Sistem visi mesin anu tiasa mendakan sareng ngaidentipikasi kembang raja apel dina gugusan kembang dina tangkal di kebon kebon diciptakeun ku panaliti Penn State — léngkah awal kritis dina pamekaran sistem pembuahan robotic — dina ulikan anu munggaran. .
Kembang apel tumuwuh dina grup opat nepi ka genep mekar napel dahan, sarta mekar puseur katelah kembang raja. Kembang ieu mimiti muka dina gugusan sareng biasana tumuwuh buah anu panggedéna. Janten, éta mangrupikeun udagan konci sistem pembuahan robotik, numutkeun panalungtik Long He, asistén dosen pertanian sareng rékayasa biologis.
Penyerbukan serangga sacara tradisional diandelkeun pikeun produktivitas apel. Tapi, bukti nunjukkeun yén jasa pembuahan, boh ti honeybees domesticated jeung pollinators liar, teu cocog ngaronjatna tungtutan, Anjeunna nyatet. Alatan gangguan runtuhna koloni, honeybees sakuliah dunya geus dying di ongkos alarming. Hasilna, produsén peryogi metode pembuahan alternatif.
Panaliti ieu mangrupikeun pangahirna anu dilakukeun ku grup riset Anjeunna di College of Agricultural Sciences, anu dikhususkeun pikeun ngembangkeun sistem robotic pikeun ngalaksanakeun tugas-tugas pertanian anu intensif tanaga kerja sapertos metik supa, pruning tangkal apel sareng ipis buah héjo. Tujuan utama proyék ieu, Anjeunna ngajelaskeun, nya éta pikeun ngembangkeun sistem visi dumasar-learning anu tiasa ngaidentipikasi sareng mendakan kembang raja dina kanopi tangkal.
"Kami nyangka hasil ieu bakal nyayogikeun inpormasi dasar pikeun sistem pembuahan robotic, anu bakal ngakibatkeun pembuahan apel anu efisien sareng tiasa diulang pikeun maksimalkeun ngahasilkeun buah-buahan anu berkualitas tinggi," saur anjeunna. "Di Pennsylvania, urang masih tiasa ngandelkeun nyiruan pikeun nyerna pepelakan apel, tapi di daérah sanés dimana paéh nyiruan langkung parah, para pekebun panginten peryogi téknologi ieu langkung lami."
Xinyang Mu, mahasiswa doktor di Jurusan Téknik Biologi Pertanian, mingpin studi kembang raja. Mu dipaké Mask R-CNN-program komputer jero-learning populér nu ngalakukeun segmentation piksel-tingkat pikeun ngadeteksi obyék anu sawaréh obscured ku objék séjén-pikeun ngaidentipikasi sarta maluruh kembang raja dina sistem visi mesin.
Pikeun ngawangun modél deteksi Mask R-CNN, anjeunna ngarebut ratusan poto klaster mekar apel. Lajeng anjeunna ngembangkeun hiji algoritma segmentation kembang raja pikeun ngaidentipikasi jeung nomeran lokasi kembang raja ti éta dataset baku gambar kembang apal. Panaliti ieu dilakukeun di Pusat Panaliti sareng Ekstensi Buah Penn State, Biglerville.
Gala sareng Honeycrisp apel variétas dipilih pikeun tés. Tangkal uji ditanam taun 2014 kalayan jarak tangkal kira-kira 5 kaki (Gala) sareng 6 1/2 kaki (Honeycrisp). Tangkal ieu dilatih dina arsitektur kanopi spindle jangkung, kalayan jangkungna rata-rata kira-kira 13 suku. Sistem akuisisi gambar sareng kaméra dipasang dina kendaraan utilitas anu maneuver antara barisan tangkal.
Ngalatih sistem visi mesin pikeun maluruh kembang raja éta nangtang, Mu nunjuk kaluar, sabab ukuran, warna jeung bentuk sarua salaku blossoms gurat dina klaster, sarta kembang raja ilaharna obscured ku kembang sabudeureun kusabab posisi sentral maranéhanana.
Pikeun nyumponan sarat transfer learning pikeun latihan modél Mask R-CNN, gambar atah dilabélan dina dua kelas anu tos ditetepkeun: kembang individu sareng kembang anu ditutup. Pikeun ningkatkeun precision, set data latihan digedékeun ku opat kali nganggo pendekatan data-augmentation, Mu ngajelaskeun.
"Pikeun ngabédakeun kembang raja sareng kembang gurat, kembang anu paling sentral dina unggal gugusan kembang disasar, atanapi dilokalkeun," saurna. "Sistem visi sacara otomatis nempatkeun gugusan kembang sacara misah dumasar kana pendekatan pemetaan dénsitas kembang dua diménsi. Dina unggal gugusan kembang anu dideteksi, kembang-atanapi topéng-dina posisi anu paling terpusat ditangtukeun salaku kembang raja anu dituju.
Dina papanggihan anyar diterbitkeun dina Téhnologi Pertanian pinter, peneliti ngalaporkeun tingkat luhur akurasi deteksi kembang raja hasilna tina algoritma Mu. Dibandingkeun sareng pangukuran anu dilakukeun sacara manual ku panalungtik ngaidentipikasi kembang raja ku panon-disebut pangukuran bebeneran taneuh ku peneliti-akurasi deteksi kembang raja visi mesin variatif ti 98.7% dugi ka 65.6%.