Automatisation de l'éclaircissage des fruits dans les vergers de pommiers
Un nouveau système robotique aide à éclaircir les pommes malgré les pénuries de main-d'œuvre.
― 7 min lire
Table des matières
- Le besoin d'automatisation
- La plateforme d’éclaircissage robotique
- Méthodes traditionnelles d’éclaircissage
- Collaborer pour réussir
- Cartographier les jeunes fruits dans le verger
- Détection des jeunes fruits
- Surmonter les défis de comptage
- Évaluation du système
- Directions futures
- Conclusion
- Source originale
- Liens de référence
Les vergers de pommes font face à un problème croissant : il n’y a pas assez de travailleurs qualifiés pour gérer des tâches cruciales comme l’éclaircissage des jeunes fruits. Éclaircir, ça veut dire enlever certaines petites pommes des arbres pour que les autres puissent bien grandir. Ce processus est essentiel pour obtenir des fruits de haute qualité, car trop de jeunes fruits peuvent nuire à la croissance.
La tâche d’éclaircir est délicate. Les travailleurs doivent évaluer chaque pommier avec attention pour décider combien de jeunes fruits enlever. Les feuilles denses sur les arbres cachent souvent certains fruits, ce qui rend difficile de voir toute la charge sur chaque arbre.
Le besoin d'automatisation
Avec l’expansion des industries de la pomme et de la poire, la demande pour des travailleurs qualifiés augmente. L’industrie néo-zélandaise de la pomme et de la poire vaut maintenant environ 917 millions de dollars et pourrait atteindre 1 milliard bientôt. Cependant, l’industrie pourrait avoir du mal à trouver suffisamment de travailleurs pour ce job important. C’est là que la technologie entre en jeu.
Cette initiative vise à créer un système automatisé pour aider avec l’éclaircissage. L’objectif est d’utiliser un robot capable de naviguer à travers les arbres, d’évaluer les jeunes fruits et de réaliser le processus d’éclaircissage avec un minimum d’intervention humaine.
La plateforme d’éclaircissage robotique
Le système proposé utilise un Bras Robotique équipé de caméras. Ce dispositif permet au robot de regarder à travers les feuilles et de compter le nombre et la taille des jeunes fruits sur les branches. L’utilisation de caméras stéréo aide à créer une carte 3D des jeunes fruits, ce qui améliore la précision.
Lors de tests réalisés dans un verger réel, le système a pu mesurer la charge de jeunes fruits avec environ 84 % de précision et une impressionnante précision de 87 %. Ça veut dire qu’il peut dire de manière fiable combien de jeunes fruits il y a sur un arbre, même dans des conditions difficiles comme un feuillage dense.
Méthodes traditionnelles d’éclaircissage
Actuellement, l’éclaircissage se fait à la main. Les travailleurs comptent les jeunes fruits sur des arbres sélectionnés et déterminent ensuite combien en enlever. Ils prennent en compte des éléments comme la météo attendue et la santé des arbres. Cette méthode peut mener à des résultats inégaux puisque chaque arbre a ses propres caractéristiques.
Par exemple, certains arbres peuvent se retrouver avec trop de jeunes fruits, tandis que d'autres en auront trop peu. Une approche plus personnalisée, où la charge de chaque arbre est évaluée individuellement, pourrait améliorer la qualité globale de la récolte.
Collaborer pour réussir
Ce projet implique une collaboration entre plusieurs universités et partenaires industriels en Nouvelle-Zélande. L’idée est d’utiliser leur expertise combinée en automatisation et agriculture pour produire un système qui fonctionne bien et qui peut être adapté à différents environnements de verger.
Ils se concentrent spécifiquement sur des structures 2D, qui sont plus faciles à travailler quand il s’agit d’appliquer des solutions robotiques. Les chercheurs ont développé une méthode pour faire des scans détaillés des arbres, capturant des informations précises sur les jeunes fruits.
Cartographier les jeunes fruits dans le verger
La clé d’un éclaircissage réussi est d’avoir une carte précise de l’emplacement de tous les jeunes fruits. Cela se fait en programmant le bras robotique pour se déplacer selon des motifs spécifiques afin d’analyser chaque branche. Le système collecte des données sous différents angles pour s’assurer qu’aucun jeune fruit n’est manqué.
En utilisant des caméras stéréo, le système crée une carte 3D, tenant compte des défis posés par les feuilles et les branches qui peuvent bloquer la vue. Les données sont combinées pour aider le robot à comprendre exactement où chaque jeune fruit se trouve.
Détection des jeunes fruits
Pour identifier et compter les jeunes fruits, le système utilise un type de vision informatique avancée appelé Segmentation d'Instances. Ça permet au robot de repérer les jeunes fruits individuels et de les distinguer des feuilles et d’autres objets. Pour entraîner le système, plusieurs images de jeunes fruits ont été étiquetées manuellement pour l'aider à apprendre.
Le modèle a réussi à détecter les jeunes fruits avec un taux de précision raisonnable. Cependant, comme toute technologie, il peut faire des erreurs. Des détections erronées peuvent mener à une surestimation ou à une sous-estimation des jeunes fruits.
Surmonter les défis de comptage
Un des plus gros obstacles dans le comptage des jeunes fruits est de s’assurer que le même fruit ne soit pas compté plusieurs fois sous différents angles. Pour ça, les chercheurs utilisent une technique appelée ajustement de sphères pour déterminer la taille et la localisation des jeunes fruits à partir des données collectées.
Cette méthode aide non seulement à compter, mais aussi à reconnaître si plusieurs détections concernent le même jeune fruit. Les chercheurs traitent également le problème des Occlusions-lorsque des feuilles ou des branches bloquent la vue des jeunes fruits-en analysant les données et en ajustant les comptages en conséquence.
Évaluation du système
La nouvelle plateforme d’éclaircissage a été mise à l’épreuve dans un verger commercial. Des données ont été collectées pendant une semaine pour voir à quel point elle pouvait évaluer les jeunes fruits sans aucune modification préalable des arbres. L’évaluation a consisté à comparer les comptages du robot avec ceux faits manuellement par des gens.
Malgré les défis du feuillage obstruant les vues, les données ont montré une précision prometteuse. Le robot a pu identifier et compter les jeunes fruits, bien qu'il y ait encore quelques incohérences à régler. En affinant le processus, les chercheurs visent à améliorer les performances du système.
Directions futures
Pour l’avenir, le projet met l’accent sur la nécessité d’améliorations tant dans le système de détection que dans les méthodes utilisées pour associer les jeunes fruits à travers différents cadres. Améliorer la précision du système pourrait accroître son efficacité, menant à une meilleure qualité de fruits en général.
De plus, les futures versions du robot pourraient inclure des bras ou des mécanismes de scan supplémentaires pour couvrir plus de terrain et capturer des données de meilleure qualité. Les chercheurs espèrent que les améliorations qu’ils font aujourd’hui mèneront à un meilleur processus d’éclaircissage automatisé pour le futur.
Conclusion
Pour résumer, automatiser le processus d’éclaircissage des jeunes fruits dans les vergers de pommes est une solution prometteuse aux défis posés par le manque de main-d'œuvre. La combinaison de la robotique, de la vision informatique et d’une planification soigneuse crée une opportunité d’améliorer l’efficacité dans les vergers.
Grâce à une collaboration continue, des tests et un perfectionnement, l’objectif est de s’assurer que cette technologie puisse être non seulement efficace mais aussi largement adoptée dans l’industrie de la pomme. Cela mènerait à des fruits de meilleure qualité et à une approche plus durable de la gestion des vergers, ce qui est crucial pour répondre à la demande croissante des consommateurs et de l’industrie.
Titre: Seeing the Fruit for the Leaves: Towards Automated Apple Fruitlet Thinning
Résumé: Following a global trend, the lack of reliable access to skilled labour is causing critical issues for the effective management of apple orchards. One of the primary challenges is maintaining skilled human operators capable of making precise fruitlet thinning decisions. Thinning requires accurately measuring the true crop load for individual apple trees to provide optimal thinning decisions on an individual basis. A challenging task due to the dense foliage obscuring the fruitlets within the tree structure. This paper presents the initial design, implementation, and evaluation details of the vision system for an automatic apple fruitlet thinning robot to meet this need. The platform consists of a UR5 robotic arm and stereo cameras which enable it to look around the leaves to map the precise number and size of the fruitlets on the apple branches. We show that this platform can measure the fruitlet load on the apple tree to with 84% accuracy in a real-world commercial apple orchard while being 87% precise.
Auteurs: Ans Qureshi, Neville Loh, Young Min Kwon, David Smith, Trevor Gee, Oliver Bachelor, Josh McCulloch, Mahla Nejati, JongYoon Lim, Richard Green, Ho Seok Ahn, Bruce MacDonald, Henry Williams
Dernière mise à jour: 2023-02-19 00:00:00
Langue: English
Source URL: https://arxiv.org/abs/2302.09716
Source PDF: https://arxiv.org/pdf/2302.09716
Licence: https://creativecommons.org/licenses/by-nc-sa/4.0/
Changements: Ce résumé a été créé avec l'aide de l'IA et peut contenir des inexactitudes. Pour obtenir des informations précises, veuillez vous référer aux documents sources originaux dont les liens figurent ici.
Merci à arxiv pour l'utilisation de son interopérabilité en libre accès.
Liens de référence
- https://www.flir.com/products/blackfly-s-usb3/
- https://visp.inria.fr/
- https://visp.inria.fr
- https://github.com/facebookresearch/detectron2
- https://vision.middlebury.edu/stereo/eval3/
- https://cares.blogs.auckland.ac.nz/research/seeing-the-fruit-for-the-leaves/
- https://www.youtube.com/watch?v=ysFZqZlLAkA
- https://www.youtube.com/watch?v=2BTQDh8btD8
- https://youtu.be/cNtR9WH_M0Q
- https://youtu.be/Jp2O3G90urU