Команда исследователей из НИУ ВШЭ и Тамбовского государственного технического университета (ТГТУ) разработала интеллектуальные робототехнические системы мониторинга и контроля качества плодоовощной продукции. Система позволит садоводам своевременно проводить агротехнические и защитные мероприятия, которые обеспечат высокое качество урожая.
В 2017–2021 годах площадь многолетних насаждений яблонь в России выросла на 27,2%: с 171,6 до 218,2 тыс. га. Общий объём господдержки садоводства за период с 2013 по 2018 год составил 13,7 млрд рублей, что позволило заложить 78,4 тыс. га новых садов, включая 51,5 тыс. га интенсивных. Увеличение территорий садов сопровождается развитием агротехнологий, которые позволяют защищать урожай от повреждений и болезней.
В рамках проекта «Зеркальные лаборатории» учёные Высшей школы экономики совместно с Тамбовским государственным техническим университетом разработали роботизированную платформу для проксимального зондирования (измерения состояния почвы), мониторинга болезней и развития растений в условиях интенсивного садоводства.
Интенсивное садоводство — это современный способ выращивания плодовых культур, обеспечивающий короткие сроки окупаемости инвестиций. Интенсивная посадка подразумевает близкое расположение деревьев, быстрый срок плодоношения, низкорослость взрослых растений.
Сейчас команда НИУ ВШЭ и ТГТУ доработала алгоритмы, с помощью которых можно определить как видимые, так и незаметные повреждения плодов в режиме реального времени. Для оценки прогнозирования состояния плодов использовался метод гиперспектрального контроля, который производится специальной роботизированной платформой на колесах. Платформа собирает визуальную информацию и показания магнитометра и гироскопа. Полученные данные передаются в облако и обрабатываются на компьютере.
«Платформа представляет собой мобильного робота, который перемещается в саду малорослых яблонь и анализирует их состояние. Она способна автономно перемещаться в междурядье, сканируя листву и плоды, и передавать информацию на базовую станцию оператору. Собранная информация будет использоваться для анализа состояния растительности и плодов, определения заболеваний или качества урожая», — объясняет заведующий кафедрой «Мехатроника и технологические измерения» ТГТУ Павел Балабанов.
В исследовании специалисты использовали гиперспектральные изображения, чтобы обнаружить механические повреждения кожицы плодов фруктовых деревьев. Точность выявления повреждений составила 92%.
«Гиперспектральный метод позволяет получить данные, которые нельзя обнаружить посредством визуального наблюдения. Детекция осуществляется на субпиксельном уровне или посредством совмещения данных», — подчеркивает профессор департамента электронной инженерии МИЭМ НИУ ВШЭ Евгений Кучерявый.
Учёные отмечают, что результаты, которые они получили на данном этапе работы, уже можно использовать в системах поддержки принятия решений в точном садоводстве. Например, садоводы могут своевременно проводить агротехнические и защитные мероприятия, которые обеспечат высокое качество урожая. В дальнейшем эксперты НИУ ВШЭ разработают алгоритмы, с помощью которых можно будет определять внутреннее качество плодов: зрелость, твёрдость, сахаристость.
IQ