︿
Top

結球萵苣採收機器人的挑戰

瀏覽次數:2160| 歡迎推文: facebook twitter wechat Linked

科技產業資訊室 (iKnow) - 洪柏智 發表於 2019年8月5日
facebook twitter wechat twitter

圖、結球萵苣採收機器人的挑戰

農業的發展已經逐漸邁入自動化,隨著人類直接參與的減少,帶動勞動成本降低與產量提升,然而,水果、蔬菜皆大不相同,並不能用單一方法採收。目前小麥與馬鈴薯等作物已可以使用機械方式收成,但更多的蔬果確有其難度,如葡萄、草莓、小黃瓜、奇異果、結球萵苣等,皆存在商業自動化的難度,常見問題包括容易損壞、顏色辨別不易等。所以,農業機器人與工廠機器人不同,面臨的挑戰也相當獨特。
 
日前,劍橋大學研究團隊開發一種蔬菜採收機器人Vegebot,並於Journal of Field Robotics發表,其針對的蔬菜為結球萵苣。實際上,整體自動化採收流程有七個階段。
1.從高處的攝影鏡頭定位
2.從後端執行器預測並接近目標位置,約在萵苣中心上方10公分位置(由於菜園環境不平坦而會產生誤差)。
3. 後端執行器對準萵苣後垂直下降,直到力量反饋感應器感應到下對上的力量。
4. 啟動軟夾抓住生菜。
5. 使用刀水平移動切割萵苣的莖桿部分。
6.仍抓著萵苣,並垂直上升,遠離周圍生菜,並移動到可放置的位置。
7.放開軟夾,放下結球萵苣至機器的採收平台上。
 
研究團隊在整體流程中,發現三點重要且須突破的問題:
第一,辨識採收,在菜園中找到結球萵苣。如何在一片綠色的菜園中找到綠色的結球萵苣,是相當困難的,為有效分類,使用665張圖片訓練,包含準備收成、未成熟、生病毀損、背景四種類型,找到適合採收的結球萵苣。
 
第二,銷售標準,超市銷售的結球萵苣必須符合超市的切割標準。在找到結球萵苣、確定可以採收後,如何抓住並切割,則是第二個挑戰。此外,天氣、光線皆會影響機器的判斷。再加上結球萵苣的大小、好不好看、健康狀況、莖桿切割等,皆有嚴格標準,也就是說,在銷售目的下,「美學」是決定關鍵,而非是否可以食用。目前在實驗場域成功率為91%,但損壞率為38%
 
第三,採收速度,若要取代人力則要超越人工採收速度。以目前人工採收速度,平均10秒可採收一個結球萵苣。然而,Vegebot的採收速度則為32秒,比人還慢。未來若能提高前兩點的效率,便能加快速度。(793字)


參考資料:
 Machine learning helps robot harvest lettuce for the first time. New Atlas,2019/07/08
A field‐tested robotic harvesting system for iceberg lettuce. Journal of Field Robotics,2019/07/07 


本站相關資料:
1. 人工智慧在農業之應用及衝擊
2. 亞馬遜透過機器學習讓Alexa變得更智慧化的秘密
3. 福特使用AI與機器學習成為一家更具競爭力的行動服務公司
4. 谷歌企圖將機器學習晶片形成生態鏈
5. 人工智慧正重塑人類的發明模式

 
歡迎來粉絲團按讚!
--------------------------------------------------------------------------------------------------------------------------------------------
【聲明】
1.科技產業資訊室刊載此文不代表同意其說法或描述,僅為提供更多訊息,也不構成任何投資建議。
2.著作權所有,非經本網站書面授權同意不得將本文以任何形式修改、複製、儲存、傳播或轉載,本中心保留一切法律追訴權利。