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.
Telegram 
Дзен 
VK Нейробиологи разработали строгий экспериментальный протокол, чтобы выяснить, как мозг конструирует картину мира в области слепого пятна сетчатки. Это поможет формально проверить и сравнить предсказания трех популярных теорий сознания.
Не исключено, что болезнь Альцгеймера — инфекционно-воспалительное заболевание. В пользу этой гипотезы говорят результаты нового исследования. Оно показало, что прием препарата от распространенного кошачьего паразита — токсоплазмы — и вакцинация от вируса герпеса связаны со снижением риска болезни Альцгеймера.
Археологи из Дании и Испании восстановили карту растительности Ближнего Востока времен зарождения сельского хозяйства. Вопреки популярному мнению, потепление климата не расширило, а сократило ареалы диких злаков на 25%, вынудив древних людей начать их культивацию в изолированных экологических убежищах.
Астрономы недавно проанализировали базу данных о падающих на Землю объектах и пришли к выводу, что два из них прибыли из межзвездного пространства. Известна не только дата, но и место падения каждого из них.
На наземные растения, в основном деревья, приходится 80 процентов всей биомассы Земли, 450 миллиардов тонн сухого углерода и более двух триллионов тонн «живого веса». Поэтому идея сажать новые леса для связывания СО2 из атмосферы долго казалась логичной. Новые данные показали, что реальность заметно сложнее.
«Любить лишь можно только раз», — писал поэт Сергей Есенин, а герои культовых сериалов приходили к выводу, что «настоящая» влюбленность случается в жизни максимум дважды. Однако ни один из этих тезисов не подкреплен научными данными. Американские исследователи подошли к вопросу иначе: опросили более 10 тысяч человек и вывели среднее число сильных влюбленностей, возможных в течение жизни.
Астрономы недавно проанализировали базу данных о падающих на Землю объектах и пришли к выводу, что два из них прибыли из межзвездного пространства. Известна не только дата, но и место падения каждого из них.
Международная команда палеонтологов описала новый вид динозавра размером с крупную современную птицу. Он носил на голове плотный костяной нарост, который эти животные, возможно, использовали для внутривидовых разборок. Находка показывает, что даже мелкие хищники мелового периода могли решать конфликты не только когтями и зубами, но и ударами головой.
Образцы грунта, взятые астронавтами полвека назад, вложили еще один важный кирпич в здание научной картины мира: гипотеза о том, что Земля исходно была сухой, не стыкуется с фактами. Похоже, идею о невозможности сохранения большого количества воды на «теплых» планетах придется пересмотреть.
Вы попытались написать запрещенную фразу или вас забанили за частые нарушения.
Понятно
Из-за нарушений правил сайта на ваш аккаунт были наложены ограничения. Если это ошибка, напишите нам.
Понятно
Наши фильтры обнаружили в ваших действиях признаки накрутки. Отдохните немного и вернитесь к нам позже.
Понятно
Мы скоро изучим заявку и свяжемся с Вами по указанной почте в случае положительного исхода. Спасибо за интерес к проекту.
Понятно