賓州州立大學的研究人員在一項史無前例的研究中設計了一種機器視覺系統,能夠定位和識別果園樹上花叢中的蘋果王花,這是開發機器人授粉系統的關鍵早期步驟。
蘋果花成群生長,四到六朵花附著在樹枝上,中心花稱為王花。這種花在花簇中最先開放,通常會結出最大的果實。因此,這是機器人授粉系統的關鍵目標,研究員、農業與應用科學學院助理教授龍河說。 生物工程.
傳統上,蘋果的生產力依賴昆蟲授粉。然而,他指出,有證據表明,來自馴化蜜蜂和野生授粉媒介的授粉服務無法滿足日益增長的需求。由於 殖民地崩潰症,世界各地的蜜蜂正以驚人的速度死亡。因此,生產者需要替代的授粉方法。
這項研究是農業科學學院賀教授課題組的最新研究成果,該研究小組致力於開發機器人系統來完成蘑菇採摘、蘋果樹修剪和青果間疏等勞動密集型農業任務。他解釋說,該計畫的主要目標是開發一種基於深度學習的視覺系統,可以精確識別和定位樹冠中的王花。
他說:“我們認為這一結果將為機器人授粉系統提供基線信息,從而實現高效且可重複的蘋果授粉,從而最大限度地提高優質水果的產量。” “在賓夕法尼亞州,我們仍然可以依靠蜜蜂為蘋果作物授粉,但在蜜蜂死亡更嚴重的其他地區,種植者可能遲早需要這項技術。”
農業生物工程系博士生穆新陽帶頭進行了王花研究。 Mu 使用 Mask R-CNN(一種流行的深度學習電腦程序,執行像素級分割來偵測被其他物件部分遮蔽的物件)來識別和定位機器視覺系統中的王花。
為了建立基於 Mask R-CNN 的檢測模型,他拍攝了數百張蘋果花簇照片。然後,他開發了一種王花分割演算法,用於從蘋果花圖像的原始資料集中識別和定位王花。這項研究是在賓州州立大學比格勒維爾水果研究和推廣中心進行的。
嘎拉和蜜脆 蘋果 選擇品種進行試驗。測試樹於 2014 年種植,樹距約為 5 英尺(Gala)和 6 1/2 英尺(Honeycrisp)。這些樹木採用高紡錘形樹冠結構,平均高度約為 13 英尺。帶有攝影機的影像擷取系統安裝在一輛在樹行之間操縱的多功能車上。
穆指出,訓練機器視覺系統來定位王花是一項挑戰,因為它們的大小、顏色和形狀與簇狀的側向花朵相同,而且王花由於其中心位置通常會被周圍的花朵遮擋。
為了滿足 Mask R-CNN 模型訓練的遷移學習要求,原始影像被標記為兩個預先定義的類別:單花和遮擋花。 Mu 解釋說,為了提高精度,使用資料增強方法將訓練資料集擴大了四倍。
「為了區分王花和側花,每個花簇中最中心的花都是有針對性的,或者說是局部化的,」他說。 「視覺系統根據二維花密度映射方法自動單獨定位花簇。在每個檢測到的花簇中,最中心位置的花朵(或掩模)被確定為目標王花。”
在最近發表的研究結果中 智慧農業科技,研究人員報告稱,Mu 的演算法實現了高水準的王花檢測精度。與研究人員透過眼睛辨識王花的手動測量(研究人員稱為地面實況測量)相比,機器視覺王花檢測準確度從 98.7% 到 65.6% 不等。