Robot care „gândește” înainte de a culege roșii: algoritm care estimează ușurința recoltării crește rata de succes la 81%

Sursa foto: Sciencedaily

Un robot care evaluează cât de ușor poate fi culesă o roșie înainte de a acționa

Un grup de cercetători de la Osaka Metropolitan University a dezvoltat un robot de cules tomate care nu se limitează doar la identificarea fructelor coapte, ci estimează în prealabil cât de ușor poate fi extrasă fiecare roșie. Această capacitate de a „gândi înainte de a acționa” a dus la creșterea semnificativă a ratei de succes în recoltare, atingând 81% în testele prezentate de echipă.

Problema pe care o abordează echipa pornește de la dificultățile practice ale recoltării automate: tomatele cresc adesea în ciorchini, iar sistemele trebuie să poată selecta cele coapte lăsând pe cele necoapte intacte. Aceasta impune control fin al mișcărilor și decizii inteligente privind modul și unghiul de abordare a fiecărui fruct.

Combinarea recunoașterii vizuale cu analiza statistică pentru a decide strategia de recoltare

Profesorul asistent Takuya Fujinaga, de la Graduate School of Engineering al Osaka Metropolitan University, a condus dezvoltarea unui sistem care instruiește roboții să evalueze înainte dacă o roșie va fi ușor de cules. Metoda sa combină recunoașterea imaginii cu o analiză statistică menită să determine cel mai potrivit unghi și strategie de prindere pentru fiecare fruct.

Sistemul analizează în imagini detalii precum forma și aspectul roșiei, prezența și poziția tulpinilor, precum și dacă fructul este parțial ascuns de frunze sau de alte părți ale plantei. Pe baza acestor informații, algoritmul calculează o estimare a „ușurinței recoltării” pentru fiecare roșie și decide abordarea optimă: dacă merită încercat un acces frontal, dacă trebuie schimbat unghiul sau dacă este preferabil ca recoltarea să fie lăsată pentru un operator uman.

De la detectare la decizie: conceptul de „estimare a ușurinței recoltării”

Abordarea propusă de Fujinaga se distanțează de sistemele tradiționale care se concentrează exclusiv pe detectarea și clasificarea fructelor. El introduce noțiunea de „estimare a ușurinței recoltării” ca metrică evaluabilă cantitativ, menită să răspundă nu doar la întrebarea „poate un robot să culeagă o roșie?”, ci la întrebarea mai aplicată „care este probabilitatea ca recoltarea să fie reușită?”.

În cuvintele autorului, traducându-le în limba română: „Acest lucru merge dincolo de a întreba simplu ‘poate un robot să culeagă o roșie?’ pentru a se concentra pe ‘cât de probabil este să obținem o recoltare reușită?’; aceasta este mai relevant pentru agricultura reală.”

Rezultatele testelor: adaptare în timp real și creșterea randamentului

Testele sistemului au arătat o rată de succes de 81% în recoltarea tomatelor folosind strategia bazată pe estimarea ușurinței recoltării. Un rezultat remarcabil a fost capacitatea robotului de a-și adapta abordarea în timpul operațiunii: aproximativ un sfert dintre recoltările reușite au fost obținute după ce robotul a schimbat unghiul de abordare, culegând fructele din lateral după ce o tentativă frontală inițială eșuase.

Acest comportament indică faptul că sistemul poate reacționa la eșecuri parțiale și poate reevalua situația pentru a identifica o strategie alternantă, în loc să abandoneze imediat o recoltare dificilă. Astfel, adaptabilitatea în timp real se dovedește un element cheie pentru a îmbunătăți performanța generală în medii agricole complexe.

Factorii care influențează succesul recoltării

Cercetarea evidențiază numeroși factori care afectează capacitatea unui robot de a recolta cu succes: modul în care se grupează tomatele în ciorchine, forma și poziția tulpinilor, prezența frunzelor care blochează vizual și alte obstacole fizice. Sistemul analizează aceste variabile vizuale pentru a cuantifica riscurile și a decide cum să procedeze.

Prin stabilirea „ușurinței recoltării” ca o metrică evaluabilă cantitativ, echipa a creat o bază pentru ca roboții agricoli să facă decizii informate, ceea ce reprezintă un pas important către utilizarea pe scară largă a mașinilor autonome în ferme.

Perspective pentru colaborarea om-robot în agricultură

Dincolo de performanța tehnică, Fujinaga anticipează implicații practice pentru organizarea muncii în viitoarele ferme. El prevede un model în care roboții și oamenii vor lucra colabo­rativ: roboții vor prelua automat recoltările care sunt evaluate ca fiind ușoare, iar lucrătorii umani se vor ocupa de fructele mai dificile sau de cazurile care necesită intervenție manuală.

Traducând din declarațiile cercetătorului: „Aceasta se așteaptă să inaugureze o nouă formă de agricultură în care roboții și oamenii colaborează. Roboții vor recolta automat tomatele care sunt ușor de cules, în timp ce oamenii se vor ocupa de fructele mai dificile.”

Modelul propus nu înlocuiește complet munca umană, ci propune o distribuție a sarcinilor în funcție de complexitate, ceea ce ar putea contribui la eficientizarea forței de muncă agricole într-un context în care penuria de lucrători duce tot mai mult sectorul către automatizare.

Publicare și referințe științifice

Rezultatele studiului au fost publicate în revista Smart Agricultural Technology. Articolul științific semnat de Takuya Fujinaga poartă titlul „Realizing an intelligent agricultural robot: An analysis of the ease of tomato harvesting” și este identificat cu DOI: 10.1016/j.atech.2025.101538. Datele și concluziile prezentate aici sunt bazate pe materialele puse la dispoziție de Osaka Metropolitan University.

Pentru referință directă, detalii despre articolul publicat pot fi consultate prin intermediul identificatorului DOI: http://dx.doi.org/10.1016/j.atech.2025.101538 și pe pagina dedicată publicației: AI-powered robot learns how to harvest tomatoes more efficiently.

Semnificația cercetării pentru viitorul tehnologiei agricole

Prin introducerea unei metrici cuantificabile a dificultății de recoltare și prin demonstrarea capacității unui robot de a-și schimba strategia în funcție de evaluarea inițială, studiul deschide calea către roboți agricoli mai inteligenți și mai flexibili. Această direcție de cercetare poate facilita integrarea mașinilor autonome în muncile agricole zilnice, adaptându-se la complexitatea biologică și structurală a culturilor.

În plus, modularitatea abordării — combinarea percepției vizuale cu analiza statistică și luarea deciziilor tactice — oferă o fundație replicabilă pentru alte tipuri de culturi sau pentru sarcini agricole care necesită selecție fină și manipulare delicată.

Rămâne de observat cum vor evolua aceste tehnologii în aplicare la scară mare și ce adaptări vor fi necesare pentru a le integra eficient în fermele comerciale, dar demonstrația realizată de echipa din Osaka marchează, fără îndoială, un pas înainte spre o agricultură în care roboții nu doar văd, ci și gândesc strategia de culegere.