Сегодняшние селекционеры выращивают урожай, а также готовят урожай, чтобы выдерживать суровую погоду и изменение климата. Чтобы добиться успеха, они должны найти гены для высокоурожайных, выносливых черт в ДНК сельскохозяйственных растений. Робот, разработанный Университетом штата Иллинойс, чтобы найти эти пословичные иглы в стоге сена, был признан лучшей наградой системных изданий в Robotics: Science and Systems, ведущей конференции робототехники, прошедшей на прошлой неделе в Питтсбурге.
«Существует настоятельная необходимость ускорить размножение, чтобы удовлетворить глобальный спрос на продовольствие», — сказал главный исследователь Гириш Чоудхари, доцент кафедры сельскохозяйственной и биологической инженерии, а также Скоординированная научная лаборатория в Иллинойсе. «В Африке население к 2050 году удвоится, но сегодня урожайность составляет лишь четверть своего потенциала».
Заводчики проводят массовые эксперименты, сравнивая тысячи различных сортов или сортов сельскохозяйственных культур на сотнях акров и измеряя ключевые черты, такие как рост растений или рост, вручную. Задача является дорогостоящей, отнимающей много времени, неточной и, в конечном счете, неадекватной — команда может только вручную измерять долю растений в поле.
«Отсутствие автоматики для измерения признаков растений является узким местом для прогресса», — сказал первый автор Эркан Кайакан, ныне постдокторский исследователь Массачусетского технологического института. «Но сложно создавать роботизированные системы, которые могут считать растения автономно: поля обширны, данные могут быть шумными (в отличие от эталонных наборов данных), и робот должен оставаться в узких рядах в сложной обстановке под пологом».
Разработанный Университетом штата Иллинойс, робот TerraSentia, который самостоятельно контролирует посевы, получил награду за лучшую системную программу в Robotics: Science and Systems, ведущей конференции по робототехнике в Питтсбурге.
13-дюймовый широкополосный 24-фунтовый робот TerraSentia Illinois является мобильным, компактным и автономным. Он захватывает каждое растение сверху донизу с помощью набора датчиков (камер), алгоритмов и глубокого обучения. Используя метод обучения переносу, исследователи научили TerraSentia считать растения кукурузы со всего 300 изображений, как сообщается на этой конференции.
«Одна из проблем заключается в том, что растения не имеют равномерного распределения, поэтому просто предполагая, что одно растение находится в кадре камеры, недостаточно хорошо», — сказал соавтор ZhongZhong Zhang, аспирант в Колледже сельскохозяйственных потребителей и экологических наук ( ACES). «Мы разработали метод, который использует движение камеры, чтобы приспособиться к различным межэтапным интервалам, что привело к созданию достаточно надежной системы для подсчета растений в разных областях с различным и изменяющимся интервалом и с разной скоростью».
Свежие комментарии