Статья рассказывает о роботизированной системе для сбора томатов, которая заранее оценивает, насколько легко сорвать конкретный плод. Из неё можно узнать, как компьютерное зрение и статистический анализ повышают успешность сбора и меняют подход к автоматизации в агросекторе.
- Исследователи из Osaka Metropolitan University создали систему, которая не только распознаёт спелые плоды, но и прогнозирует вероятность успешного сбора.
- В основе лежит концепция «оценки лёгкости сбора», предложенная доцентом Такуя Фудзинага.
- Алгоритм сочетает компьютерное зрение и статистический анализ, учитывая положение плода, конфигурацию стеблей и перекрытие листьями.
- Испытания показали уровень успешного сбора 81%, причём около четверти удачных операций выполнены после коррекции стратегии.
- Технология знаменует переход в агророботике от заранее заданных сценариев к моделям, учитывающим контекст.
- По мнению разработчиков, такие решения позволят роботам брать на себя простые случаи, а людям — заниматься сложными задачами.
- Osaka Metropolitan University
- компьютерное зрение
- статистический анализ
- Smart Agricultural Technology
Кому полезно: Инженерам АСУ ТП и специалистам по автоматизации в агросекторе
- Статья Запись моего выступления на вебинаре от Горький Тех. Тема доклада: Компьютерное зрение.
- Статья 070. Компьютерное зрение в промышленности – Александр Белугин
Первоисточник: cta.ru
Выжимка составлена редакцией сайта с помощью ИИ по тексту статьи.
Исследователи из Osaka Metropolitan University представили роботизированную систему нового поколения, способную не просто распознавать спелые плоды, но и заранее оценивать вероятность успешного сбора. Разработка нацелена на решение одной из ключевых проблем агросектора — автоматизацию сложных операций в условиях дефицита рабочей силы.
В центре подхода — концепция «оценки лёгкости сбора», предложенная доцентом Такуя Фудзинага. В отличие от традиционных систем, которые ограничиваются обнаружением и классификацией плодов, новая технология анализирует, насколько эффективно робот сможет сорвать конкретный помидор ещё до выполнения действия.
Алгоритм объединяет компьютерное зрение и статистический анализ. Система учитывает множество факторов: положение плода в грозди, конфигурацию стеблей, степень перекрытия листьями и другие визуальные помехи. На основе этих данных робот выбирает оптимальную траекторию и угол захвата.
Практические испытания показали значительный рост эффективности: уровень успешного сбора достиг 81%. При этом около четверти удачных операций были выполнены после коррекции стратегии — например, при повторной попытке с альтернативного угла после неудачного фронтального захвата. Это демонстрирует способность системы адаптироваться в реальном времени.
Технология отражает более широкий сдвиг в развитии агророботики — от жёстко запрограммированных сценариев к контекстно-зависимым моделям принятия решений. Особенно это важно для культур с высокой вариативностью структуры, таких как томаты, где каждый плод требует индивидуального подхода.
По оценке разработчиков, внедрение подобных решений может изменить организацию труда в сельском хозяйстве. Роботы смогут автоматически обрабатывать «простые» случаи, тогда как люди сосредоточатся на более сложных задачах, требующих гибкости и опыта.
Результаты исследования опубликованы в журнале Smart Agricultural Technology и подтверждают: переход от распознавания объектов к оценке сложности действий становится ключевым этапом в развитии интеллектуальных роботизированных систем для агросектора.
Источник: https://www.cta.ru/news/cta/182985.html
