Choć taki robot nie robi już wielkiego wrażenia na producentach warzyw, w przyszłości może stać się realnym narzędziem do zwalczania chwastów także w uprawach konwencjonalnych. W tej chwili motorem napędowym tych przemian jest rolnictwo ekologiczne, które już teraz musi sobie radzić bez herbicydów. Generuje to z kolei wysokie koszty, ponieważ oprócz zastosowania pielników, konieczne jest również dokładne pielenie ręczne między roślinami w rzędzie.
Głębokie uczenie, czyli co?
Tego wyzwania podjął się założony trzy lata temu start-up z Ludwigsburga. Początkowo część dziewięcioosobowego zespołu pracowała nad robotyką rolniczą i głębokim uczeniem (ang. deep learning) w firmie Bosch.
W pierwszej kolejności utworzono bazę zdjęć roślin. Obecnie zawiera ona 18 mln szczegółowo opisanych obrazów. Wykorzystując algorytmy analizy obrazu, pozyskano z nich dane, które służą następnie do uczenia sztucznej inteligencji (w skrócie SI; ang. AI – Artificial Intelligence), rozpoznawania roślin. Aby zbudować obszerną bazę danych z obrazów, zespół wykonał zdjęcia ponad 80 różnych roślin w dzień i w nocy, w suchych i mokrych warunkach, na różnych typach gleb, z rosą, w kurzu i błocie, a to wszystko w każdej fazie rozwojowej. Następnie sklasyfikowano je na poszczególne kategorie.
Farming GT rozpoznaje gatunki roślin
Sztuczna inteligencja w robocie Farming GT, dzięki przeprowadzanej w czasie rzeczywistym analizie obrazu, rozpoznaje różne uprawy, tj. buraka cukrowego, kapustę, sałatę, rzepak, kukurydzę lub fasolę, a także wybrane chwasty na podstawie koloru, wysokości rośliny, konturu liści i innych cech reprezentatywnych. Według farming revolution, system prawidłowo przypisuje nawet małe rośliny, od 1 cm wysokości z niezawodnością 99%. Na podstawie obrazu rozpoznaje również rzędy roślin uprawnych, dzięki czemu robot jedzie w międzyrzędziach.
Kamery multispektralne z NIR
Start-up farming revolution do pozyskiwania obrazu wykorzystuje kamery multispektralne. Są one zamontowane na wysokości 50 cm nad powierzchnią gleby i mają rozdzielczość 10 pikseli na mm podłoża. Wykonują przy tym 10 zdjęć na sekundę, które w czasie rzeczywistym przetwarza wspomniana SI. Kamery multispektralne dostarczają obrazy rozdzielone na kanały kolorystyczne, w tym przypadku, czerwony, zielony i niebieski, a także w bliskiej podczerwieni. Z tych dodatkowych kanałów SI czerpie dalsze informacje o roślinach – więcej niż byłoby to możliwe w przypadku danych pozyskanych ze zwykłego kolorowego zdjęcia.
Artykuł z magazyny profi 1-2023.
