Automatizando o Desbaste de Frutinhas em Pomares de Maçã
Um novo sistema robótico ajuda a desbastar maçãs em meio a faltas de mão de obra.
― 6 min ler
Índice
Os pomares de maçã tão enfrentando um problema crescente: não tem mão de obra qualificada suficiente pra lidar com tarefas важantes como o desbaste das Frutinhas. Desbastar significa tirar algumas maçãs pequenas das árvores pra garantir que as que ficam consigam crescer direitinho. Esse processo é essencial pra ter frutas de qualidade porque muitas frutinhas podem atrapalhar o crescimento.
A tarefa de desbaste é complicada. Os trabalhadores precisam olhar cada macieira com atenção pra decidir quantas frutinhas tirar. As folhas densas nas árvores muitas vezes escondem algumas frutinhas, dificultando a visualização da carga total em cada árvore.
A Necessidade de Automação
Com a expansão das indústrias de maçã e pêra, a demanda por trabalhadores qualificados tá aumentando. A indústria de maçã e pêra da Nova Zelândia agora vale cerca de $917 milhões e pode chegar a $1 bilhão em breve. Porém, a indústria pode ter dificuldade em encontrar trabalhadores suficientes pra fazer esse trabalho importante. Aí que a tecnologia entra em cena.
Essa iniciativa tem o objetivo de criar um sistema automatizado pra ajudar no desbaste das frutinhas. A meta é usar um robô que consiga transitar entre as árvores, avaliar as frutinhas e realizar o desbaste com o mínimo de intervenção humana.
A Plataforma Robótica de Desbaste
O sistema proposto usa um Braço Robótico equipado com câmeras. Esse esquema permite que o robô olhe por entre as folhas e conte o número e o tamanho das frutinhas nos galhos. O uso de câmeras estereoscópicas ajuda a criar um mapa 3D das frutinhas, o que melhora a precisão.
Em testes realizados em um pomar real, o sistema conseguiu medir a carga de frutinhas com cerca de 84% de precisão e impressionantes 87% de exatidão. Isso significa que ele consegue dizer com confiabilidade quantas frutinhas estão em uma árvore, mesmo em condições desafiadoras como muita folhagem.
Métodos Tradicionais de Desbaste
Atualmente, o desbaste é feito manualmente. Os trabalhadores contam as frutinhas em árvores selecionadas e depois decidem quantas tirar. Eles consideram coisas como o tempo previsto e a saúde das árvores. Esse método pode resultar em resultados desiguais, já que cada árvore tem suas próprias características.
Por exemplo, algumas árvores podem ficar com muitas frutinhas, enquanto outras podem ter poucas. Uma abordagem mais personalizada, onde a carga de cada árvore é avaliada individualmente, poderia melhorar a qualidade geral da colheita.
Colaborando para o Sucesso
Esse projeto envolve colaboração entre várias universidades e parceiros da indústria na Nova Zelândia. O objetivo é usar a expertise combinada em automação e agricultura pra produzir um sistema que não só funcione bem, mas que também pode ser adaptado pra diferentes ambientes de pomar.
Eles estão focando especificamente em estruturas 2D, que são mais fáceis de trabalhar quando se trata de aplicar soluções robóticas. Os pesquisadores desenvolveram um método pra fazer escaneamentos detalhados das árvores, capturando informações precisas sobre as frutinhas.
Mapeando as Frutinhas no Pomar
A chave pra um desbaste bem-sucedido é ter um mapa preciso de onde todas as frutinhas estão localizadas. Isso é alcançado programando o braço robótico pra se mover em padrões específicos pra escanear cada galho. O sistema coleta dados de vários ângulos pra garantir que nenhuma frutinha seja deixada de lado.
Usando câmeras estereoscópicas, o sistema cria um mapa 3D, levando em consideração os desafios impostos pelas folhas e galhos que podem bloquear a visão. Os dados são combinados pra ajudar o robô a entender exatamente onde cada frutinha está.
Detectando Frutinhas
Pra identificar e contar as frutinhas, o sistema usa um tipo de visão computacional avançada conhecida como Segmentação de Instâncias. Isso permite que o robô reconheça frutinhas individuais e as diferencie das folhas e outros objetos. Pra treinar o sistema, várias imagens de frutinhas foram rotuladas manualmente pra ajudar ele a aprender.
O modelo foi bem-sucedido em detectar frutinhas com uma taxa de precisão razoável. No entanto, como qualquer tecnologia, ele pode cometer erros. Detecções falsas podem levar a contagens excessivas ou insuficientes das frutinhas.
Superando Desafios de Contagem
Um dos maiores obstáculos na contagem das frutinhas é garantir que a mesma não seja contada várias vezes de ângulos diferentes. Pra resolver isso, os pesquisadores usam uma técnica chamada ajuste de esfera pra determinar o tamanho e a localização das frutinhas com base nos dados coletados.
Esse método não só ajuda na contagem, mas também em reconhecer se múltiplas detecções são da mesma frutinha. Os pesquisadores também lidam com o problema de oclusões - quando folhas ou galhos bloqueiam a visão das frutinhas - analisando os dados e ajustando as contagens de acordo.
Avaliação do Sistema
A nova plataforma de desbaste foi testada em um pomar comercial. Dados foram coletados ao longo de uma semana pra ver como bem ela conseguia avaliar as frutinhas sem modificações prévias nas árvores. A avaliação envolveu comparar as contagens do robô com as contagens manuais feitas por pessoas.
Apesar dos desafios da folhagem obstruindo as vistas, os dados mostraram uma precisão promissora. O robô conseguiu identificar e contar as frutinhas, embora ainda houvesse algumas discrepâncias que precisam ser ajustadas. Refinando o processo ainda mais, os pesquisadores pretendem melhorar o desempenho do sistema.
Direções Futuras
Olhando pra frente, o projeto enfatiza a necessidade de melhorias tanto no sistema de detecção quanto nos métodos usados pra combinar frutinhas em diferentes quadros. Melhorar a precisão do sistema poderia aumentar sua eficácia, levando a uma melhor qualidade geral das frutas.
Além disso, versões futuras do robô podem incluir braços adicionais ou mecanismos de escaneamento pra cobrir mais área e capturar dados de maior qualidade. Os pesquisadores estão esperançosos de que as melhorias que fizerem hoje levarão a um processo de desbaste automatizado melhor no futuro.
Conclusão
Resumindo, automatizar o processo de desbaste das frutinhas em pomares de maçã é uma solução promissora pros desafios impostos pela escassez de mão de obra. A combinação de robótica, visão computacional e planejamento cuidadoso cria uma oportunidade pra melhorar a eficiência nos pomares.
Através de colaboração contínua, testes e refinamentos, o objetivo é garantir que essa tecnologia seja não só eficaz, mas também amplamente adotada na indústria da maçã. Isso levaria a frutas de melhor qualidade e uma abordagem mais sustentável pra gestão de pomares, que é crucial pra atender as crescentes demandas dos consumidores e da indústria.
Título: Seeing the Fruit for the Leaves: Towards Automated Apple Fruitlet Thinning
Resumo: 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.
Autores: 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
Última atualização: 2023-02-19 00:00:00
Idioma: English
Fonte URL: https://arxiv.org/abs/2302.09716
Fonte PDF: https://arxiv.org/pdf/2302.09716
Licença: https://creativecommons.org/licenses/by-nc-sa/4.0/
Alterações: Este resumo foi elaborado com a assistência da AI e pode conter imprecisões. Para obter informações exactas, consulte os documentos originais ligados aqui.
Obrigado ao arxiv pela utilização da sua interoperabilidade de acesso aberto.
Ligações de referência
- 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