מערכת ראיית מכונה המסוגלת לאתר ולזהות פרחי מלך התפוחים בתוך אשכולות פריחה על עצים במטעים, הגו חוקרי פן סטייט - צעד מוקדם קריטי בפיתוח מערכת האבקה רובוטית - במחקר ראשון מסוגו. .
פריחת התפוח גדלה בקבוצות של ארבע עד שש פריחות המחוברות לענפים, והפריחה המרכזית ידועה בתור פרח המלך. פרח זה נפתח ראשון באשכול ובדרך כלל מצמיח את הפרי הגדול ביותר. אז זהו היעד המרכזי של מערכת האבקה רובוטית, על פי החוקר לונג He, עוזר פרופסור לחקלאות הנדסה ביולוגית.
באופן מסורתי הסתמכו על האבקת חרקים עבור פרודוקטיביות תפוחים. עם זאת, עדויות מצביעות על כך ששירותי האבקה, הן מדבורי דבש מבויתות והן מאביקי בר, אינם תואמים את הדרישות הגוברת, הוא ציין. עקב הפרעת קריסת מושבות, דבורי דבש ברחבי העולם מתות בקצב מדאיג. כתוצאה מכך, יצרנים זקוקים לשיטות האבקה חלופיות.
מחקר זה הוא האחרון שנערך על ידי קבוצת המחקר של He במכללה למדעי החקלאות, אשר מוקדשת לפיתוח מערכות רובוטיות לביצוע משימות חקלאיות עתירות עבודה כגון קטיף פטריות, גיזום עצי תפוח ודילול פירות ירוקים. המטרה העיקרית של הפרויקט הזה, הוא הסביר, הייתה לפתח מערכת ראייה מבוססת למידה עמוקה שיכולה לזהות ולאתר במדויק פרחי מלכים בחופות עצים.
"אנו חושבים שהתוצאה הזו תספק מידע בסיסי עבור מערכת האבקה רובוטית, שתוביל להאבקה יעילה וניתנת לשחזור של תפוחים כדי למקסם את התפוקה של פירות באיכות גבוהה", אמר. "בפנסילבניה, אנחנו עדיין יכולים לסמוך על דבורים כדי להאביק יבולי תפוחים, אבל באזורים אחרים שבהם מות הדבורים היה חמור יותר, מגדלים עשויים להזדקק לטכנולוגיה הזו במוקדם ממאוחר".
Xinyang Mu, דוקטורנט במחלקה להנדסה ביולוגית חקלאית, עמד בראש מחקר פרחי המלך. Mu השתמש ב-Mask R-CNN - תוכנת מחשב פופולרית ללמידה עמוקה המבצעת פילוח ברמת הפיקסלים כדי לזהות אובייקטים המוסתרים חלקית על ידי אובייקטים אחרים - כדי לזהות ולאתר את פרחי המלך במערכת ראיית מכונה.
כדי לבנות את מודל הזיהוי מבוסס Mask R-CNN, הוא צילם מאות תמונות אשכולות של פריחת התפוח. לאחר מכן הוא פיתח אלגוריתם פילוח פרחי מלך כדי לזהות ולאתר את פרחי המלך מאותו מערך נתונים גולמי של תמונות פרחי תפוח. המחקר נערך במרכז למחקר והרחבה של פירות בפן סטייט, ביגלרוויל.
גאלה והאניקריספ תפוח לבדיקות נבחרו זנים. עצי הבדיקה ניטעו בשנת 2014 עם מרווח עצים של כ-5 רגל (גאלה) ו-6 1/2 רגל (Honeycrisp). עצים אלו הוכשרו בארכיטקטורת חופת ציר גבוה, בגובה ממוצע של כ-13 רגל. מערכת רכישת התמונות עם מצלמה הותקנה על רכב שירות שתמרן בין שורות עצים.
אימון מערכת הראייה במכונה לאיתור פרחי מלכים היה מאתגר, ציין מו, מכיוון שהם באותו גודל, צבע וצורה כמו הפרחים הצדדיים באשכולות, ופרחי המלך מוסתרים בדרך כלל על ידי פרחים מסביב בגלל מיקומם המרכזי.
כדי למלא את הדרישות של למידת העברה עבור אימון מודל Mask R-CNN, תמונות גולמיות סומנו בשתי כיתות מוגדרות מראש: פרחים בודדים ופרחים חסומים. כדי לשפר את הדיוק, מערך האימון הוגדל בארבע פעמים באמצעות גישות להגדלת נתונים, הסביר Mu.
"כדי להבדיל בין פרחי מלך מפרחים לרוחב, הפרח המרכזי ביותר בתוך כל אשכול פרחים היה ממוקד, או מקומי", אמר. "מערכת הראייה איתרה אוטומטית את אשכולות הפרחים בנפרד בהתבסס על גישת מיפוי של צפיפות פרחים דו מימדית. בתוך כל אשכול פרחים שזוהה, הפרח - או המסכה - במיקום המרוכז ביותר נקבע כפרח מלך המטרה."
בממצאים שפורסמו לאחרונה ב טכנולוגיה חקלאית חכמה, החוקרים דיווחו על רמה גבוהה של דיוק זיהוי פרחי המלך כתוצאה מהאלגוריתם של מו. בהשוואה למדידות שנלקחו באופן ידני על ידי חוקרים המזהים את פרחי המלך לפי העין - המכונה מדידות אמת הקרקע על ידי החוקרים - דיוק זיהוי פרחי ה-Machine king king נע בין 98.7% ל-65.6%.