Abstract:
This project presents an agricultural control and monitoring system designed for a differential robot, based on software architecture developed in ROS2. This system is designed to enable autonomous and precise navigation within a cacao plantation, under the supervision of an operator. The project integrates GPS-based navigation algorithms, allowing the robot to move efficiently and record relevant crop information in real-time.
In addition, an artificial vision system based on deep neural networks was designed, capable of identifying cacao fruits with signs of disease. The information from each detection is associated with geographical coordinates, creating a map of critical points within the plantation. This way, the farmer can accurately know the location and condition of the affected fruits, aiding in timely decision-making
Validations are presented within a simulated cacao plantation environment, demonstrating the system's ability to maintain reliable detection.
This system contributes to the advancement of robotics applied to precision agriculture, highlighting the use of autonomous robots as effective tools for monitoring and early diagnosis in cacao crops.
Keywords: Agricultural monitoring, differential robot, ROS2, simulated environments
Description:
El presente proyecto presenta un sistema de control y monitoreo agrícola diseñado para un robot diferencial, basado en una arquitectura de software desarrollada en ROS2. Este sistema está diseñado para permitir la navegación autónoma y precisa dentro de una plantación de cacao, bajo la supervisión de un operador. El proyecto integra algoritmos de navegación mediante GPS, lo que permite al robot desplazarse de manera eficiente y registrar información relevante de los cultivos en tiempo real.
Además, se diseñó un sistema de visión artificial basado en redes neuronales profundas, capaz de identificar frutos de cacao con signos de enfermedades. La información de cada detección se asocia con coordenadas geográficas, generando un mapa de puntos críticos dentro de la plantación. Así, el agricultor puede conocer de manera precisa la ubicación y el estado de los frutos afectados, lo que favorece la toma de decisiones oportunas.
Se presentan validaciones dentro de un entorno simulados de una cacaotera, demostrando la capacidad del sistema para mantener una detección confiable.
Este sistema contribuye al avance de la robótica aplicada a la agricultura de precisión, destacando el uso de robots autónomos como herramientas eficaces para el monitoreo y diagnóstico temprano en cultivos de cacao.