La raccolta manuale delle delicate more è un'attività che richiede molto lavoro, ma lo sviluppo di tecnologie avanzate da parte degli scienziati del Mississippi State potrebbe aiutare ad automatizzare questo noioso processo.
Molte colture agricole vengono raccolte rapidamente dalle macchine e il professore assistente dell'MSU Xin Zhang, del dipartimento di ingegneria agraria e biologica, sta lavorando con un team universitario per fare lo stesso con le more mature, portando questa coltura speciale di alto valore dalla gestione manuale alla raccolta robotizzata.
Presso la stazione sperimentale agricola e forestale dell'Università del Mississippi, Zhang e il suo team stanno sviluppando un sistema di rilevamento e localizzazione delle more, gli "occhi" e il "cervello" di un sistema di raccolta robotizzato, alimentato da un innovativo approccio di apprendimento profondo guidato dall'intelligenza artificiale.
Zhang è co-principale ricercatore di uno sforzo multi-istituzionale da 1 milione di dollari finanziato dall'USDA National Institute of Food and Agriculture National Robotics Initiative 3.0 (NRI-3.0) in collaborazione con la National Science Foundation.
Mentre il team MSU sviluppa questo componente critico della raccoglitrice automatica, i partner del Georgia Tech stanno lavorando a un braccio robotico e a una pinza soft touch e a una piattaforma mobile bipede per lavorare fianco a fianco con il sistema di percezione addestrato dall'MSU. Il prototipo di pinza è dotato di sensori situati alle estremità, come piccoli polpastrelli, che gli permettono di afferrare e raccogliere i piccoli frutti senza schiacciarli e danneggiarli. Gli scienziati dell'Università dell'Arkansas si concentrano sull'analisi della frutta in post-raccolta.
Il sistema di percezione progettato da Zhang e dal suo team si basa su YOLOv8 (You Only Look Once, versione 8), un modello di rilevamento degli oggetti basato sulla visione che identifica e localizza gli oggetti di interesse - in questo caso le more mature - in modo rapido e preciso. Questo tipo di tecnologia è abbastanza potente da supportare robot, sistemi di sorveglianza e auto a guida autonoma.
Il team ha addestrato una serie di modelli YOLO non solo per identificare ogni mora su un cespuglio, ma anche per rilevarne il livello di maturazione, da quella matura (di colore nero), a quella in via di maturazione (rossa) e a quella acerba (verde). Il processo ha utilizzato oltre 1.000 immagini di chiome di piante in vari frutteti commerciali dell'Arkansas, preparando il sistema a individuare simultaneamente i piccoli frutti maturi per la raccolta e a tenere traccia degli altri in vista del successivo turno di raccolta.
"Il nostro obiettivo principale è individuare i piccoli frutti maturi per la raccoglitrice robotica, ma abbiamo aggiunto le altre due categorie per fornire un conteggio totale delle bacche", ha detto Zhang. "In questo modo, il sistema non solo identifica i piccoli frutti pronti per la raccolta, ma aiuta anche a fornire ai coltivatori una stima del loro raccolto totale".
Durante i test condotti con diverse configurazioni e varianti, il modello più performante ha ottenuto un'accuratezza del 94% nell'identificare i piccoli frutti maturi, del 91% per quelli in via di maturazione e dell'88% per quelli acerbi. Inoltre, ha rilevato immagini ad alta risoluzione in tempo reale, registrando 21,5 millisecondi per immagine.
"Il sistema di percezione identifica l'acino e invia le coordinate 3D, compresa la distanza, al braccio robotico, che utilizza il feedback per raggiungere e raccogliere i piccoli frutti", ha detto Zhang. "È fondamentale che il nostro sistema di percezione comunichi in modo rapido e preciso con il braccio e il sistema di presa".
Oltre al loro contributo alla raccoglitrice, Zhang e il suo team stanno iniziando a sviluppare un'applicazione mobile basata sul loro sistema di rilevamento delle immagini.
"L'applicazione è un progetto separato, ma offrirebbe ai coltivatori un modo semplice e veloce per prevedere il raccolto totale all'inizio della stagione, in modo da poter adattare rapidamente la loro strategia di marketing", ha detto Zhang.
Fonte: msstate.edu