Метод розпізнавання перешкод на шляху руху роботизованої збиральної техніки
Анотація
UDC 004.94:658.01
METHOD FOR RECOGNITION OF OBSTACLES TO MOVEMENT UNMANNED ROBOTIC CLEANING MACHINES
V. Lysenko, S. Shvorov, D. Komarchuk, D. Chirchenko
Now, to improve the efficiency of field work extensively apply the latest information technology system and precise positioning technology in the field. However, in this technique are the people who perform the functions of management to monitor the work it out automatically.
The aim is to improve research methods and technical principles of construction of the system of recognition of obstacles to the movement of robotic cleaning technology.
At the stage of solving the problem of building a system of recognition of obstacles to the movement of robotic cleaning technique there is a need to develop a portable interface and software for the PC that will allow the user to provide the planning and control of field work.
Existing means of identification of obstacles to the movement of robotic cleaning technology inherent in the following main drawbacks: low recognition accuracy in dynamic conditions of uncertainty, the high dependence of lighting facilities at night-time of the obstacles, significant capital and operating costs for the creation and use of equipment. One of the areas of eliminating these shortcomings are widely used neural networks.
To pre-processing (filtering) input images appropriate to apply Wavelet analysis is based on the use of wavelets that are mathematical functions and allow you to analyze different frequency components. In general, this analysis is in the plane, wavelet factor - time - level. Most wavelet coefficients determined by the integral transformation signal. The obtained wavelet spectrograms are fundamentally different from those of Fourier series, giving a clear binding signal range of features for a time. The third and fourth steps of pattern recognition is usually combined with pattern recognition system, which is the main element of the predictive complex.
For the synthesis and study of relevant neural networks used demo software package Statistica Neural Networks. Criterion training - minimizing mistakes neural network. In the context of this problem advantage of this package of similar developments is the implementation of the functional unit neuromodels optimization architecture that uses a linear approach and method "annealing" based on the probability distribution Gibbs. To implement the learning algorithm of neural network in the form of multilayer perceptron advisable to use a special genetic algorithm.
There were the synthesis and study of neural networks with application package STATISTICA allowing improved method for detection of obstacles in the path of cleaning technique, which is based on the use of the apparatus of neural networks and genetic pattern recognition algorithm for its training.
Посилання
Anthony Stentz; et al. (2012). "A System for Semi-Autonomous Tractor Operations". Autonomous Robots. The Robotics Institute. 13 (1): 87–103.
Bill Howard (2013). "Google: Self-driving cars in 3-5 years. Feds: Not so fast". Extreme Tech.
Havrylov, A. (2002). Hybrydny intellektual'ny systemy [Hybrid intelligent systems]. Novosybyrsk, NHTU, 142.
David Hest. (2012). New driverless tractor, grain cart systems coming this year. Farm Industry News. Available at: http://farmindustrynews.com.
Shvorov, S. A., Komarchuk, D. S., Okhrymenko, P. H., Chyrchenko, D. V. (2015). Intelektual'na systema pidtrymky ta pryynyattya rishen' shchodo orhanizatsiyi vyroshchuvannya, zboru ta peretvorennya enerhetychnykh kul'tur u biometan [Intelektualna system pіdtrimki that of acceptance rіshen schodo organіzatsії viroschuvannya, Assembly that peretvorennya energetichnih cultures have bіometan]. Scientific Bulletin of National University of Life and Environmental Sciences of Ukraine, Tekhnika ta enerhetyka APK, 209 (2), 140–147.
Chirchenko, D., Shvorov, S. (2014). Intellectual systems of decision making support in the management of the collection and processing of organic raw materials. Annals of Warsaw University of Life Sciences, 68, 154.
Shvorov, S., Reshetiuk, V., Bolbot, I., Shtepa, V., Chirchenko, D. (2012). Theoretical issues construction and operation of agricultural mission robotic system . Annals of Warsaw University of Life Sciences – SGGW, 60, 177.
Shvorov, S., Komarchuk, D., Ohrimenko, P., Chyrchenko, D. (2015) Methodical Framework of the Support and Decision-making System for the Collection and Disposal of Organic Raw Materials. Energy Engineering and Control Systems, 1 (1), 29–34.
Завантаження
Опубліковано
Номер
Розділ
Ліцензія
Стосунки між правовласниками і користувачами регулюються на умовах ліцензії Creative Commons Із Зазначенням Авторства – Некомерційна – Поширення На Тих Самих Умовах 4.0 Міжнародна (CC BY-NC-SA 4.0):https://creativecommons.org/licenses/by-nc-sa/4.0/deed.uk
Автори, які публікуються у цьому журналі, погоджуються з наступними умовами:
- Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons Attribution License, котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у цьому журналі.
- Автори мають право укладати самостійні додаткові угоди щодо неексклюзивного розповсюдження роботи у тому вигляді, в якому вона була опублікована цим журналом (наприклад, розміщувати роботу в електронному сховищі установи або публікувати у складі монографії), за умови збереження посилання на першу публікацію роботи у цьому журналі.
- Політика журналу дозволяє і заохочує розміщення авторами в мережі Інтернет (наприклад, у сховищах установ або на особистих веб-сайтах) рукопису роботи, як до подання цього рукопису до редакції, так і під час його редакційного опрацювання, оскільки це сприяє виникненню продуктивної наукової дискусії та позитивно позначається на оперативності та динаміці цитування опублікованої роботи (див.The Effect of Open Access).
