Систем за машинско гледање способен да ги лоцира и идентификува цветовите на кралот на јаболкото во кластери цветови на дрвјата во овоштарниците, беше смислен од истражувачите од Пен Стејт - критичен ран чекор во развојот на роботски систем за опрашување - во прва студија од ваков вид. .
Цветовите на јаболкото растат во групи од четири до шест цветови прикачени на гранки, а централниот цвет е познат како кралски цвет. Овој цвет се отвора прво во кластерот и обично го расте најголемиот плод. Значи, тоа е клучната цел на роботскиот систем за опрашување, според истражувачот Лонг Хе, доцент по земјоделство и биолошки инженеринг.
За продуктивноста на јаболката традиционално се потпира на опрашувањето со инсекти. Сепак, доказите сугерираат дека услугите за опрашување, и од домашни пчели и од диви опрашувачи, не одговараат на зголемените барања, истакна тој. Поради нарушување на колапсот на колонијата, пчелите ширум светот умираат со алармантна брзина. Како резултат на тоа, на производителите им се потребни алтернативни методи на опрашување.
Оваа студија е најновата спроведена од истражувачката група на He's на Колеџот за земјоделски науки, која е посветена на развивање роботски системи за извршување на трудоинтензивни земјоделски задачи како што се собирање печурки, кастрење јаболкници и разредување на зелените плодови. Примарната цел на овој проект, објасни тој, беше да се развие систем за видување заснован на длабоко учење, кој може прецизно да ги идентификува и лоцира кралските цвеќиња во крошните на дрвјата.
„Сметаме дека овој резултат ќе обезбеди основни информации за роботски систем за опрашување, што ќе доведе до ефикасно и репродуктивно опрашување на јаболката за да се максимизира приносот на висококвалитетни плодови“, рече тој. „Во Пенсилванија, сè уште можеме да се потпреме на пчелите за опрашување на културите на јаболка, но во другите региони каде што пчелите умреа беа потешки, на одгледувачите може да им биде потребна оваа технологија порано отколку подоцна“.
Ксинјанг Му, докторант на Катедрата за земјоделско биолошко инженерство, ја предводеше студијата за кралски цвет. Му користеше Mask R-CNN - популарна компјутерска програма за длабоко учење која врши сегментација на ниво на пиксели за да открие објекти кои се делумно затскриени од други објекти - за да ги идентификува и лоцира кралските цвеќиња во системот за машинско гледање.
За да го изгради моделот за откривање базиран на Mask R-CNN, тој снимил стотици фотографии од кластери од цветови од јаболка. Потоа тој разви алгоритам за сегментација на кралскиот цвет за да ги идентификува и лоцира кралските цвеќиња од таа необработена база на слики од јаболко цвеќе. Истражувањето беше спроведено во Центарот за истражување и проширување на овошје во Пен Стејт, Биглервил.
Гала и Honeycrisp јаболко за тестовите беа избрани сорти. Тестните дрвја беа засадени во 2014 година со растојание од околу 5 стапки (Гала) и 6 1/2 стапки (Honeycrisp). Овие дрвја биле обучени за висока архитектура на крошна со вретено, со просечна висина од околу 13 стапки. Системот за стекнување слики со камера беше поставен на корисно возило маневрирано помеѓу дрворедите.
Тренирањето на системот за машинска визија за лоцирање на кралските цвеќиња беше предизвик, истакна Му, бидејќи тие се со иста големина, боја и форма како страничните цветови во кластери, а кралските цвеќиња обично се заматени од околните цвеќиња поради нивната централна положба.
За да се исполнат барањата за пренос на учење за обука за модели на Mask R-CNN, необработените слики беа означени во две однапред дефинирани класи: индивидуални цвеќиња и оклудирани цвеќиња. За да се зголеми прецизноста, базата на податоци за обука беше зголемена за четири пати користејќи пристапи за зголемување на податоците, објасни Му.
„За да се разликуваат кралските цвеќиња од страничните цвеќиња, најцентралниот цвет во секој цветен кластер беше насочен или локализиран“, рече тој. „Системот за вид автоматски ги лоцираше цветните кластери одделно врз основа на дводимензионален пристап за мапирање на густината на цвеќето. Во секој откриен цветен кластер, цветот - или маската - на најцентрираната позиција беше одреден како целен кралски цвет.
Во наодите неодамна објавени во Паметна земјоделска технологија, истражувачите објавија високо ниво на точност за откривање кралски цвет што произлегува од алгоритмот на Му. Во споредба со мерењата направени рачно од истражувачите кои ги идентификуваа кралските цвеќиња со око - наречени мерења на вистината од страна на истражувачите - точноста на откривање на цветот на кралот на машинската визија варира од 98.7% до 65.6%.