Il lavoro intensivo per la raccolta manuale delle delicate more è un'irrinunciabile necessità, ma lo sviluppo di tecnologie avanzate da parte degli scienziati della Mississippi State University potrebbe aiutare ad automatizzare questo tedioso processo.
Molte colture agricole vengono raccolte rapidamente dalle macchine, e il professore assistente Xin Zhang, del Dipartimento di Ingegneria Agraria e Biologica, sta lavorando con un team universitario per fare lo stesso con le more mature—trasformando questa coltura speciale ad alto valore da una gestione speciale a una raccolta robotica.
Presso la Mississippi Agricultural and Forestry Experiment Station dell'università, 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 robotica alimentato da un innovativo approccio di deep learning basato sull'intelligenza artificiale.
Zhang è co-investigatore principale in uno sforzo multi-istituzionale da 1 milione di dollari finanziato dal programma 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 della MSU sviluppa questo componente critico del raccoglitore automatizzato, i partner del Georgia Institute of Technology stanno lavorando su un braccio robotico a tocco morbido e un sistema di presa e una piattaforma mobile bipede per lavorare in sincronia con il sistema di percezione addestrato dalla MSU. Il prototipo del sistema di presa è dotato di sensori situati alle estremità—come minuscole punte delle dita—che gli permettono di afferrare e raccogliere la mora senza schiacciarla e danneggiarla. Gli scienziati della University of Arkansas si concentrano sull'analisi del frutto post-raccolta.
Il sistema di percezione progettato da Zhang e dal suo team è alimentato da YOLOv8 (You Only Look Once, versione 8), un modello di rilevamento degli oggetti basato sulla visione che identifica e localizza rapidamente e accuratamente gli oggetti di interesse—in questo caso, le more mature. 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 per non solo identificare ogni mora su un cespuglio, ma anche rilevare il suo livello di maturazione, da maturo (nero), a in maturazione (rosso) e immaturo (verde). Il processo ha utilizzato oltre 1.000 immagini di piante in vari frutteti commerciali dell'Arkansas, preparando il sistema a individuare contemporaneamente le more mature per la raccolta e a tenere traccia delle altre in preparazione per il prossimo giro di raccolta.
"Il nostro obiettivo principale è rilevare le more mature per il raccoglitore robotico, ma abbiamo aggiunto le altre due categorie per fornire un conteggio totale delle more," ha detto Zhang. "In questo modo, il sistema non solo identifica le more pronte per la raccolta, ma aiuta anche a fornire ai coltivatori stime del loro raccolto totale."
Durante i test con più configurazioni e varianti, il modello con le migliori prestazioni ha raggiunto un'accuratezza del 94% nell'identificare le more mature, del 91% per le more in maturazione e dell'88% per le more immature. Ha anche rilevato immagini ad alta risoluzione in tempo reale, con una velocità di 21,5 millisecondi per immagine.
"Il sistema di percezione identifica la mora e invia le coordinate 3D, inclusa la distanza, al braccio robotico, che utilizza quel feedback per raggiungere e raccogliere la mora," ha detto Zhang. "È fondamentale che il nostro sistema di percezione comunichi rapidamente e accuratamente con il sistema di braccio e presa."
Oltre ai loro contributi al raccoglitore, Zhang e il suo team stanno iniziando a sviluppare un'app mobile basata sul loro sistema di rilevamento delle immagini.
"L'app è un progetto separato, ma darebbe ai coltivatori un modo rapido e semplice per prevedere il loro raccolto totale all'inizio della stagione di raccolta, in modo da poter adattare rapidamente la loro strategia di marketing," ha detto.
