Наука и практика, , N + 1

Робота научили аккуратно собирать с грядки созревший салат

Он автоматически игнорирует неготовые для сбора овощи.

Британские инженеры создали робота, способного распознавать созревшие кочаны латука и аккуратно срезать их. Полевые испытания робота показали, что он способен корректно распознавать созревший салат в более чем 85 процентах случаев, рассказывают авторы статьи в Journal of Field Robotics.

На долю сельского хозяйства в мире в среднем приходится около 3−4 процентов ВВП. Компании и исследовательские организации в этой сфере активно разрабатывают автоматические системы посева и сбора урожая, которые потенциально способны значительно снизить его себестоимость, а также повысить качество. Несмотря на большой прогресс в робототехнике, многие виды растений в подавляющем большинстве случаев до сих пор собираются вручную.

Во время загрузки произошла ошибка.

Процесс сбора урожая включает в себя сразу несколько серьезных технологических задач, таких как распознавание созревших плодов и их аккуратный захват без повреждения. Помимо того, что эти задачи сложны сами по себе, для реального применения они должны выполняться с высокой скоростью и в реальных условиях.

Инженеры из Кембриджского университета под руководством Фумии Ииды (Fumiya Iida) создали робота, способного самостоятельно распознавать готовые к сбору неповрежденные кочаны салата латука, а также аккуратно собирать их. Он представляет собой манипулятор на колесной платформе шириной с одну грядку. На конце манипулятора установлен захват, нож для срезания кочана, а также камера. Кроме того, еще одна камера расположена в верхней части платформы. Поскольку перед инженерами не стояла задача создания полноценного робота, готового к массовому применению, они установили все компоненты на пассивной колесной платформе, передвигаемой оператором вручную.

После того, как робот оказывается над новыми кочанами салата, он начинает процесс распознавания и классификации кочанов. Локализация кочанов перед камерой работает на основе сверточной нейросети YOLO v3, а классификация по четырем типам (созревший, несозревший или зараженный кочан, или земля) осуществляется другой сверточной нейросетью Darknet Object Classification Network. Первая нейросеть была обучена на 1500 снимков, а вторая на 665 снимках.

Эксперименты в поле показали, что робот способен определять кочаны перед собой с точностью в 91 процент, а также корректно классифицировать их с точностью около 85 процентов, после чего аккуратно срезает и поднимает латук.

При этом у робота есть достаточно серьезный недостаток — время одного цикла работы (от одного кочана к другому) составляет почти 32 секунды, что гораздо выше скорости работы сборщиков салата или автоматизированных машин, но существующие машины собирают весь урожай без учета его готовности.

В прошлом году эта же группа инженеров представила робота, способного аккуратно снимать с кочана латука пожухлые внешние листья. Для этого робот использует камеру с системой компьютерного зрения, а также вакуумную присоску, захватывающую отдельные листья.

Григорий Копиев

Читайте также: Роботы отбили у людей охоту соперничать

Обнаружили ошибку? Выделите ее и нажмите Ctrl+Enter.
Илья Бутусов
Около тысячи (ну пусть 2 тыс.) образцов - это довольно мало для обучения нейросети. Обычно выборки данных начинаются от десятков тысяч и доходят до миллионов образцов. Правда, пишут, что Yolo в этом плане более эффективная система, но если бы образцов было больше - думаю, точность бы возросла более чем до 95%.
СсылкаПожаловаться
Чтобы оставить комментарий, вам нужно авторизоваться.
Знаков: 0 из 2000
Вы не ввели текст отзыва
Знаков: 0 из 2000
Вы не ввели текст отзыва