Уведомления
Авторизуйтесь или зарегистрируйтесь, чтобы оценивать материалы, создавать записи и писать комментарии.
Авторизуясь, вы соглашаетесь с правилами пользования сайтом и даете согласие на обработку персональных данных.
Разработка ученых поможет в решении проблемы продовольствия
Факультет цифровой экономики и массовых коммуникаций МТУСИ в составе международной коллаборации принял участие в разработке системы компьютерного зрения в интеллектуальной отраслевой робототехнике, позволяющей существенно повысить производительность агробизнеса. В частности, специалисты обучили нейронную сеть распознавать несобранные яблоки в садах.
Сегодня наблюдается стремительный всплеск использования систем искусственного интеллекта в различных сферах экономики. Агробизнес является одной из сфер, подвергающихся быстрой цифровизации. Согласно отчету ООН, численность населения Земли будет быстро расти в ближайшие 30–50 лет; в частности, к 2050 году ожидается, что оно достигнет 10 миллиардов человек. При этом возникают вопросы об обеспечении такого количества жителей продовольствием.
Решение этой проблемы невозможно без повышения эффективности в сфере сельского хозяйства. В научных исследованиях и разработках ученых большое внимание уделяется аспектам цифровизации устойчивых агропродовольственных систем и прогнозирования рисков с учетом новой коронавирусной инфекции на Ближнем Востоке и в Северной Африке. Следует отметить, что наряду с потенциальными проблемами будущего дефицита продовольствия сегодня существует еще одна проблема, связанная с тем, что часть урожая остается неубранной. Важной причиной того, что несобранные плоды портятся в садах, на дачах и в агрохолдингах, является низкая окупаемость инвестиций.
Эти доводы позволяют сделать вывод, что одно из перспективных направлений развития аграрной отрасли — внедрение роботизированных решений, в том числе быстрого, качественного и надежного сбора урожая. При этом ключевую роль в таких роботах должна играть интеллектуальная система анализа изображений, которая разрабатывается, в частности, для задач идентификации и пространственного расположения плодов.
В научной разработке российских ученых для системы распознавания яблок в садах была выбрана архитектура нейронной сети YOLOv3, включающая класс apple в один из 80 распознаваемых классов. Решение этой задачи основано на методах компьютерной оптики и использовании камеры Intel Real Sense Depth Camera D415, которая, помимо регистрации оптического изображения в цветовых каналах яркости, также строит карту глубины.
Во-первых, необходимо обеспечить высокие значения метрик распознавания и обнаружения плодов. Во-вторых, требуется обеспечить низкие ошибки определения пространственного положения яблока относительно робота. В-третьих, требуются эффективные алгоритмы обхода урожая, позволяющие собирать плоды максимально без повреждений. Дальнейшее исследование было связано с работой нейронных сетей, используемых в задачах обнаружения и распознавания образов. Нейросети сегодня широко используются в агробизнесе, в том числе для распознавания плодов на дереве. В результате представлено аппаратно-программное решение задачи оценки координат яблока в реальном пространстве.
Отдельное внимание уделено исследованию ошибок, полученных в результате представленного решения. Следует отметить, что в разработке использовалась известная нейронная сеть, и исследователи не ставили задачу разработки и обучения алгоритма обнаружения яблок, а рассматривали новое приложение архитектуры YOLOv3, модифицированное под эту задачу.
«К научной новизне работы можно отнести представленный алгоритм совместного обнаружения, распознавания яблок и оценки их относительных координат. В результате исследования было предложено использовать нейронную сеть YOLOv3 для решения задачи обнаружения и распознавания изображений. В то же время класс apple был расширен некоторыми подобными объектами. Оптимальный порог вероятности получения высоких показателей точности и отзыва составляет 0,2–0,3.
При этом значение метрики Recall близко к 90 процентам, ложных срабатываний нет. Координаты объекта рассчитываются путем оптического преобразования относительных координат в пространстве пикселей изображения в реальные координаты с использованием карт глубины Intel Real Sense. Анализ показал, что среднеквадратические ошибки измерения координат невелики. Все ошибки составляют в среднем около 7–12 миллиметров.
Однако ошибка увеличивается с удалением объектов от камеры, что может быть связано с ее наклоном. В дальнейшем планируется дополнительно учитывать этот источник ошибок. Кроме того, средняя производительность составляет около 2,5 кадров в секунду», — рассказал Сергей Гатауллин из Московского технического университета связи и информатики. Прототип индустриального решения получил высокую оценку научного сообщества. Полный текст исследования опубликован в научном журнале Symmetry.
В один и тот же момент древней истории Красной планеты произошли два противоречащих друг другу события: широкомасштабное замерзание марсианских вод и возникновение многочисленных новых водоемов. Теперь появилась версия, которая разрешает этот конфликт.
Исследователи из Великобритании сравнили воздействие на компостных червей трех видов волокон. Первый — полиэстер, представляет собой полимер, а два других — вискозу и лиоцелл — получают из целлюлозы и считают более безопасными для окружающей среды. Однако опыты показали, что токсичность вторых для важнейших обитателей почвы даже выше, чем у полиэфирного волокна.
В более теплые периоды истории планеты Сахара прекращала быть пустыней и зарастала растительностью. Теперь климатологи выяснили, что такое зарастание сильнейшим образом влияло как минимум на все Северное полушарие и в особенности на Арктику, Европу и Среднюю Азию. Эти выводы интересны в контексте нынешнего потепления, последствием которого ряд ученых считают новое близящееся озеленение Сахары.
Используя инструменты искусственного интеллекта, канадская компания Prodigy Education проанализировала тексты англоязычных песен лучших современных исполнителей по версии Billboard, а также популярных музыкантов прошлых десятилетий. В итоге удалось выяснить, чьи композиции отличаются наибольшим лексическим разнообразием, а значит, дают более обильную пищу для ума.
Исследователи из Великобритании сравнили воздействие на компостных червей трех видов волокон. Первый — полиэстер, представляет собой полимер, а два других — вискозу и лиоцелл — получают из целлюлозы и считают более безопасными для окружающей среды. Однако опыты показали, что токсичность вторых для важнейших обитателей почвы даже выше, чем у полиэфирного волокна.
Речь идет о концепции, которую считали очень убедительной: она и теории Эйнштейна не противоречит, и при этом описывает вращающуюся черную дыру, а как раз такие мы в космосе и обнаруживаем. Теперь выясняется, что с ней — большая проблема.
Полторы тысячи лет назад климат в Северном полушарии резко изменился. В Дании так похолодало, что там стало невозможно заниматься сельским хозяйством. Авторы нового исследования считают, что именно этот период был прообразом Фимбульвинтера — зимы, предшествующей Рагнарёку.
Под рыжим верхним слоем с виду обычного камня открылся целый калейдоскоп довольно неожиданных оттенков. Это особенно интересно с учетом того, где лежит камень — в марсианском кратере, который по всем признакам когда-то был озером.
Сейчас Япония привлекает людей со всего мира, но так было не всегда. На протяжение десяти тысяч лет архипелаг оставался изолированным от остального мира, пока туда не начали прибывать первые «мигранты» с континента. Это показал генетический анализ останков человека эпохи Яёй.
Вы попытались написать запрещенную фразу или вас забанили за частые нарушения.
ПонятноИз-за нарушений правил сайта на ваш аккаунт были наложены ограничения. Если это ошибка, напишите нам.
ПонятноНаши фильтры обнаружили в ваших действиях признаки накрутки. Отдохните немного и вернитесь к нам позже.
ПонятноМы скоро изучим заявку и свяжемся с Вами по указанной почте в случае положительного исхода. Спасибо за интерес к проекту.
ПонятноМы скоро прочитаем его и свяжемся с Вами по указанной почте. Спасибо за интерес к проекту.
Понятно
Комментарии