El cerebro detrás de la cosecha de precisión: La solución de computación perimetral JHCTECH BRAV-7135 impulsa una nueva era de agricultura inteligente
Ante los desafíos estructurales del envejecimiento de la población y la escasez estacional de mano de obra en la agricultura mundial, los robots de cosecha inteligentes se están convirtiendo en un factor clave para la modernización industrial. Sin embargo, la mecanización tradicional por sí sola es insuficiente para gestionar las condiciones complejas y dinámicas de las operaciones de campo. La verdadera inteligencia requiere potentes capacidades de computación perimetral como base.
El controlador perimetral de alto rendimiento JHCTECH BRAV-7135 es una plataforma de computación de alto rendimiento capaz de cumplir con los exigentes requisitos de los robots de cosecha inteligentes. Con sus potentes capacidades de procesamiento, interfaces avanzadas y fiabilidad de grado industrial, el BRAV-7135 proporciona a los sistemas de cosecha inteligentes una solución completa de computación perimetral, desde la percepción del entorno y la toma de decisiones hasta el control preciso.
Los desafíos de la agricultura inteligente: Más allá de los robots, se necesita un "cerebro" inteligente
La agricultura global se enfrenta a tres problemas principales:
✔ La cosecha depende del trabajo manual: Alto costo, baja eficiencia y dificultad para estandarizarla.
✔ Entornos de campo complejos: Iluminación variable, obstrucción por follaje y terreno irregular.
✔ Altas exigencias en tiempo real: La detección, el posicionamiento y la cosecha deben responder en milisegundos.
Las soluciones tradicionales basadas en la nube suelen presentar alta latencia y una fuerte dependencia de la red. En contraste, la computación perimetral se está consolidando rápidamente como la tecnología clave para la robótica agrícola inteligente.
BRAV-7135: Una plataforma de computación perimetral diseñada para la agricultura inteligente
A nivel de hardware:
El sistema de percepción utiliza cámaras RGB duales a través de USB o Ethernet para lograr la detección de profundidad y medir con precisión la ubicación de la fruta; una cámara multiespectral detecta la madurez y los defectos para una cosecha selectiva; y una cámara gran angular y un LiDAR se utilizan para el mapeo ambiental y la planificación de rutas, lo que permite evitar obstáculos y modelar el terreno.
El sistema de ejecución integra un brazo robótico colaborativo de 6 ejes mediante CAN y un efector final con pinzas adaptativas o ventosas de vacío mediante RS-485 y CAN, junto con sensores de fuerza.
Los sistemas auxiliares incluyen un interruptor de parada de emergencia y sensores para la prevención de colisiones.
A nivel de software:
Asistimos a los clientes en la adaptación de diversas bibliotecas de algoritmos, incluyendo pilas de IA para visión e inferencia. El ROS2 integrado en el sistema robótico permite una colaboración eficiente e independiente entre los módulos de percepción, planificación y control. También admite la gestión de modelos robóticos, transformaciones de coordenadas (TF) y datos de nube de puntos. En el lado de la percepción, se utiliza un SDK integrado para construir pipelines de procesamiento de vídeo multicanal mediante IA, lo que permite un manejo eficiente de datos visuales de múltiples cámaras.
Además de algoritmos inteligentes de planificación de trayectorias que garantizan un movimiento coordinado entre el brazo robótico y el chasis móvil, el sistema integra algoritmos de reconocimiento dinámico de objetivos para adaptarse a las variaciones en las condiciones de iluminación y la oclusión de la vegetación. También incorpora algoritmos de agarre adaptativos que ajustan la fuerza de agarre en función de la forma y la firmeza de la fruta.
El sistema adopta una arquitectura coordinada de hardware y software, que aprovecha el mapeo basado en LiDAR y SLAM para una localización con precisión centimétrica, con el apoyo de RTK-GPS para el posicionamiento global. Se aplica una relocalización visual para corregir errores acumulativos. Durante la etapa de reconocimiento del objetivo, una cámara gran angular realiza un escaneo inicial para identificar las zonas con frutos, mientras que el análisis multiespectral evalúa la madurez para garantizar la recolección únicamente de fruta de calidad. En la etapa de recolección, los algoritmos calculan la trayectoria óptima, y el sistema de agarre adaptativo ajusta dinámicamente la fuerza de sujeción. La medición inercial garantiza la estabilidad durante todo el proceso. Tras la recolección, el sistema clasifica y coloca automáticamente la fruta según su grado de madurez, al tiempo que realiza estadísticas de rendimiento e inspección preliminar de calidad. Todo el flujo de trabajo también admite la carga autónoma y la notificación de anomalías.
El robot de recolección inteligente equipado con el BRAV-7135 reduce los costos laborales y mejora la eficiencia de la recolección, minimizando el desperdicio y facilitando la gestión de datos como las previsiones de rendimiento y el análisis de crecimiento.
Obtenga más información sobre la serie BRAV-7135.