Японский алгоритм научил робота на основе ИИ собирать помидоры в 81% случаев

В Японии группа исследователей из Высшей инженерной школы Университета города Осака представила новую технологию управления сельскохозяйственными роботами, которая призвана решить проблему автоматизированного сбора мягких культур.

Команда под руководством доцента Такуи Фужинаги разработала алгоритм, позволяющий машинам не просто распознавать плоды, но и предварительно оценивать вероятность их успешного извлечения без повреждений. Результаты исследования, опубликованные в журнале Smart Agricultural Technology, демонстрируют новый подход к решению проблемы дефицита рабочей силы в агросекторе.

Томаты относятся к культурам, сложным для механизированной уборки. Обычно они растут гроздьями (кластерами), где зрелые плоды соседствуют с зелеными, а также переплетаются стеблями и листьями. Роботу необходимо не только идентифицировать красный томат, но и аккуратно извлечь его, не повредив соседние плоды или саму лозу. Это требует от системы управления продвинутых возможностей принятия решений и точного контроля манипуляторов.

Традиционные модели компьютерного зрения фокусировались преимущественно на задачах обнаружения и распознавания. Грубо говоря, система отвечала на вопрос: «Есть ли здесь помидор и где он находится?». Однако, как показывает практика, простого обнаружения недостаточно для успешной физической манипуляции в непредсказуемых условиях реальной фермы.

Однако новый метод переносит акцент с простой идентификации на «оценку легкости сбора». Программное обеспечение анализирует изображения, определяя положение томата, геометрию плодоножки и наличие препятствий, после чего рассчитывает оптимальный угол приближения манипулятора.

В ходе испытаний модель показала высокую эффективность: успешность сбора составила 81%, что значительно превзошло первоначальные ожидания разработчиков. Ключевой особенностью системы стала способность менять тактику в реальном времени.

Процесс включает в себя детальную обработку визуальных данных: система анализирует положение самого плода, геометрию его плодонржки, а также наличие препятствий — например, скрыт ли томат за другой частью растения или листом. На основе этих факторов алгоритм вычисляет вероятность успешного захвата и выбирает наилучшую траекторию движения манипулятора.

Статистика экспериментов показала, что около четверти успешно собранных томатов были захвачены при подходе с боковых сторон после того, как фронтальная попытка была оценена как рискованная или неудачная. Это доказывает, что робот способен адаптировать свои действия в зависимости от расположения плода в пространстве.

Исследователи отмечают, что внедрение метрики «легкости сбора» позволяет четко разделить обязанности на ферме будущего. Предполагается создание гибридной модели работы, где роботы будут автоматически собирать доступные плоды, не требующие сложных манипуляций, а люди-операторы сосредоточатся на труднодоступных участках, где необходима мелкая моторика и нестандартное принятие решений. Такой подход обещает повысить общую производительность хозяйств и снизить зависимость от ручного труда.