Машинное обучение помогает роботу собирать салат в поле — Роботех

Машинное обучение помогает роботу собирать салат в поле

Инженеры из Кембриджского университета разработали робота для сбора овощей, который может автономно идентифицировать и собирать салат айсберг. Vegebot обучался с использованием алгоритма машинного обучения, который помог ему различать здоровые салаты, готовые к уборке, и в различных погодных условиях.

Сбор урожая в сельском хозяйстве является одной из областей промышленности, в которой всегда использовались новые технологические достижения. Некоторые культуры, такие как пшеница или картофель, относительно легко собирать механическим способом в больших масштабах, но другие культуры все еще требуют кропотливого человеческого труда для сбора урожая. Разработка автономной роботизированной системы для сбора овощей, таких как, например , огурец , оказалась невероятно сложной задачей.

Салат еще одна сложная культура, которая до сих пор оказалась устойчивой к автоматизации. Наряду с тем, что он растет слишком близко к земле и нуждается в точной резке, поле салата представляет собой главную проблему для зрения роботов, ведь ему сложно сконцентрироваться на отдельной головке салата, готовой для сбора, среди целого «моря» других зеленых листьев. ,

«Каждое поле уникально, каждый салат отличается», — говорит соавтор исследования Саймон Биррелл.

Первой и, пожалуй, самой сложной проблемой, которую инженеры должны были решить при разработке робота для сбора салата, было обучение системы идентификации здоровой головки салата в зеленом поле. Алгоритм машинного обучения был разработан, а затем обучен роботизированной системой, сначала на изображениях салатов, а затем на реальных салатах в лабораторных условиях. После этих исптыаний система была переведена в реальные полевые условия, чтобы изучить внешний вид головки салата для сбора урожая в различных погодных условиях.

Вторая задача заключалась в том, чтобы создать способ, позволяющий роботу разрезать и подбирать каждый салат с точностью, необходимой для поддержания длины стебля в соответствии с коммерческими стандартами. Для этих целей была специально разработана мягкая рукоятку с режущим лезвием, чтобы гарантировать, что разрез будет гладким и в нужном месте.

Такая машина, получившая название Vegebot, продемонстрировала впечатляющие результаты идентификации с частотой успешной локализации 91%. Система все еще нуждается в доработке, прежде чем ее можно будет перевести в коммерческое использование, так как показатель повреждения все еще остается довольно высоким — 38%. Исследователи отмечают, что эта степень повреждения означает, что значительный объем собранных салатов не соответствовал стандартам супермаркетов, однако они все еще оставались съедобными.

Еще одно препятствие, которое нужно преодолеть, — это скорость системы, при которой Vegebot в среднем набирает 32 секунды на выбор каждого салата. Это намного медленнее, чем у обычного человека, но исследователи предполагают, что более легкие производственные материалы должны ускорить этот процесс.

С другой стороны, такая система может сократить количество пищевых отходов, поскольку робот может выполнять несколько проходов на одном поле, собирая только те фрукты и овощи, которые он считает зрелыми. Текущие методы сбора урожая человеком, как правило, выполняют зачистку полей только один раз, что означает, что незрелые или не готовые плоды собираются и впоследствии выбрасываются.

Add a Comment

Ваш e-mail не будет опубликован. Обязательные поля помечены *