AgriSage（农业智者）是一套完整的智能农业采摘机器人解决方案，集成了计算机视觉、机器人控制、SLAM导航、激光避障、远程通信和AI智能助手等前沿技术。系统基于ROS2 Humble框架开发，采用多层模块化架构设计，支持自主导航、智能避障、精确目标检测与采摘、远程监控等核心功能。
- 🍎 智能目标识别 - 基于YOLO11n+RKNN的高精度水果检测，支持15米超远距离检测
- 🎥 双目立体视觉 - 精确的三维空间定位和深度估计，Camera ID: 21
- 🛡️ 激光雷达避障 - MS200激光雷达实时障碍物检测与避障，order-humble包支持
- 🗺️ SLAM建图导航 - 基于slam-toolbox的自主建图与路径规划，实时可视化和地图保存
- 🤖 多模式控制 - 手动控制与自动采摘无缝切换，50Hz高频舵机跟踪
- 📱 微信小程序 - 实时远程监控、控制和水果识别界面，支持地理位置、相机权限
- 🧠 AI智能助手 - 集成豆包双模型架构，成本优化70-80%
- ☁️ 云端集成 - 华为IoT平台数据上报与远程管理，自适应视频管理
- 🎛️ 精确控制 - STM32底层控制，支持机械臂精密操作和编码器反馈
- 📊 数据统计 - 完整的作业数据记录与分析系统，支持历史回放
- 🔧 自动模式优化 - 扩大检测范围、降低置信度阈值、超远距离控制策略
- 🎯 实时性保障 - QoS配置优化、多线程并发处理、错误恢复机制
系统采用五层模块化架构，实现感知-决策-通信-执行-交互的完整闭环：
graph TB
subgraph "🔍 感知层 - Perception Layer"
A[双目相机<br/>Camera ID: 21<br/>立体视觉系统]
B[MS200激光雷达<br/>order-humble包<br/>360度扫描]
C[YOLO11n.rknn<br/>4.1MB AI模型<br/>NPU硬件加速]
D[编码器反馈<br/>位置监控<br/>实时状态]
end
subgraph "🧠 决策层 - Decision Layer"
E[ROS2 Humble<br/>机器人操作系统<br/>QoS配置优化]
F[slam-toolbox<br/>SLAM建图算法<br/>实时地图保存]
G[激光避障控制<br/>安全策略<br/>0.3米安全距离]
H[自动采摘控制<br/>15米检测范围<br/>0.05置信度阈值]
I[AI双模型架构<br/>doubao-vision+lite<br/>成本优化70%]
end
subgraph "📡 通信层 - Communication Layer"
J[WebSocket桥接<br/>实时双向通信<br/>消息路由]
K[FastAPI服务器<br/>HTTP/WS服务<br/>172.20.39.181:1234]
L[华为IoT平台<br/>云端数据上报<br/>设备管理]
M[自适应视频流<br/>质量动态调整<br/>带宽优化]
end
subgraph "⚡ 执行层 - Execution Layer"
N[STM32控制器<br/>底盘驱动<br/>PID控制]
O[舵机控制<br/>50Hz高频跟踪<br/>机械臂操作]
P[串口通信<br/>硬件接口<br/>实时数据交换]
end
subgraph "💻 交互层 - Interface Layer"
Q[微信小程序<br/>5大功能页面<br/>远程控制界面]
R[RViz2可视化<br/>SLAM地图显示<br/>开发调试工具]
S[华为IoT控制台<br/>云端设备管理<br/>数据统计分析]
end
A --> E
B --> E
C --> E
D --> E
E --> F
E --> G
E --> H
E --> I
E --> J
F --> N
G --> N
H --> O
J --> K
K --> L
K --> M
M --> Q
L --> S
E --> R
系统包含5类核心节点，实现功能解耦和模块化管理：
- 🔍 Detection节点: integrated_bottle_detection_node.py（集成检测）、bottle_detection_node_async.py（异步检测）
- 🎮 Control节点: auto_harvest_controller.py（自动采摘）、robot_control_node.py（机器人控制）、servo_control_node.py（舵机控制）
- 📡 Communication节点: websocket_bridge_node.py（WebSocket桥接）
- 🗺️ Navigation节点: slam_mapping_node.py（SLAM建图）
- 🧪 Testing节点: 各类调试和测试工具
AgriSage/
├── 🤖 robot_ROS2-6_9/ # ROS2主系统
│ ├── src/
│ │ ├── bottle_detection_ros2/ # 主功能包
│ │ │ ├── bottle_detection_ros2/ # 核心模块
│ │ │ │ ├── nodes/ # ROS2节点层
│ │ │ │ │ ├── detection/ # 检测节点
│ │ │ │ │ │ ├── integrated_bottle_detection_node.py # 🌟 集成检测节点
│ │ │ │ │ │ ├── bottle_detection_node_async.py # 异步检测节点
│ │ │ │ │ │ └── bottle_detection_node.py # 基础检测节点
│ │ │ │ │ ├── control/ # 控制节点
│ │ │ │ │ │ ├── auto_harvest_controller.py # 🌟 自动采摘控制器
│ │ │ │ │ │ ├── robot_control_node.py # 机器人控制
│ │ │ │ │ │ ├── servo_control_node.py # 舵机控制
│ │ │ │ │ │ └── servo_debug_node.py # 舵机调试
│ │ │ │ │ ├── communication/ # 通信节点
│ │ │ │ │ │ └── websocket_bridge_node.py # 🌟 WebSocket桥接
│ │ │ │ │ ├── navigation/ # 导航节点
│ │ │ │ │ │ └── slam_mapping_node.py # SLAM建图
│ │ │ │ │ └── testing/ # 测试节点
│ │ │ │ ├── core/ # 核心功能层
│ │ │ │ │ ├── vision/ # 视觉处理
│ │ │ │ │ │ ├── bottle_detector.py # RKNN检测器
│ │ │ │ │ │ ├── bottle_detector_async.py # 异步检测器
│ │ │ │ │ │ └── stereo_camera.py # 双目相机
│ │ │ │ │ ├── hardware/ # 硬件抽象
│ │ │ │ │ │ └── laser_obstacle_avoidance.py # 激光避障
│ │ │ │ │ └── processing/ # 数据处理
│ │ │ │ │ └── bottle_rknn_pool.py # RKNN推理池
│ │ │ │ ├── utils/ # 工具函数
│ │ │ │ └── gui/ # 调试界面
│ │ │ ├── config/ # 配置文件
│ │ │ │ ├── camera_params.yaml
│ │ │ │ ├── laser_avoidance_params.yaml
│ │ │ │ ├── slam_mapping_params.yaml
│ │ │ │ └── system_config.yaml
│ │ │ ├── launch/ # 启动文件
│ │ │ │ ├── agrisage_with_lidar.launch.py # 🌟 主系统启动
│ │ │ │ ├── integrated_system.launch.py # 集成系统
│ │ │ │ ├── slam_mapping.launch.py # SLAM建图
│ │ │ │ └── servo_debug.launch.py # 舵机调试
│ │ │ ├── scripts/ # 脚本工具
│ │ │ │ ├── start_agrisage_with_lidar.sh # 系统启动脚本
│ │ │ │ ├── start_slam_mapping.sh # SLAM启动脚本
│ │ │ │ └── debug_auto_mode.py # 自动模式调试
│ │ │ ├── data/ # 数据文件
│ │ │ │ └── yolo11n.rknn # AI模型文件
│ │ │ └── rviz/ # 可视化配置
│ │ └── bottle_detection_msgs/ # 消息定义包
│ │ └── msg/
│ │ ├── BottleDetection.msg # 🌟 检测结果消息
│ │ │ # 字段: bottle_detected, distance, confidence, position_x, position_y, status
│ │ ├── RobotCommand.msg # 🌟 机器人控制命令
│ │ │ # 字段: command_type, speed, duration, direction
│ │ ├── ServoCommand.msg # 🌟 舵机控制命令
│ │ │ # 字段: servo_id, angle, speed, mode
│ │ └── HarvestCommand.msg # 🌟 采摘控制命令
│ │ # 字段: action, target_id, position, priority
│ ├── 📋 AUTO_MODE_FIX_README.md # 自动模式修复指南
│ ├── 📋 SLAM_MAPPING_README.md # SLAM建图说明
│ └── 📋 LIDAR_INTEGRATION_README.md # 激光雷达集成指南
│
├── 📱 微信小程序/ # 远程控制界面
│ └── miniprogram/
│ ├── pages/ # 小程序页面
│ │ ├── control/ # 控制中心
│ │ ├── statistics/ # 数据统计
│ │ ├── detection/ # 🌟 智能识别
│ │ │ ├── detection.js # 水果识别逻辑
│ │ │ ├── detection.wxml # 识别界面
│ │ │ └── detection.wxss # 界面样式
│ │ ├── chat/ # AI助手
│ │ ├── settings/ # 系统设置
│ │ └── logs/ # 日志查看
│ ├── utils/ # 工具函数
│ └── images/ # 图标资源
│
├── ☁️ 上位机与服务端/ # 智能服务端系统
│ ├── server.py # 🌟 FastAPI主服务器
│ ├── adaptive_video_manager.py # 自适应视频管理
│ ├── client.py # 客户端程序
│ └── PID.py # PID控制算法
│
├── 🔧 stm32/ # 嵌入式控制系统
│ └── mytest_ABlun_/ # STM32项目
│ ├── Core/ # 核心代码
│ ├── hardware/ # 硬件驱动
│ │ ├── robot_control.c # 机器人控制
│ │ ├── motor.c # 电机控制
│ │ ├── servo.c # 舵机控制
│ │ └── encoder.c # 编码器读取
│ └── applications/ # 应用层
│
├── 📚 资料/ # 技术文档
│ ├── ELF 2开发板硬件教程.pdf
│ └── RDK_X5_Product_Brief_V1.0_2.pdf
│
└── README.md # 本文档
- 主控制器: 支持ROS2的Linux系统 (推荐Ubuntu 22.04 LTS)
- 激光雷达: MS200激光雷达 (order-humble包支持)
- 相机系统: 双目立体相机 (Camera ID: 21)
- 嵌入式控制: STM32开发板 (底盘和机械臂控制)
- 通信模块: WiFi/以太网 (WebSocket通信)
- 云服务: 华为云IoT平台账号
- ROS2 Humble (推荐LTS版本)
- Python 3.8+ (核心开发语言)
- OpenCV 4.x (图像处理)
- RKNN Toolkit (AI推理加速)
- FastAPI & WebSocket (服务端通信)
- 微信开发者工具 (小程序开发)
# 安装ROS2 Humble
sudo apt update
sudo apt install ros-humble-desktop
# 安装核心依赖
sudo apt install -y \
ros-humble-slam-toolbox \
ros-humble-nav2-* \
ros-humble-tf2-ros \
ros-humble-rviz2 \
ros-humble-cv-bridge \
ros-humble-image-transport \
ros-humble-sensor-msgs \
ros-humble-geometry-msgs
# 配置环境变量
echo "source /opt/ros/humble/setup.bash" >> ~/.bashrc
source ~/.bashrc# 克隆项目
cd ~/
git clone [your-repo-url] AgriSage
cd AgriSage/robot_ROS2-6_9
# 安装Python依赖
pip install -r requirements.txt
pip install opencv-python numpy pillow websockets fastapi uvicorn
# 编译工作空间
colcon build --symlink-install
source install/setup.bash# 配置激光雷达设备权限
sudo usermod -a -G dialout $USER
sudo chmod 666 /dev/ttyUSB* /dev/ttyS*
# 检查设备连接
ls -l /dev/oradar # 激光雷达
ls -l /dev/video* # 相机设备# 配置华为IoT平台参数 (在server.py中修改)
IOT_SERVER_URI = "78c7a8f557.st1.iotda-device.cn-east-3.myhuaweicloud.com"
IOT_DEVICE_ID = "6804c32cfde7ae37459990d1_my_picking_robot"
IOT_SECRET = "your_secret_key"
# 启动服务端
cd AgriSage/上位机与服务端
python server.py- 打开微信开发者工具
- 导入
微信小程序/miniprogram项目 - 配置服务器地址 (app.js中的serverUrl)
- 配置相机权限和位置权限
- 编译并上传到微信平台
基于v3.2版本的自动模式彻底修复，解决了车辆不动等关键问题：
-
📏 扩大检测范围: 从5米扩展至15米超远距离检测
- 支持更早发现目标，提前规划路径
- 减少近距离急停问题
- 提高作业连续性
-
🎚️ 降低置信度阈值: 从0.3降至0.05超低阈值
- 增强目标发现能力
- 减少漏检率
- 提高系统敏感度
-
🚀 超远距离控制策略: 针对远距离目标的专用算法
- 分层控制策略：远距离粗控制 + 近距离精控制
- 自适应速度调节：距离越远速度越快
- 智能路径优化：避免频繁转向
-
📡 话题发布修复: 解决cmd_vel vs cmd_vel_raw不一致问题
- 统一话题命名规范
- 确保控制指令正确传递
- 消除通信层面的控制延迟
# 自动模式状态实时监控
python3 scripts/debug_auto_mode.py
# 检查话题发布状态
ros2 topic echo /cmd_vel_raw
ros2 topic echo /cmd_vel
# 验证检测范围和置信度
ros2 topic echo /bottle_detection/info完整的SLAM建图与导航功能，支持自主建图和路径规划：
-
🔧 ROS2 Humble适配: 完全兼容最新ROS2框架
- slam-toolbox建图算法集成
- nav2导航栈支持
- lifecycle节点管理
-
📡 MS200激光雷达集成: order-humble包深度集成
- 360度全方位扫描
- 高精度距离测量
- 实时障碍物检测
-
🧠 智能建图算法: 基于slam-toolbox的优化实现
- 实时SLAM建图
- 闭环检测与优化
- 地图质量自动评估
-
💾 实时可视化和地图保存: 完整的地图管理系统
- RViz2实时地图显示
- 自动地图保存（agrisage3_map）
- 地图质量评估和优化
# 一键启动SLAM建图
./src/bottle_detection_ros2/scripts/start_slam_mapping.sh
# 手动启动SLAM
ros2 launch bottle_detection_ros2 slam_mapping.launch.py
# 保存建图结果
ros2 service call /slam/save_map nav2_msgs/srv/SaveMap "{map_topic: '/map', map_url: 'agrisage3_map'}"- 感知层: 双目相机 + 激光雷达 + AI检测
- 决策层: ROS2框架 + SLAM + 避障 + AI助手
- 通信层: WebSocket + FastAPI + IoT平台 + 视频流
- 执行层: STM32控制 + 舵机驱动 + 串口通信
- 交互层: 微信小程序 + RViz2 + 云端控制台
- 检测功能: 独立的AI检测模块，支持异步处理
- 控制功能: 分离的机器人控制和舵机控制
- 通信功能: WebSocket桥接，实现ROS与外部系统通信
- 高频率控制: 50Hz舵机跟踪，30Hz目标检测
- QoS配置: 优化的服务质量配置，确保关键数据传输
- 多线程处理: 异步检测和控制，避免阻塞
- 激光雷达避障: 0.3米安全距离，实时障碍物检测
- 错误处理: 完善的异常处理和系统恢复机制
- 异常恢复: 自动重试和故障切换机制
# 方法一：一键启动（推荐）
cd AgriSage/robot_ROS2-6_9
./src/bottle_detection_ros2/scripts/start_agrisage_with_lidar.sh
# 方法二：手动启动
ros2 launch bottle_detection_ros2 agrisage_with_lidar.launch.py# 新终端启动服务端
cd AgriSage/上位机与服务端
python server.py
# 服务器将在 http://172.20.39.181:1234 启动# SLAM建图功能
./src/bottle_detection_ros2/scripts/start_slam_mapping.sh
# 舵机调试模式
ros2 launch bottle_detection_ros2 servo_debug.launch.py
# 自动模式调试监控
python3 src/bottle_detection_ros2/scripts/debug_auto_mode.py- 微信小程序控制: 实时方向控制、速度调节
- 机械臂控制: 上下左右精确操作
- 舵机调试: 独立的舵机位置控制
- 目标检测: 自动识别可采摘目标
- 路径规划: 智能接近和对准目标
- 避障导航: 激光雷达实时避障
- 精确采摘: 机械臂自动执行采摘动作
- 环境建图: 激光雷达扫描环境
- 地图保存: 自动保存建图结果
- 导航规划: 基于地图的路径规划
- 实时视频流: 机器人视角画面
- 控制按钮: 前进、后退、左转、右转
- 模式切换: 手动/自动模式切换
- 机械臂控制: 上下左右微调操作
- 目标检测: 实时识别可采摘目标
- 距离测量: 显示目标距离和位置
- 置信度显示: AI识别可信度
- 采摘建议: 智能采摘策略建议
- 作业统计: 今日采摘数量、工作时长
- 历史记录: 按日期查看历史数据
- 效率分析: 采摘效率和准确率统计
- 地图轨迹: 机器人作业路径回放
- 智能问答: 基于豆包大模型的技术支持
- 故障诊断: 自动分析系统状态
- 操作指导: 智能操作建议
- 系统监控: 实时系统状态查询
# config/camera_params.yaml
camera_detector:
ros__parameters:
camera_id: 21 # 相机设备ID
model_path: "data/yolo11n.rknn" # AI模型路径
confidence_threshold: 0.05 # 检测置信度阈值
max_distance: 15.0 # 最大检测距离(米)
thread_num: 2 # 推理线程数
publish_rate: 30.0 # 发布频率(Hz)
show_display: true # 显示检测窗口# config/laser_avoidance_params.yaml
laser_avoidance:
ros__parameters:
min_distance: 0.3 # 最小安全距离(米)
scan_angle_range: 60.0 # 扫描角度范围(度)
max_linear_speed: 0.5 # 最大线速度(m/s)
max_angular_speed: 1.0 # 最大角速度(rad/s)
avoidance_enabled: true # 启用避障功能# 在launch文件中配置
auto_harvest_controller:
control_rate: 10.0 # 控制频率(Hz)
search_timeout: 5.0 # 搜索超时(秒)
approach_speed: 30.0 # 接近速度
turn_speed: 20.0 # 转向速度
fine_approach_speed: 10.0 # 精细接近速度
fine_turn_speed: 15.0 # 精细转向速度# config/slam_mapping_params.yaml
slam_toolbox:
ros__parameters:
use_sim_time: false
mode: mapping
resolution: 0.05 # 地图分辨率(米/像素)
map_file_name: agrisage3_map # 地图文件名
map_start_pose: [0.0, 0.0, 0.0] # 起始位姿# 查看节点状态
ros2 node list
ros2 node info integrated_bottle_detection_node
# 监控话题数据
ros2 topic list
ros2 topic echo /bottle_detection/info
ros2 topic echo /cmd_vel
ros2 topic echo /scan
# 查看服务
ros2 service list
ros2 service call /slam/start_mapping std_srvs/srv/SetBool "{data: true}"
# 参数管理
ros2 param list
ros2 param get auto_harvest_controller search_timeout# 检查话题发布
ros2 topic echo /cmd_vel_raw
ros2 topic echo /cmd_vel
# 检查避障节点
ros2 node info laser_obstacle_avoidance
# 查看控制器状态
python3 scripts/debug_auto_mode.py# 检查设备
ls -l /dev/oradar
sudo chmod 666 /dev/oradar
# 重启激光雷达节点
ros2 lifecycle set /laser_driver configure
ros2 lifecycle set /laser_driver activate# 测试相机设备
v4l2-ctl --list-devices
ros2 topic echo /bottle_detection/debug_image
# 检查模型文件
ls -la data/yolo11n.rknn# 自动模式状态监控
python3 scripts/debug_auto_mode.py
# 舵机调试界面
ros2 run bottle_detection_ros2 servo_debug_node
# 图像调试保存
python3 nodes/detection/view_debug_images.py# RViz2可视化
rviz2 -d rviz/slam_mapping.rviz
# 图形调试界面
python3 gui/debug_visualizer_gui.py{
"type": "command",
"command": "move_forward",
"params": {
"speed": 30,
"duration": 1000
}
}{
"type": "command",
"command": "switch_to_auto",
"params": {}
}{
"type": "command",
"command": "arm_rotate_up",
"params": {
"speed": 50
}
}{
"type": "bottle_detection_update",
"data": {
"bottle_detected": true,
"distance": 1.25,
"confidence": 0.95,
"position_x": 320,
"position_y": 240,
"status": "可采摘目标"
}
}{
"type": "ai_chat_request",
"message": "机器人为什么不移动？",
"robot_id": "robot_123"
}GET /health
Response: {"status": "healthy"}GET /api/robot/{robot_id}/status
Response: {
"robot_id": "robot_123",
"online": true,
"mode": "auto",
"battery": 85,
"location": {...}
}系统采用成本优化的双模型策略：
- 模型:
doubao-1.5-thinking-pro-vision - 用途: 专用于目标检测和图像识别
- 特点: 高精度、专业化、视觉理解能力强
- 应用: 水果检测、质量评估、缺陷识别、成熟度判断
- 模型:
doubao-1.5-lite-32k - 用途: AI聊天、Function Calling、状态查询
- 特点: 快速响应、成本低、32K长上下文
- 应用: 智能问答、故障诊断、控制命令、系统监控
- 总体成本降低: 70-80%
- 图像识别精度: 保持不变
- 响应速度: 文本处理更快（平均200ms）
- 系统稳定性: 显著提升
- 并发处理: 支持多用户同时使用
# 检测状态
bool bottle_detected # 是否检测到目标
float32 confidence # 检测置信度 [0.0-1.0]
string status # 检测状态文本
# 位置信息
int32 position_x # 图像坐标X
int32 position_y # 图像坐标Y
float32 distance # 3D距离(米)
float32 angle # 相对角度(弧度)
# 目标属性
int32 target_id # 目标唯一ID
string fruit_type # 水果类型
float32 maturity # 成熟度评分
geometry_msgs/Point world_position # 世界坐标# 控制类型
string command_type # "move_forward", "move_backward", "turn_left", "turn_right", "stop"
int32 speed # 速度参数 [0-100]
int32 duration # 持续时间(毫秒)
string direction # 方向信息
# 模式控制
string mode # "manual", "auto", "debug"
bool emergency_stop # 紧急停止标志# 舵机参数
int32 servo_id # 舵机ID [1-6]
float32 angle # 目标角度(度)
int32 speed # 转动速度 [0-100]
string mode # "absolute", "relative", "continuous"
# 控制参数
bool enable_feedback # 是否启用反馈
float32 timeout # 超时时间(秒)# 采摘动作
string action # "approach", "harvest", "retreat", "abort"
int32 target_id # 目标水果ID
geometry_msgs/Point position # 目标位置
int32 priority # 优先级 [1-10]
# 策略参数
float32 approach_speed # 接近速度
float32 harvest_force # 采摘力度
bool quality_check # 是否进行质量检查- 模型文件:
yolo11n.rknn(4.1MB) - 推理引擎: 瑞芯微RKNN Toolkit
- 硬件加速: NPU加速推理
- 推理池: 多线程并发处理
- 推理速度: ~30FPS
- 检测精度: mAP@0.5 > 0.85
- 内存占用: < 200MB
- 功耗控制: < 2W
- 物理安全: 激光雷达实时避障，紧急停止机制
- 数据安全: 本地数据处理，最小化云端传输
- 通信安全: WebSocket SSL加密，API密钥管理
- 操作安全: 多重确认机制，异常状态保护
# 系统健康检查
curl http://172.20.39.181:1234/health
# 硬件状态检查
dmesg | grep -i usb
v4l2-ctl --list-devices
# 磁盘空间检查
df -h
du -sh ~/.ros/log/# 清理ROS日志
rm -rf ~/.ros/log/*
# 清理调试图像
rm -rf debug_images/*.jpg
# 清理临时文件
find /tmp -name "*ros*" -delete# 设置实时优先级
sudo ./scripts/set_realtime_priority.sh
# CPU性能模式
sudo cpupower frequency-set -g performance
# 内存优化
sudo sysctl vm.swappiness=10- ✨ AI双模型架构: doubao-vision+lite双模型，成本优化70-80%
- 🔧 自动模式彻底修复:
- 15米超远距离检测范围
- 0.05超低置信度阈值
- cmd_vel/cmd_vel_raw话题统一
- 超远距离控制策略
- 🗺️ SLAM建图导航:
- slam-toolbox算法集成
- MS200激光雷达order-humble包支持
- 实时地图保存和可视化
- RViz2完整集成
- 🛡️ 系统集成优化:
- 五层模块化架构(感知-决策-通信-执行-交互)
- 50Hz高频舵机跟踪
- QoS配置优化
- 多线程异步处理
- 📱 微信小程序升级:
- 5大功能页面完整集成
- 智能水果识别界面
- AI助手功能增强
- 地理位置和相机权限支持
- 📨 消息系统完善:
- 4类核心消息类型定义
- 完整的字段规范和类型约束
- WebSocket实时通信优化
- ⚡ 性能监控工具:
- debug_auto_mode.py实时监控
- servo_debug调试工具
- 完善的日志系统
- 🍎 集成智能水果识别系统
- 📸 多模式检测支持
- 🖼️ 完善的图片处理服务
- 📊 识别历史记录管理
- ☁️ 华为IoT平台集成
- 🤖 ROS2 Humble系统重构
- 🎥 自适应视频传输
- 📡 WebSocket实时通信
- 🔧 模块化架构设计
- GitHub Issues: [项目Issue页面]
- 技术文档: 查看各模块README文档
- 调试工具: 使用内置调试脚本排查问题
- ROS2官方文档: [https://docs.ros.org/en/humble/]
- 华为IoT文档: [华为云IoT设备接入文档]
- RKNN开发指南: [瑞芯微RKNN Toolkit文档]
- 微信小程序文档: [微信开放文档]
本项目采用Apache 2.0许可证，详见LICENSE文件。
🌟 AgriSage - 智慧农业的未来 🌟
核心技术: ROS2 Humble | AI双模型 | SLAM导航 | 激光避障 | 微信生态 | 云端集成
系统特色: 智能检测 | 自主导航 | 精确控制 | 远程监控 | 数据分析 | 故障诊断
技术支持: 完整文档 | 调试工具 | 开源社区 | 持续更新
让农业机器人更智能，让农业生产更高效 🚜🤖🌱