ペンシルベニア州立大学の研究者は、果樹園の木に咲く花の房の中にあるアップル キング フラワーを見つけて識別することができるマシン ビジョン システムを考案しました。 .
リンゴの花は、枝にXNUMX~XNUMX個の花が群生し、中央の花は王花と呼ばれています。 この花は房の中で最初に開き、通常は最大の実をつけます。 そのため、ロボットによる受粉システムの主要なターゲットであると、研究者である農学助教授の Long He 氏は述べています。 生物工学.
リンゴの生産性は、伝統的に昆虫の受粉に依存してきました。 しかし、家畜化されたミツバチと野生の受粉媒介者の両方による受粉サービスは、増加する需要に対応していないことが証拠によって示唆されている、と彼は指摘した. により コロニー崩壊障害、世界中のミツバチが驚くべき速さで死んでいます。 その結果、生産者は受粉の代替方法を必要としています。
この研究は、農業科学大学の He の研究グループによって実施された最新の研究であり、この研究グループは、キノコの収穫、リンゴの木の剪定、青果の間引きなどの労働集約的な農業作業を遂行するためのロボット システムの開発に取り組んでいます。 このプロジェクトの主な目標は、樹木の林冠にあるキング フラワーを正確に識別して位置を特定できる、ディープラーニング ベースのビジョン システムを開発することである、と彼は説明しました。
「この結果は、高品質の果物の収量を最大化するために、リンゴの効率的かつ再現可能な受粉につながるロボット受粉システムのベースライン情報を提供すると考えています」と彼は言いました. 「ペンシルベニア州では、リンゴ作物の受粉を依然としてミツバチに頼ることができますが、ミツバチの死滅がより深刻な他の地域では、生産者は遅かれ早かれこの技術を必要とするかもしれません。」
農業生物工学科の博士課程学生であるシンヤン・ムーは、キングフラワー研究の先頭に立った。 Mu は Mask R-CNN を使用しました。Mask R-CNN は、他のオブジェクトによって部分的に隠されているオブジェクトを検出するためにピクセル レベルのセグメンテーションを実行する、人気のあるディープ ラーニング コンピューター プログラムです。
Mask R-CNN ベースの検出モデルを構築するために、彼は数百枚のリンゴの花の房の写真を撮影しました。 次に、リンゴの花の画像の生のデータセットからキング フラワーを識別して位置を特定するキング フラワー セグメンテーション アルゴリズムを開発しました。 この研究は、ペンシルベニア州立大学の果物研究および普及センター、ビグラービルで行われました。
ガラとハニークリスプ リンゴ テスト用に品種が選択されました。 試験用の木は、2014 年に約 5 フィート (ガラ) と 6 1/2 フィート (ハニークリスプ) の間隔で植えられました。 これらの木は、平均高さ約 13 フィートの高いスピンドル キャノピー アーキテクチャで訓練されました。 カメラを備えた画像取得システムは、樹木の列の間を移動する実用的な車両に搭載されました。
マシン ビジョン システムをトレーニングしてキング フラワーを見つけるのは困難であると Mu 氏は指摘しました。なぜなら、キング フラワーはクラスター内の側花と同じサイズ、色、形状であり、キング フラワーは通常、中央に位置するために周囲の花によって隠されているからです。
Mask R-CNN モデル トレーニングの転移学習の要件を満たすために、未加工の画像は、事前に定義された XNUMX つのクラス (個別の花と閉塞した花) でラベル付けされました。 精度を高めるために、データ増強アプローチを使用してトレーニング データセットを XNUMX 倍に拡大した、と Mu 氏は説明します。
「王冠の花と側花を区別するために、各花の房の中で最も中心にある花をターゲットにするか、局在化しました」と彼は言いました。 「ビジョン システムは、XNUMX 次元の花密度マッピング アプローチに基づいて、花の房を別々に自動的に配置しました。 検出された各花のクラスター内で、最も中心に位置する花 (またはマスク) が、対象のキング フラワーとして決定されました。」
最近発表された調査結果では スマート農業技術研究者らは、Mu のアルゴリズムによって高レベルのキング フラワー検出精度が得られたことを報告しました。 キングフラワーを目で識別する研究者が手動で行った測定値 (研究者によるグラウンドトゥルース測定と呼ばれる) と比較して、マシンビジョンのキングフラワー検出精度は 98.7% から 65.6% まで変化しました。