrucciones de interrupción de periféricos cuando se produzca un evento de activación, la CPU
no puede procesar demasiadas interrupciones externas en tiempo real, por lo que se requirió el
módulo Peripheral Interrupt Expansion (PIE).
El diagrama de interrupciones de multiplexación del módulo PIE se muestra en la Figura 9. El
módulo PIE del chip TMS320F2808 podría admitir hasta 96 instrucciones de interrupción periférica, que
podrían dividirse en 8 grupos (INTx.1 ~ INTx.8), luego dividirse en 12 fuentes (INT1 ~ INT12), y Global se
estableció en general para habilitar el cambio de la instrucción de interrupción periférica. Cuando se
habilitó la bandera de interrupción de periféricos, se llamó al programa de servicio de interrupción,
después de completar la operación, se reinició el contador del programa, se eliminaron las banderas de
Fuente y Grupo y se hizo el reconocimiento, cuando se desencadenó un evento, el programa se
ejecutaría nuevamente .
Cuando el programa comenzara a ejecutarse, el sistema eliminaría los indicadores de interrupción de
Fuente y Grupo en todos los módulos PIE y tablas de vectores para evitar errores de operación. Luego haga la
disposición de entrada y salida del GPIO, después de la finalización, haga que Global Enable ingrese al
programa principal. El programa principal incluye el programa en segundo plano para procesar eventos en
tiempo no real y el programa de servicio de interrupciones para procesar eventos en tiempo real. Una vez
completada la implementación del programa principal, el reinicio se habilitará nuevamente.

4.2. Proceso de control de orugas

Cuando el chip TMS320F2808 recibió el paquete enviado desde el extremo de la Raspberry Pi,
se procesaron los datos del paquete; la distancia ingresada se convirtió en el número de pasos en
movimiento, luego se mueven las orugas. Para hacer una comparación del número de pasos a
mover y la señal de retroalimentación del interruptor de proximidad a través del subprograma del
interruptor de proximidad, cuando los dos eran iguales, las orugas se pararon inmediatamente, lo
que indicaba que la acción se había completado, y continuaría esperando el siguiente paquete. El
diagrama de flujo del subprograma móvil de las orugas se muestra en la Figura10.
Procesos 2021, 9, 358 12 de 21

Figura 9. Diagrama de multiplexación de interrupciones del módulo Peripheral Interrupt Expansion (PIE).

Figura 10. El diagrama de flujo del subprograma móvil de las orugas.

4.3. Proceso de control del sistema de corte

El cuerpo principal del sistema de corte era el dispositivo de corte. El interruptor del
optoacoplador se usó para recibir la señal y el chip DSP TMS320F2808 se envió de regreso
para controlar la rotación negativa del motor. Cuando el motor de CC de la dirección auxiliar
Procesos 2021, 9, 358 13 de 21

arrancó, el motor ejecutó la rotación derecha, y cuando se interrumpió el interruptor del optoacoplador
izquierdo, el motor ejecutó la rotación izquierda. De manera similar, cuando se interrumpió el
interruptor del optoacoplador derecho, el motor ejecutó la rotación correcta hasta que se completó la
instrucción. El proceso de protección de reserva se diseñó para que cuando el interruptor del
optoacoplador no devuelva la señal en seis segundos, se consideró una falla del hardware detener la
cuchilla y el motor de dirección. El diagrama de flujo del sistema de corte se muestra en la Figura11.

Figura 11. Proceso de control del sistema de corte.

4.4. Proceso de comunicación

El protocolo de comunicación adoptado en este estudio fue RS-232. En el estándar RS-232, los
caracteres se transmitían uno por uno a través de una secuencia de cadenas de bits. Las ventajas
fueron menos líneas de transmisión, cableado simple y una distancia de transmisión relativamente
larga, que era adecuada para la transmisión de datos entre el chip TMS320F2808 y la Raspberry Pi.
El sistema se inicializó primero y entró en la línea de espera, el chip TMS320F2808 luego envía el
código inicial (0xFC), determina si la Raspberry Pi se conectó correctamente, y si la Raspberry Pi
devuelve el mismo valor, significa que la conexión de la línea fue exitosa. , reenviar un código de
recepción (0xFE) significaba que permitía la recepción del paquete. La Raspberry Pi envía un
paquete, el chip TMS320F2808 tendría un paquete del tamaño de seis entrando en la etapa de
recepción, recibir el código de inicio (0xFF) significaba que el paquete se colocaba en la primera
posición de la matriz al comienzo del paquete. El quinto código del paquete fue la adición de los
códigos segundo, tercero y cuarto. Si ocurría un error, se mostraría el error y se ingresaba a la
etapa de espera. Si el paquete no tuviera ningún error, se recibiría el código final (0xFD). El
diagrama de flujo del protocolo de comunicación RS-232 se muestra en la Figura12.
Procesos 2021, 9, 358 14 de 21

Figura 12. El diagrama de flujo del protocolo de comunicación RS-232.

4.5. Proceso de reconocimiento de imágenes

En este estudio, se utilizó una cámara web para capturar imágenes y una Raspberry Pi para el
reconocimiento de imágenes. Si no se reconoce ningún obstáculo, el paquete no se devolverá. Si hubiera
un obstáculo, la imagen capturada se procesaría borrosa, la imagen se convertiría a escala de grises y
luego se usaría el método de reducción de fotogramas para identificar el objeto frontal. Si el área del
objeto identificado supera el valor establecido, el objeto que se encuentra delante se considera un
obstáculo. El diagrama de flujo de reconocimiento de imágenes se muestra en la Figura13.

Figura 13. Diagrama de flujo del proceso de reconocimiento de imágenes.

Procesos 2021, 9, 358 15 de 21

4.6. Proceso de control del cortacésped robótico automático

Después de la puesta en marcha de la fuente de alimentación, el cortacésped robótico debe
esperar la conexión entre la Raspberry Pi y la interfaz hombre-máquina, luego la interfaz hombre-
máquina envía el paquete de comunicación, cuando se confirmó el éxito de la comunicación, modos
podría ser elegido. Se introdujeron las longitudes de ambos lados del rectángulo después de que la hoja
se hubiera puesto en marcha durante unos segundos. Las orugas y la cortadora de césped funcionaron y
cooperaron con la elección del modo para completar las instrucciones. Después de que el motor arrancó,
el módulo del sensor PIR detectó continuamente un cuerpo caliente. Si se detecta un cuerpo caliente
dentro de los 2,4 m de la línea recta, entonces todos los motores paran la acción, el modo debe volver a
seleccionarse. El proceso de control del cortacésped robótico automático se muestra en la Figura14.

Figura 14. Proceso de control de un robot cortacésped automático.

4.7. Sensor de cuerpo caliente

El diagrama de circuito aplicado al sensor de cuerpo caliente en este estudio se muestra en la Figura 15. El
módulo en sí tenía inducción automática. Cuando alguien ingresó al rango de inducción, se ingresó un alto
potencial; cuando alguien abandona el rango de inducción, se retrasa automáticamente para apagar el
potencial alto y generar un potencial bajo. El LED podría usarse para indicar que se ha detectado un cuerpo
humano en el frente. Después de la prueba, el voltaje de alto potencial de salida fue de aproximadamente 3.3–
3.6 V y el voltaje de bajo potencial fue de 0 V. La forma de onda de prueba se muestra en la Figuradieciséis.
Procesos 2021, 9, 358 16 de 21

Figura 15. El diagrama de circuito de un sensor de cuerpo caliente.

Figura 16. Salida de datos de PIR.

4.8. Proceso de interfaz hombre-máquina

En este estudio, la interfaz hombre-máquina se escribió utilizando Tkinter, un programa accesorio
de Python, se hicieron cuatro botones respectivamente, incluidos los modos 1, 2, 3 y el botón de parada
de emergencia. El Modo 1 y el Modo 2 se utilizaron para ingresar el área de corte y para completar las
instrucciones en una trayectoria de arco. El modo 1 era el modo lento: las orugas se movían hacia
adelante y la barra de corte se balanceaba hacia la izquierda y hacia la derecha hasta que se completaba
la acción. El modo 2 era el modo de avance lento: las orugas avanzarían una distancia de media hoja,
luego se detendrían, la barra de corte se balancearía una vez y se repetiría la operación hasta que se
completara la instrucción. El modo 3 era el modo de evitación de obstáculos: las orugas se movían hacia
adelante, mientras que la barra de corte se balanceaba hacia la izquierda y hacia la derecha. Si la cámara
web identificó obstáculos en el camino, enviaría la señal a la Raspberry Pi y luego transmitiría el paquete
al chip TMS320F2808 para ordenar a las pistas de rastreo que realicen la función de evitación de
obstáculos. En caso de falla de hardware y software, el botón de parada de emergencia podría usarse
para detener las orugas y
Procesos 2021, 9, 358 17 de 21

el motor de la cortadora de césped. La interfaz hombre-máquina que se muestra en el teléfono móvil se

muestra en la Figura17.

Figura 17. La interfaz hombre-máquina que se muestra en el teléfono móvil.

Medición real del reconocimiento de imágenes

El método de la Raspberry Pi combinado con la sustracción de fotogramas se utilizó para
identificar si había un obstáculo al frente, que se utilizó para imitar los ojos humanos. Por ejemplo,
la gente evitaría el obstáculo de enfrente al moverse. Si el objeto identificado supera el valor
establecido, el objeto de enfrente se considerará un obstáculo y se marcará en la ventana como se
muestra en la Figura18.

Figura 18. Los obstáculos por delante están marcados en la ventana.

4.9. Datos experimentales de la cortadora de césped robótica

Con otros robots que utilizan sensores ultrasónicos para lograr el efecto de evitar obstáculos,
cuando la maleza en el suelo es alta, es fácil considerar la hierba alta como un obstáculo. Este
estudio utilizó el reconocimiento de imágenes donde era menos fácil juzgar mal esto y utilizó la
Procesos 2021, 9, 358 18 de 21

método de resta de tramas para identificar si había obstáculos adelante o no. Este
estudio diseñó y fabricó este robot cortacésped desde cero. Ha proporcionado
resultados de estudios empíricos. La "interfaz hombre-máquina" y el "reconocimiento de
imágenes" en este estudio se construyeron en la Raspberry Pi. Por lo tanto, este estudio
utilizó el método de conexión más popular VNC, para conectarse a la Raspberry Pi para
control remoto. El reconocimiento de imágenes fue el resultado de muchos
experimentos. Durante el proceso de estudio, la situación de no poder identificar un
obstáculo fue muy rara, pero el reconocimiento de imágenes es de hecho la parte que
debe fortalecerse. Las sugerencias para un estudio futuro son cuando la fuente de luz es
débil,
Las orugas en el estudio, no solo podían llevar cargas hacia adelante y subir la pendiente, sino
también hacer un 360◦ rotación, identificar obstáculos a través de la cámara web, lograr una función
para evitar obstáculos, combinar la estructura de corte, cooperar con la operación de la interfaz hombre-
máquina y completar el control remoto. La cuchilla de corte podría cortar una distancia de 55 cm por
cada acción de balanceo. En el modo lento, se podría completar una distancia media de corte de 15 m
por minuto; en el modo de avance lento, un área de corte promedio de 100 cm× Se pueden completar
100 cm por minuto y se puede seleccionar el modo preferido en función de las diferentes necesidades de
corte. El producto terminado del cortacésped robótico automático se muestra en la Figura19.

Figura 19. El producto final del cortacésped robótico automático.

5. Discusión
Empresas como Honda y Husqvarna han lanzado varios cortacéspedes robóticos en los últimos
años, a precios que oscilan entre 1000 y 2500 dólares. Actualmente, los cortacéspedes robóticos son
más populares en el mercado europeo, pero las ventas en Estados Unidos no son las ideales. Algunas
cortadoras de césped robóticas de la sueca Husqvarna se venden a USD 5100 / unidad, que pueden
manejar terrenos difíciles con una pendiente de 45◦ y alta resistencia a la intemperie. Con la navegación
asistida por GPS y el manejo de Automower Connect, las cortadoras de césped se pueden controlar en
cualquier lugar. Las cortadoras de césped robóticas lanzadas por iRobot de los Estados Unidos pueden
memorizar las posiciones y generar automáticamente un mapa digital del área donde se debe cortar la
hierba. También se pueden programar para cortar automáticamente con regularidad y controlar la
altura requerida para cortar. Los usuarios de las cortadoras de césped lanzadas por Honda pueden dejar
Procesos 2021, 9, 358 19 de 21

ir de ambas manos sin empujarlas para cortar el césped, y también pueden advertir contra robo por $ 2500 /
unidad. Las cortadoras de césped robóticas son bastante variadas y tienen diferentes funciones. Los
consumidores pueden comprar modelos adecuados según sus propias necesidades.
Cuando las cortadoras de césped robóticas fabricadas por Qiu, et al. [34] planificar caminos para evitar
obstáculos, se utilizan ondas ultrasónicas y rayos infrarrojos, pero este estudio encontró que si se usa este
método para evitar obstáculos, pueden producirse errores de cálculo debido a la interferencia de las malas
hierbas. Por lo tanto, este estudio no utiliza ultrasonido sino una función de reconocimiento de imágenes para
lidiar con la ruta de evitación de obstáculos. Yu [35] señala que las cortadoras de césped robóticas enfrentan
seis problemas: (1) Cuando el entorno de trabajo es complejo, la información transmitida por los sensores no es
lo suficientemente precisa; (2) Es difícil cubrir completamente el alcance del trabajo, y el trabajo repetido da
como resultado un desperdicio de energía y una reducción de la eficiencia; (3) La función de comunicación entre
el robot y el mundo exterior no es fuerte, es necesario mejorar la capacidad de interacción hombre-máquina; (4)
El sistema de posicionamiento no es lo suficientemente preciso, lo que conduce fácilmente a la desviación del
rango de trabajo; (5) El sistema energético no es lo suficientemente bueno y la capacidad para trabajar
continuamente es débil; (6) La capacidad de aprender no es lo suficientemente fuerte como para evitar errores
repetidos. En este estudio, las cortadoras de césped robóticas se desarrollan desde un punto de vista
académico. Teniendo en cuenta el problema de los costes, no se pueden comparar con las cortadoras de
césped comerciales del mercado, pero sus funciones y rendimiento de corte tienen sus ventajas. Se espera que
cuando se desarrollen nuevamente las cortadoras de césped robóticas, puedan superar los problemas
anteriores tanto como sea posible, y se pueda fabricar maquinaria con funciones completas, a un precio
asequible y con un rendimiento excelente para satisfacer las necesidades de los consumidores.

6. Conclusiones
En este estudio, la Raspberry Pi se utiliza como plataforma de interfaz hombre-
máquina, Python es el lenguaje de programación y su programa auxiliar Tkinter se
utiliza para el diseño; Debido a que las cortadoras de césped pueden ser peligrosas, el
sensor de infrarrojos del cuerpo humano se instala en la plataforma alta de las orugas
para evitar accidentes. Cuando actúa el sensor de infrarrojos del cuerpo humano, el
mensaje de advertencia se muestra inmediatamente en la interfaz hombre-máquina y la
cortadora de césped se detiene. La interfaz hombre-máquina incluye el modo de
evitación de obstáculos mediante el reconocimiento de imágenes, la biblioteca de
funciones de procesamiento de imágenes utilizada es OpenCV, los obstáculos se filtran
con procedimientos promediados difusos y de umbral, y la acción de evitación de
obstáculos se implementa aún más. En este estudio, se utiliza tecnología avanzada de
reconocimiento de imágenes para completar el monitoreo remoto.

La dirección de estudio de este estudio toma como objetivo la automatización agrícola,

considerando cortadoras de césped de tipo nuevo y antiguo, y refiriéndose a las cortadoras de
césped robóticas nacionales y extranjeras, se decide que se agrega la concepción de
personificación para completar el diseño de la cortadora de césped robótica con reconocimiento
de imagen. El diseño de giro hacia la izquierda y hacia la derecha no solo mejora el rango de corte,
sino que también ahorra mucho tiempo y aumenta en gran medida la eficiencia del trabajo. El
costo total del robot cortacésped no es alto. La comercialización agrícola puede desarrollarse en
vista de esta ventaja de precio. En el desarrollo de la comercialización agrícola, los usuarios
pueden ingresar el rango requerido a través de la interfaz hombre-máquina de fácil manejo para
completar la operación de corte en un área grande, lo que brinda comodidad a los agricultores.

Sugerencias para el futuro

Debido a la limitación de costo y tiempo, todavía hay muchas ideas que no se pueden realizar
en este estudio. Lo siguiente se resume en vista de las direcciones y sugerencias de investigación
futuras:
1. El modo de control remoto se puede agregar a la interfaz hombre-máquina, los botones se
pueden usar para controlar varias direcciones y ángulos de las orugas y comenzar o detener
Procesos 2021, 9, 358 20 de 21

del motor de corte. Este modo puede controlar el rango de movimiento del cortacésped
robótico con mayor precisión y puede mostrar la carga eléctrica restante del cortacésped
robótico en la pantalla para indicarle al usuario si debe cargarlo o no.
2. El dispositivo de fijación del sistema de dispositivo de corte utiliza un equipo de impresión 3D. Para evitar el
desgaste del cable, se puede utilizar una hoja de hierro o un material de aluminio más resistente, se
puede ajustar la posición del sensor del optoacoplador y se puede rediseñar la estructura de la placa
deflectora para reducir el rango de error.
3. En términos de procesamiento de imágenes, se espera fortalecer la identificación de obstáculos, aumentar la
precisión de la identificación de obstáculos y coordenadas de retorno, identificar el tamaño, área y
circunferencia específicos de los objetos y luego tomar acciones para evitar obstáculos.

Contribuciones de autor: J.-CL desarrolló el marco principal. S.-HC el manuscrito en la redacción

del artículo, revisión y edición. Análisis e investigación formal de Z.-YZ, B.-WW, Y.-JC, validación de
Y.-JC. Todos los autores han leído y aceptado la versión publicada del manuscrito.

Fondos: Esta investigación no recibió financiación externa.

Declaración de la Junta de Revisión Institucional: No aplica.

Declaración de consentimiento informado: No aplica.

Declaración de disponibilidad de datos: Los datos están disponibles del autor correspondiente a pedido.

Expresiones de gratitud: Los autores agradecen al maestro Yu-Feng Zhu, Instituto Oriental de Tecnología, por ayudar a hacer la
placa de circuito, para que el circuito de hardware pueda funcionar sin problemas. Gracias por la ayuda de los mayores, he
aprendido a dibujar PCB, reconocimiento de imágenes, impresión 3D y otras tecnologías relacionadas.

Conflictos de interés: Los autores declaran no tener ningún conflicto de intereses.

Referencias
1. Chen, YS; Tsao, HH; Chen, SW; Liu, CY; Yeh, LC Un estudio integrado sobre el sistema de reconocimiento de la fruta madura.Electrón. Commer.
Semental.2018, dieciséis, 233-258.
2. Waleed, M .; Um, TW; Kamal, T .; Khan, A .; Iqbal, A. Determinación del área de trabajo precisa de la maquinaria agrícola utilizando
internet de las cosas e inteligencia artificial.Apl. Sci.2020, 10, 3365. [CrossRef]
3. Xie, G .; Lu, W. Detección de bordes de imagen basada en OpenCV.En t. J. Electron. Electr. Ing.2013, 1, 104-106. [CrossRef]
4. Naranjo-Torres, J .; Mora, M .; Garzaandez-garcIa, R .; Barrientos, RJ; Fredes, C .; Valenzuela, A. Una revisión de la red neuronal convolucional
aplicada al procesamiento de imágenes de frutas.Apl. Sci.2020, 10, 3443. [CrossRef]
5. Wirtz, J .; Patterson, PG; Kunz, WH; Gruber, T .; Lu, VN; Paluch, S .; Martins, A. Un mundo feliz: robots de servicio en primera línea.
J. Serv. Manag.2018, 29, 907–931. [CrossRef]
6. Belanche, D .; Casaló, LV; Flavian, C .; Schepers, J. Implementación de robots de servicio: un marco teórico y una agenda de investigación.
Serv. Ind. J.2020, 40203–225. [CrossRef]
7. Wang, N .; Yeung, DY Aprendiendo una representación de imagen compacta profunda para seguimiento visual.Adv. Neural Inf. Proceso. Syst.2013, 809–817.
8. Genesys. Los empleadores estadounidenses esperan un crecimiento de la inteligencia artificial en el lugar de trabajo, pero no grandes reducciones de
puestos de trabajo. 2019. Disponible en línea:https://www.prnewswire.com/news-releases/usemployers-expect-growth-of-artificial-intelligence-in-
theworkplace-but-not-major-jobreductions-300901926.html (consultado el 12 de septiembre de 2020).
9. Federación Internacional de Robótica. Informe mundial de robótica 2018. Resumen de la conferencia de prensa, Tokio. 2018. Disponible en línea:https://
ifr.org/free-downloads/ (consultado el 12 de septiembre de 2020).
10. Huang, MH; Rust, RT Inteligencia artificial en servicio.J. Serv. Res.2018, 21, 155-172. [CrossRef]
11. Rajan, K .; Saffiotti, A. Hacia una ciencia de inteligencia artificial y robótica integradas.Artif. Intell.2017, 247, 1–9. [CrossRef]
12. Velichko, A. Red neuronal para dispositivos IoT de baja memoria y reconocimiento de imágenes MNIST utilizando núcleos basados en mapa logístico.
Electrónica 2020, 9, 1432. [CrossRef]
13. Van Doorn, J .; Mende, M .; Noble, SM; Hulland, J .; Ostrom, AL; Grewal, D .; Petersen, JA Domo arigato Sr. Roboto: Aparición de la presencia social
automatizada en las líneas de frente de las organizaciones y las experiencias de servicio de los clientes.J. Serv. Res.2017, 20, 43–58. [CrossRef]

14. SaSánchez, JM; RodrIguez, JP; Espitia, HE Revisión de la inteligencia artificial aplicada en los procesos de toma de decisiones en las políticas
públicas agrarias.Procesos 2020, 8, 1374. [CrossRef]
15. Yoon, YH; Hwang, DH; Yang, JH; Lee, SE Intellino: Procesador para inteligencia artificial integrada.Electrónica 2020, 9, 1169. [
CrossRef]
16. Afzaal, H .; Farooque, AA; Abbas, F .; Acharya, B .; Esaú, T. Cálculo de la evapotranspiración con inteligencia artificial para una gestión
precisa de los recursos hídricos.Apl. Sci.2020, 10, 1621. [CrossRef]
17. Kalpakjian, S .; Schmid, SR; Sekar, KSIngeniería y tecnología de fabricación; Pearson: Upper Saddle River, Nueva Jersey, EE. UU., 2014.
Procesos 2021, 9, 358 21 de 21

18. Kolbeinsson, A .; Lagerstedt, E .; Lindblom, J. Fundación para una clasificación de niveles de colaboración para la cooperación humano-robot en la
fabricación.Pinchar. Manuf. Res.2019, 7, 448–471. [CrossRef]
19. Kang, M .; Lee, Y .; Park, M. Eficiencia energética del aprendizaje automático en sistemas integrados que utilizan hardware neuromórfico.Electrónica2020, 9,
1069. [CrossRef]
20. Yeh, YJ; Cheng, YT; Tsai, CB; Sí, YM El marco de la videovigilancia inteligente y la protección de transmisión.J. Adv. Technol.
Manag.2012, 2, 93-106.
21. Wang, CC; Lien, SF; Ye, ZX; Li, CJ; Jhang, GM Implementación de la planificación de trayectorias en brazos robóticos mediante la técnica de reconocimiento
de imágenes.J. Adv. Ing.2017, 12, 19-22.
22. Huang, GT; Tsai, YH; Lu, XJ; Zhang, GH; Li, WC Tecnología y aplicación de sistema de visión inteligente en control de iluminación.J. Ind.
Mechatron. 2020, 446, 69–73.
23. Kandel, I .; Castelli, M. Transferir el aprendizaje con redes neuronales convolucionales para la clasificación de imágenes de retinopatía diabética. Una
revisión.Apl. Sci.2020, 10, 2021. [CrossRef]
24. Liaqat, S .; Dashtipour, K .; Arshad, K .; Ramzan, N.Detección no invasiva del nivel de hidratación de la piel mediante aprendizaje automático.Electrónica2020,
9, 1086. [CrossRef]
25. Kabe, GK; Song, Y .; Liu, Z. Optimización de FileNet para la clasificación de lesiones hepáticas.Electrónica 2020, 9, 1237. [CrossRef]
26. Rghioui, A .; Lloret, J .; Harane, M .; Oumnad, A. Un sistema inteligente de monitorización de glucosa para pacientes diabéticos.Electrónica 2020, 9, 678. [
CrossRef]
27. Sun, L. Análisis del desarrollo de cortadoras de césped robóticas basado en solicitudes de patente. China Invent. Palmadita.2019, dieciséis, 49–54.
28. Zadeh, LA Fuzzy Sets. Inf. Control.1965, 8, 338–353. [CrossRef]
29. Lin, HH Aplicación de un modelo de decisión difusa al diseño de un pastillero para el tratamiento médico de enfermedades crónicas. Apl. Sci.2019,
9, 4909. [CrossRef]
30. Liu, CC; Chen, JJ Análisis de los pesos de los indicadores de calidad del servicio para filmación y fotografía con drones mediante el proceso de red
analítica difusa.Apl. Sci.2019, 9, 1236. [CrossRef]
31. Yin, J .; Zhu, D .; Liao, J .; Zhu, G .; Wang, Y .; Zhang, S. Algoritmo de control de dirección automático basado en PID difuso compuesto para
trasplantadora de arroz.Apl. Sci.2019, 9, 2666. [CrossRef]
32. Liu, SY; Wang, YC Un estudio sobre la aplicación de la teoría difusa en la educación basada en simulación.Apl. Sci.2019, 9, 1989. [CrossRef]
33. Cardenas, JRG; Nebot,A.; Mugica, F. Evaluación integral del riesgo sísmico mediante modelos difusos. Apl. Sci.2020, 10, 3017. [CrossRef]
34. Qiu, BJ; Qian, GH; Zhou, N .; Cui, SJ Evitando barreras de control del robot cortacésped.J. Jiangsu Univ. 2005, 26, 285–288. [CrossRef]
35. Yu, B. Investigación de mercado sobre robot cortacésped inteligente. Technol. Innov. Apl.2018, 29, 70–71.