Робот Vegebot собирает листья салата в поле

Инженеры из Кембриджского университета разработали робота для сбора овощей, который может автономно идентифицировать и собирать листья салата, одну из наиболее требовательных у людей культур. Vegebot обучался с использованием алгоритма машинного обучения, который помог ему различать здоровые салаты, готовые к уборке, в различных погодных условиях.

Проблемы сбора

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. Разработка автономной роботизированной системы для сбора овощей, таких как, например, огурец, оказалась невероятно сложной задачей.

Латук - еще одна сложная культура, которая до сих пор была устойчивой к автоматизации. Наряду с тем, что он растёт ровно до земли и нуждается в точной резке, площадь салата представляет собой новую проблему для зрения роботов, которое должно которое должно выделить лишь созревшую головку среди множества листьев. «Каждое поле уникально, каждый салат отличается», - говорит соавтор исследования Саймон Биррелл, посвященный конкретным проблемам в разработке автономной системы сбора салата.

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 большом зеленом поле. Алгоритм машинного обучения был разработан, а затем обучен роботизированной системе, сначала на изображениях салатов, а затем на реальных экземплярах в лабораторных условиях. Затем 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. Это включало в себя специально разработанную мягкую рукоятку со второй камерой рядом с режущим лезвием, чтобы гарантировать, что разрез будет гладким и в нужном месте.

Данная машина, получившая название Vegebot, продемонстрировала впечатляющие результаты идентификации с частотой успешной локализации, составляющей 91%. Система все еще нуждается в доработке, прежде чем ее можно будет полноценно использовать, поскольку все еще остается высокий показатель повреждений экземпляров при сборке, составляющим около 38 процентов. Исследователи отмечают, что эта степень повреждения означает, что значительный объем собранных салатов не соответствовал стандартам супермаркетов, однако они все еще оставались съедобными.

Усовершенствование

Еще одно препятствие, которое нужно преодолеть, - это скорость системы, при которой Vegebot в среднем нужно 32 секунды на произведение действий. 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 спелыми.

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. «Мы также собираем много данных о листьях салата, которые могут быть использованы для повышения эффективности, например, какие поля дают самые высокие урожаи», - говорит соавтор исследования Джози Хьюз. «Мы все еще должны ускорить нашего Vegebot до уровня, когда он мог бы конкурировать с человеком, но мы думаем, что роботы имеют большой потенциал в данном направлении».