Penn State pētnieki pirmajā šāda veida pētījumā izstrādāja mašīnredzes sistēmu, kas spēj atrast un identificēt ābeļu karalisko ziedus ziedu kopās uz kokiem augļu dārzos. .
Ābeļu ziedi aug grupās pa četriem līdz sešiem ziediem, kas piestiprināti pie zariem, un centrālais zieds ir pazīstams kā karaliskais zieds. Šis zieds klasterī atveras pirmais un parasti izaudzē lielākos augļus. Tātad, tas ir galvenais robotizētās apputeksnēšanas sistēmas mērķis, norāda pētnieks Long He, lauksaimniecības un lauksaimniecības docents. bioloģiskā inženierija.
Tradicionāli ābolu produktivitāte ir atkarīga no kukaiņu apputeksnēšanas. Tomēr pierādījumi liecina, ka apputeksnēšanas pakalpojumi gan no pieradinātām medus bitēm, gan savvaļas apputeksnētājiem neatbilst pieaugošajām prasībām, viņš atzīmēja. Līdz koloniju sabrukšanas traucējumi, medus bites visā pasaulē mirst satraucošā ātrumā. Tā rezultātā ražotājiem ir vajadzīgas alternatīvas apputeksnēšanas metodes.
Šis ir jaunākais pētījums, ko veica He pētniecības grupa Lauksaimniecības zinātņu koledžā, kuras mērķis ir izstrādāt robotizētas sistēmas, lai veiktu darbietilpīgus lauksaimniecības uzdevumus, piemēram, sēņu lasīšanu, ābeļu atzarošanu un zaļo augļu retināšanu. Šā projekta galvenais mērķis, viņš paskaidroja, bija izstrādāt dziļu uz mācībām balstītu redzes sistēmu, kas varētu precīzi identificēt un atrast karalisko ziedus koku lapotnēs.
"Mēs domājam, ka šis rezultāts sniegs pamatinformāciju par robotizētu apputeksnēšanas sistēmu, kas novestu pie efektīvas un reproducējamas ābolu apputeksnēšanas, lai maksimāli palielinātu augstas kvalitātes augļu ražu," viņš teica. "Pensilvānijā mēs joprojām varam paļauties uz bitēm, lai apputeksnētu ābolu kultūras, bet citos reģionos, kur bišu izmiršana ir bijusi daudz lielāka, audzētājiem šī tehnoloģija var būt nepieciešama agrāk nekā vēlāk."
Xinyang Mu, Lauksaimniecības bioloģiskās inženierijas katedras doktorants, vadīja karalisko ziedu pētījumu. Mu izmantoja Mask R-CNN — populāru padziļinātas apmācības datorprogrammu, kas veic pikseļu līmeņa segmentāciju, lai noteiktu objektus, kurus daļēji aizsedz citi objekti, lai identificētu un atrastu karalisko ziedus mašīnredzes sistēmā.
Lai izveidotu uz Mask R-CNN balstītu noteikšanas modeli, viņš uzņēma simtiem ābeļu ziedu kopu fotoattēlu. Pēc tam viņš izstrādāja karalisko ziedu segmentēšanas algoritmu, lai identificētu un atrastu karalisko ziedu no šīs neapstrādātās ābolu ziedu attēlu datu kopas. Pētījums tika veikts Penn State's Augļu pētniecības un paplašināšanas centrā, Biglervilā.
Gala un Honeycrisp ābols testiem tika atlasītas šķirnes. Testa koki tika stādīti 2014. gadā ar aptuveni 5 pēdu (Gala) un 6 1/2 pēdu (Honeycrisp) atstarpi. Šie koki tika apmācīti augstu vārpstas lapotņu arhitektūrā, kuru vidējais augstums bija aptuveni 13 pēdas. Attēlu iegūšanas sistēma ar kameru tika uzstādīta komunālajam transportlīdzeklim, kas manevrēja starp koku rindām.
Mašīnredzes sistēmas apmācība, lai atrastu karalisko ziedu atrašanās vietu, bija izaicinājums, norādīja Mu, jo tiem ir tāds pats izmērs, krāsa un forma kā sānu ziedi puduros, un karaliskos ziedus parasti aizēno apkārtējie ziedi to centrālās atrašanās vietas dēļ.
Lai izpildītu pārnešanas mācīšanās prasības Mask R-CNN modeļa apmācībai, neapstrādāti attēli tika marķēti divās iepriekš noteiktās klasēs: atsevišķi ziedi un aizsegti ziedi. Lai uzlabotu precizitāti, apmācības datu kopa tika palielināta četras reizes, izmantojot datu papildināšanas pieejas, skaidroja Mu.
"Lai atšķirtu karaliskos ziedus no sānu ziediem, tika atlasīts vai lokalizēts viscentrālais zieds katrā ziedu kopā," viņš teica. "Vīzijas sistēma automātiski novietoja ziedu kopas atsevišķi, pamatojoties uz divdimensiju ziedu blīvuma kartēšanas pieeju. Katrā atklātajā ziedu pudurī zieds vai maska, kas atrodas pašā centrā, tika noteikts kā mērķa karaliskais zieds.
Rezultātos, kas nesen publicēti Viedā lauksaimniecības tehnoloģija, pētnieki ziņoja par augstu karaliskās ziedu noteikšanas precizitātes līmeni, kas izriet no Mu algoritma. Salīdzinājumā ar mērījumiem, ko pētnieki veica manuāli, identificējot karaliskās ziedus ar aci, ko pētnieki sauc par zemes patiesības mērījumiem, mašīnredzes karaliskā zieda noteikšanas precizitāte svārstījās no 98.7% līdz 65.6%.