Финансовый университет при Правительстве РФ и Федеральный научный агроинженерный центр ВИМ при технологической поддержке Microsoft разработали умного робота для сбора урожая яблок.
Ученым удалось добиться высокой точности распознавания и сбора плодов (97% и 90% соответственно). Эти показатели значительно выше, чем у западных аналогов (85% и 75% соответственно), при том, что планируемая цена устройства в семь раз ниже. Использование робота позволит увеличить сбор урожая на 30%. Проект не имеет аналогов в России и за рубежом по точности и эффективности работы. Пилотные испытания разработки пройдут в крупнейших садоводческих предприятиях России уже весной 2021 года.
Нейросетевой алгоритм роботы, разработкой которого занимались ученые Финансового университета, способен обнаруживать более 97% и собирать до 90% плодов, при этом доля «ложных срабатываний», когда система принимает за яблоко фоновый объект, составляет всего 3,5%. Эти показатели значительно лучше, чем у других роботов такого же назначения: известные прототипы обнаруживают в среднем 85% плодов, а собирают 75%. Для обучения нейросетей использовалось облако Microsoft Azure, что позволило значительно ускорить этот процесс, а также снизить стоимость разработки по сравнению с использованием локальных мощностей.
Робот предназначен для работы в интенсивных садах с высотой крон 1,5 – 2 м. Он собирает плоды, начиная с верхнего яруса, при помощи манипуляторов, оснащенных захватами, созданными специалистами ФНАЦ ВИМ. Среднее время сбора одного плода составляет 10 секунд, за час он может собрать до 288 килограммов.
Планируемая цена робота в среднем в семь раз ниже, чем у зарубежных аналогов, а окупаемость для европейских хозяйств составляет около года. Для российских садоводов будут действовать специальные ценовые предложения. Весной 2021 года пройдут пилотные испытания в крупнейших яблоневых садах России. Затем создатели планируют выводить робота на европейский рынок. В дальнейшем будут разработаны аналогичные алгоритмы для сбора урожая груш и томатов. Кроме того, рассматривается возможность использования устройства для мониторинга урожайности и распознавания основных болезней культур.
