Autonomous inspections for process industry by a quadruped robot with use of neural networks

Abstract

Dette prosjektet har som mål å utvikle en firebent robotprototype for autonome inspeksjoner i prosessindustrien med bruk av nevrale nettverk. Dette inkluderer modellering og bygging av en prototype som kan utstyres med sensorer for å samle inn data. Inkludert de allerede nevnte oppgavene skal flere programvaresystemer utvikles for å håndtere: navigasjon, bildebehandling, inverse kinematikk, kunstig intelligens og grafiske brukergrensesnitt for å hjelpe til i inspeksjonsoppdragene.

Resultatene viser at prototypen er vellykket i oppgavene. Den oppnår hovedmålet som er å få roboten til å gå gjennom et inspeksjonsoppdrag autonomt og gi sanntidsrapportstatus tilbake til det grafiske brukergrensesnittet hvor en operatør kan observere.

Prototypen har oppnådd mange av delmålene som ble angitt i for-rapporten. Ved å kjøre sanntidsprosesser og kunstig intelligens, klarer roboten å oppdage og klassifisere alle objekt i det gitte oppdraget. Med bruk av bildebehandling er roboten i stand til å hente ut tags og måleverdier til analoge måleinstrument med høy nøyaktighet. I tillegg er roboten dynamisk med selvstabilisering, og har en invers kinematisk modell av bena for å bevege seg effektivt rundt.

Da dette er nevnt,er det fortsatt mange forbedringer som kan gjøres, både på design og programvare som kan øke påliteligheten og ytelsen til systemet.

This project aims to develop a quadruped robot prototype for autonomous inspections in the process industry with use of neural networks. This includes modelling and building a prototype that can equip sensors for collecting data. Including to the already mentioned tasks, multiple software system has been developed to handle: navigation, image processing, inverse kinematics, artificial intelligence and graphical user interfaces to aid in the inspection missions.

The results proves that the prototype is successful in its tasks. As the main goal is to make the robot successfully go trough an inspection mission autonomously, and provide real time report status back to the graphical user interface where an operator can observe.

The prototype has accomplish many of the sub goals that were stated in the preliminary report. Utilizing concurrent processes and artificial intelligence, the robot manages to detect and classify all the equipment in the given task. With use of image processing it is able to extract tags and values from gauges with a high accuracy. In addition the robot is dynamic with self stabilization, and has an inverse kinematic model of the legs to move efficiently around.

This mentioned, there are many improvements to be made on both the design and software that can increase the reliability and performance of the system.