10 jul. 2019
3 minuten
Ingenieurs van de universiteit van Cambridge ontwikkelden een ‘groenteplukrobot’ die gebruik maakt van machine learning om gewassen te identificeren en te oogsten.
In een laboratorium werd met behulp van foto aan de Vegebot geleerd om slakroppen te herkennen en te oogsten. De robot is nu ook in verschillende veldomstandigheden getest. De Vegebot identificeert eerst het ‘doel’ gewas binnen zijn gezichtsveld, bepaalt vervolgens of de krop sla gezond is en klaar om geoogst te worden en snijdt uiteindelijk de sla uit de rest van de plant, zonder deze te vermalen, zodat het ‘supermarktklaar’ is. "Voor een mens duurt het hele proces een paar seconden, maar het is een echt uitdagend probleem voor een robot", zegt medeauteur Josie Hughes.
Machine learning via algoritmes
De Vegebot heeft twee hoofdcomponenten: een computer vision systeem en een snijsysteem. De bovenliggende camera op de Vegebot maakt een foto van het slaveld en identificeert eerst alle sla in het beeld en classificeert vervolgens voor elke sla of deze geoogst moet worden of niet. Een sla kan worden afgekeurd omdat hij nog niet rijp is, of het kan een ziekte hebben die zich kan verspreiden naar andere sla in de oogst.
De onderzoekers ontwikkelden en trainden een algoritme voor machine learning over bijvoorbeeld afbeeldingen van sla. Toen de Vegebot eenmaal gezonde sla in het laboratorium kon herkennen, werd hij vervolgens in het veld getraind, in verschillende weersomstandigheden, op duizenden echte slasoorten.
Een tweede camera op de Vegebot is gepositioneerd in de buurt van het snijmes, en zorgt voor een soepele snede. De onderzoekers waren ook in staat om de druk in de grijparm van de robot zo in te stellen dat de robot de sla stevig genoeg vasthield om hem niet te laten vallen, maar niet zo stevig dat hij verbrijzeld kon worden. De kracht van de greep kan worden aangepast voor andere gewassen.
"We wilden een aanpak ontwikkelen die niet noodzakelijkerwijs specifiek was voor ijsbergsla, zodat deze ook voor andere bovengrondse gewassen kan worden gebruikt", aldus Iida, die het team achter het onderzoek leidt.
Toekomstvisie
De Vegebot haalt het qua efficienty en snelheid niet bij een menselijke arbeider, maar levert wel een hoop kennis en inzichten voor de toepassing van robotica in de landbouw, met name voor moeilijk te oogsten gewassen. IJsbergsla bijvoorbeeld raakt gemakkelijk beschadigd en groeit plat op de grond, wat het veel lastiger maakt voor robotoogsters dan bijvoorbeeld aardappelen en tarwe.
In de toekomst zouden robotrooiers kunnen helpen om problemen met tekorten aan arbeidskrachten in de landbouw aan te pakken en zouden ze ook kunnen helpen om de verspilling van voedsel te verminderen. Op dit moment wordt elk veld één keer geoogst en worden onrijpe groenten en fruit weggegooid. Een robotrooier kan echter worden opgeleid om alleen rijpe groenten te oogsten, en aangezien hij de klok rond kan oogsten, kan hij meerdere malen op hetzelfde veld oogsten en op een later tijdstip terugkomen om de groenten te oogsten die onrijp waren tijdens vorige passen.
"We verzamelen ook veel gegevens over sla, die gebruikt kunnen worden om de efficiëntie te verbeteren, zoals welke velden de hoogste opbrengst hebben," aldus Hughes. "We moeten onze Vegebot nog steeds versnellen tot het punt waarop het kan concurreren met een mens, maar we denken dat robots veel potentie hebben in de agri-techniek.
Anderen lazen ook
