Investigadores de Penn State diseñaron un sistema de visión artificial capaz de ubicar e identificar flores rey de la manzana dentro de racimos de flores en árboles en huertos, un primer paso crítico en el desarrollo de un sistema de polinización robótica, en un estudio único en su tipo. .
Las flores de manzano crecen en grupos de cuatro a seis flores unidas a las ramas, y la flor del centro se conoce como la flor rey. Esta flor se abre primero en el racimo y por lo general da el fruto más grande. Por lo tanto, es el objetivo clave de un sistema de polinización robótico, según el investigador Long He, profesor asistente de agricultura y Ingeniería biológica.
Tradicionalmente se ha confiado en la polinización por insectos para la productividad de las manzanas. Sin embargo, la evidencia sugiere que los servicios de polinización, tanto de abejas domesticadas como de polinizadores silvestres, no satisfacen las crecientes demandas, señaló. Debido a Desorden de colapso colonial, las abejas de todo el mundo han estado muriendo a un ritmo alarmante. Como resultado, los productores necesitan métodos alternativos de polinización.
Este estudio es el último realizado por el grupo de investigación de He en la Facultad de Ciencias Agrícolas, que se dedica al desarrollo de sistemas robóticos para realizar tareas agrícolas que requieren mucha mano de obra, como la recolección de hongos, la poda de manzanos y el aclareo de frutos verdes. El objetivo principal de este proyecto, explicó, era desarrollar un sistema de visión basado en el aprendizaje profundo que pudiera identificar y ubicar con precisión las flores rey en las copas de los árboles.
“Creemos que este resultado proporcionará información de referencia para un sistema de polinización robótico, que conduciría a una polinización eficiente y reproducible de las manzanas para maximizar el rendimiento de frutas de alta calidad”, dijo. "En Pensilvania, todavía podemos confiar en las abejas para polinizar los cultivos de manzanas, pero en otras regiones donde la mortandad de las abejas ha sido más grave, los productores pueden necesitar esta tecnología más temprano que tarde".
Xinyang Mu, estudiante de doctorado en el Departamento de Ingeniería Biológica Agrícola, encabezó el estudio de la flor rey. Mu usó Mask R-CNN, un popular programa informático de aprendizaje profundo que realiza una segmentación a nivel de píxeles para detectar objetos que están parcialmente oscurecidos por otros objetos, para identificar y ubicar las flores rey en un sistema de visión artificial.
Para construir el modelo de detección basado en Mask R-CNN, capturó cientos de fotos de racimos de flores de manzano. Luego, desarrolló un algoritmo de segmentación de flores rey para identificar y ubicar las flores rey de ese conjunto de datos sin procesar de imágenes de flores de manzana. La investigación se llevó a cabo en el Centro de Investigación y Extensión de Frutas de Penn State, Biglerville.
Gala y Honeycrisp manzana Se seleccionaron variedades para los ensayos. Los árboles de prueba se plantaron en 2014 con un espacio entre árboles de aproximadamente 5 pies (Gala) y 6 1/2 pies (Honeycrisp). Estos árboles fueron entrenados en una arquitectura de dosel de huso alto, con una altura promedio de alrededor de 13 pies. El sistema de adquisición de imágenes con una cámara se montó en un vehículo utilitario maniobrado entre hileras de árboles.
Entrenar el sistema de visión artificial para ubicar las flores rey fue un desafío, señaló Mu, porque son del mismo tamaño, color y forma que las flores laterales en racimos, y las flores rey normalmente están oscurecidas por las flores circundantes debido a su posición central.
Para cumplir con los requisitos del aprendizaje de transferencia para el entrenamiento del modelo Mask R-CNN, las imágenes sin procesar se etiquetaron en dos clases predefinidas: flores individuales y flores ocluidas. Para mejorar la precisión, el conjunto de datos de entrenamiento se amplió cuatro veces utilizando enfoques de aumento de datos, explicó Mu.
“Para distinguir las flores rey de las flores laterales, se apuntó o localizó la flor más central dentro de cada racimo de flores”, dijo. “El sistema de visión localizó automáticamente los racimos de flores por separado en función de un enfoque de mapeo de densidad de flores bidimensional. Dentro de cada racimo de flores detectado, la flor, o la máscara, en la posición más centrada se determinó como la flor real objetivo”.
En hallazgos publicados recientemente en Tecnología Agrícola Inteligente, los investigadores informaron un alto nivel de precisión en la detección de flores rey como resultado del algoritmo de Mu. En comparación con las medidas tomadas manualmente por los investigadores que identifican las flores rey a simple vista, llamadas medidas de verdad del terreno por los investigadores, la precisión de detección de la flor rey de la visión artificial varió del 98.7 % al 65.6 %.