Investigadores de Penn State idearon un sistema de visión artificial capaz de localizar e identificar as flores do rei da mazá dentro de racimos de flores das árbores dos pomares, nun primeiro estudo deste tipo. .
As flores de mazá crecen en grupos de catro a seis flores unidas ás ramas, e a flor central coñécese como a flor rei. Esta flor ábrese primeiro no racimo e adoita crecer o froito máis grande. Polo tanto, é o obxectivo clave dun sistema de polinización robótico, segundo o investigador Long He, profesor asistente de agricultura e enxeñaría biolóxica.
Tradicionalmente confiouse na polinización dos insectos para a produtividade da mazá. Non obstante, a evidencia suxire que os servizos de polinización, tanto de abellas domésticas como de polinizadores silvestres, non responden ás demandas crecentes, sinalou. Debido a trastorno do colapso das colonias, as abellas de todo o mundo morreron a un ritmo alarmante. Como resultado, os produtores necesitan métodos alternativos de polinización.
Este estudo é o último realizado polo grupo de investigación de He na Facultade de Ciencias Agrícolas, que se dedica ao desenvolvemento de sistemas robóticos para realizar tarefas agrícolas intensivas en man de obra, como a recollida de cogomelos, a poda de maceiras e o raleo de froitos verdes. O obxectivo principal deste proxecto, explicou, era desenvolver un sistema de visión baseado na aprendizaxe profunda que puidese identificar e localizar con precisión as flores do rei nas copas das árbores.
"Cremos que este resultado proporcionará información de referencia para un sistema de polinización robotizado, o que levaría a unha polinización eficiente e reproducible das mazás para maximizar o rendemento de froitas de alta calidade", dixo. "En Pensilvania, aínda podemos confiar nas abellas para polinizar os cultivos de mazá, pero noutras rexións onde a morte de abellas foi máis grave, os produtores poden necesitar esta tecnoloxía máis pronto que tarde".
Xinyang Mu, estudante de doutoramento no Departamento de Enxeñaría Biolóxica Agrícola, encabezou o estudo da flor do rei. Mu utilizou Mask R-CNN, un popular programa informático de aprendizaxe profundo que realiza a segmentación a nivel de píxeles para detectar obxectos que están parcialmente ocultados por outros obxectos, para identificar e localizar as flores rei nun sistema de visión artificial.
Para construír o modelo de detección baseado en Mask R-CNN, capturou centos de fotos de racimos de mazás. Despois desenvolveu un algoritmo de segmentación de flores rei para identificar e localizar as flores rei a partir dese conxunto de datos brutos de imaxes de flores de mazá. A investigación levouse a cabo no Centro de Investigación e Extensión de Frutas de Penn State, Biglerville.
Gala e Honeycrisp mazá seleccionáronse variedades para as probas. As árbores de proba plantáronse en 2014 cunha distancia entre árbores duns 5 pés (Gala) e 6 1/2 pés (Honeycrisp). Estas árbores foron adestradas na arquitectura de dosel de fuso alto, cunha altura media duns 13 pés. O sistema de adquisición de imaxes cunha cámara foi montado nun vehículo utilitario manobrado entre filas de árbores.
Adestrar o sistema de visión artificial para localizar as flores rei foi un reto, sinalou Mu, porque teñen o mesmo tamaño, cor e forma que as flores laterais en racimos, e as flores rei normalmente están ocultas polas flores circundantes debido á súa posición central.
Para cumprir os requisitos de aprendizaxe de transferencia para o adestramento do modelo Mask R-CNN, etiquetáronse as imaxes en bruto en dúas clases predefinidas: flores individuais e flores ocluídas. Para mellorar a precisión, o conxunto de datos de adestramento ampliouse catro veces usando enfoques de aumento de datos, explicou Mu.
"Para distinguir as flores rei das flores laterais, a flor máis central dentro de cada racimo de flores foi seleccionada ou localizada", dixo. "O sistema de visión localizou automaticamente os racimos de flores por separado baseándose nun enfoque de cartografía bidimensional da densidade de flores. Dentro de cada racimo de flores detectado, a flor (ou a máscara) na posición máis centrada determinouse como a flor rei de destino.
Nos descubrimentos publicados recentemente en Tecnoloxía Agrícola Intelixente, os investigadores informaron dun alto nivel de precisión na detección de flores rei resultado do algoritmo de Mu. En comparación coas medicións realizadas manualmente polos investigadores que identifican as flores rei a vista, as chamadas medicións da verdade do terreo polos investigadores, a precisión da detección de flores rei por visión artificial variou entre o 98.7% e o 65.6%.