Meyve bahçelerindeki ağaçlardaki çiçek kümeleri içindeki elma kralı çiçeklerini tespit edebilen ve tanımlayabilen bir makine görüş sistemi, türünün ilk örneği olan bir çalışmada, robotik tozlaşma sisteminin geliştirilmesinde kritik bir erken adım olan Penn State araştırmacıları tarafından tasarlandı. .
Elma çiçekleri, dallara bağlı dört ila altı çiçekten oluşan gruplar halinde büyür ve ortadaki çiçek, kral çiçeği olarak bilinir. Bu çiçek salkımda ilk önce açılır ve genellikle en büyük meyveyi verir. Tarım ve Hayvancılık Fakültesi'nde yardımcı doçent olan araştırmacı Long He'ye göre bu, robotik tozlaşma sisteminin temel hedefidir. Biyolojik Mühendislik.
Elma verimliliği için geleneksel olarak böcek tozlaşmasına güvenilmektedir. Ancak kanıtların, hem evcilleştirilmiş bal arılarından hem de yabani tozlaştırıcılardan gelen tozlaşma hizmetlerinin artan talebi karşılamadığını gösterdiğini belirtti. Dolayı koloni Çöküşü bozukluğuDünya çapında bal arıları endişe verici oranlarda ölüyor. Sonuç olarak üreticilerin alternatif tozlaşma yöntemlerine ihtiyacı var.
Bu çalışma, He'nin Tarım Bilimleri Fakültesi'ndeki mantar toplama, elma ağacı budama ve yeşil meyve seyreltme gibi emek yoğun tarımsal görevleri gerçekleştirmek için robotik sistemler geliştirmeye adanmış araştırma grubu tarafından yürütülen son çalışmadır. Bu projenin temel amacının, ağaç gölgeliklerindeki kral çiçekleri kesin olarak tanımlayıp konumlandırabilecek derin öğrenmeye dayalı bir görüş sistemi geliştirmek olduğunu açıkladı.
"Bu sonucun, yüksek kaliteli meyvelerin verimini en üst düzeye çıkarmak için elmaların verimli ve tekrarlanabilir tozlaşmasına yol açacak robotik tozlaşma sistemi için temel bilgiler sağlayacağını düşünüyoruz" dedi. "Pennsylvania'da elma mahsullerini polenlemek için hâlâ arılara güvenebiliriz, ancak arı ölümlerinin daha şiddetli olduğu diğer bölgelerde yetiştiriciler bu teknolojiye çok geçmeden ihtiyaç duyabilir."
Tarımsal Biyoloji Mühendisliği Bölümü doktora öğrencisi Xinyang Mu, kral çiçek çalışmasına öncülük etti. Mu, bir makine görüş sistemindeki kral çiçekleri tanımlamak ve konumlandırmak için, diğer nesneler tarafından kısmen gizlenen nesneleri tespit etmek için piksel düzeyinde segmentasyon gerçekleştiren popüler bir derin öğrenme bilgisayar programı olan Mask R-CNN'yi kullandı.
Mask R-CNN tabanlı algılama modelini oluşturmak için yüzlerce elma çiçeği kümesi fotoğrafı çekti. Daha sonra, elma çiçeği görüntülerinin ham veri kümesinden kral çiçekleri tanımlamak ve bulmak için bir kral çiçek segmentasyon algoritması geliştirdi. Araştırma Penn State'in Biglerville Meyve Araştırma ve Yayım Merkezi'nde gerçekleştirildi.
Gala ve Honeycrisp elma denemeler için çeşitler seçilmiştir. Test ağaçları 2014 yılında yaklaşık 5 fit (Gala) ve 6 1/2 fit (Honeycrisp) ağaç aralığıyla dikildi. Bu ağaçlar, ortalama yüksekliği yaklaşık 13 fit olan uzun iğ gölgelik mimarisinde eğitildi. Kameralı görüntü toplama sistemi, ağaç sıraları arasında manevra yapan bir ticari araca monte edildi.
Mu, yapay görüş sistemini kral çiçeklerin yerini tespit etmek için eğitmenin zor olduğunu, çünkü bunların kümelerdeki yan çiçeklerle aynı boyut, renk ve şekle sahip olduklarını ve kral çiçeklerin genellikle merkezi konumları nedeniyle çevredeki çiçekler tarafından gizlendiğini belirtti.
Mask R-CNN modeli eğitimi için transfer öğreniminin gerekliliklerini yerine getirmek amacıyla ham görüntüler, önceden tanımlanmış iki sınıfta etiketlendi: tek tek çiçekler ve kapatılmış çiçekler. Mu, kesinliği artırmak için veri artırma yaklaşımları kullanılarak eğitim veri kümesinin dört kat genişletildiğini açıkladı.
"Kral çiçekleri yan çiçeklerden ayırmak için, her çiçek kümesinin en merkezi çiçeği hedeflendi veya lokalize edildi" dedi. "Görme sistemi, iki boyutlu çiçek yoğunluğu haritalama yaklaşımına dayalı olarak çiçek kümelerini otomatik olarak ayrı ayrı konumlandırdı. Tespit edilen her çiçek kümesinde, en orta konumdaki çiçek veya maske, hedef kral çiçek olarak belirlendi."
Yakın zamanda yayınlanan bulgularda Akıllı Tarım TeknolojisiAraştırmacılar, Mu'nun algoritmasından kaynaklanan yüksek düzeyde kral çiçek tespit doğruluğunu bildirdiler. Araştırmacıların kral çiçeklerini gözle tespit ederek manuel olarak yaptığı ölçümlerle (araştırmacılar tarafından temel doğruluk ölçümleri adı verilen) karşılaştırıldığında, makine görüşüyle kral çiçek tespit doğruluğu %98.7 ile %65.6 arasında değişiyordu.