В НИУ ВШЭ разработали систему мониторинга для определения повреждений овощей и фруктов

В 2017–2021 годах площадь многолетних насаждений яблонь в России выросла на 27,2 процента: с 171,6 до 218,2 тысяч гектаров. Общий объем господдержки садоводства за период с 2013 по 2018 год составил 13,7 миллиардов рублей, что позволило заложить 78,4 тысяч гектаров новых садов, включая 51,5 тысяч гектаров интенсивных. Увеличение территорий садов сопровождается развитием агротехнологий, которые позволяют защищать урожай от повреждений и болезней.

В рамках проекта «Зеркальные лаборатории» ученые Высшей школы экономики совместно с Тамбовским государственным техническим университетом разработали роботизированную платформу для проксимального зондирования (измерения состояния почвы) и мониторинга болезней и развития растений в условиях интенсивного садоводства. Интенсивное садоводство — это современный способ выращивания плодовых культур, обеспечивающий короткие сроки окупаемости инвестиций. Интенсивная посадка подразумевает близкое расположение деревьев, быстрый срок плодоношения, низкорослость взрослых растений.

Сейчас команда НИУ ВШЭ и ТГТУ разработала алгоритмы, с помощью которых можно определить как видимые, так и незаметные повреждения плодов в режиме реального времени. Для оценки прогнозирования состояния плодов использовался метод гиперспектрального контроля, который производится специальной роботизированной платформой на колесах. Платформа собирает визуальную информацию и показания магнитометра и гироскопа. Полученные данные передаются в облако и обрабатываются на компьютере.

«Платформа представляет собой мобильного робота, который перемещается в саду малорослых яблонь и анализирует их состояние. Она способна автономно перемещаться в междурядье, сканируя листву и плоды, и передавать информацию на базовую станцию оператору. Собранная информация будет использоваться для анализа состояния растительности и плодов, определения заболеваний или качества урожая», — рассказывает заведующий кафедрой «Мехатроника и технологические измерения» ТГТУ Павел Балабанов.

В исследовании специалисты использовали гиперспектральные изображения, чтобы обнаружить механические повреждения кожицы плодов фруктовых деревьев. Точность выявления повреждений составила 92 процента. «Гиперспектральный метод позволяет получить данные, которые нельзя обнаружить посредством визуального наблюдения. Детекция осуществляется на субпиксельном уровне или посредством совмещения данных», — поясняет профессор департамента электронной инженерии МИЭМ НИУ ВШЭ Евгений Кучерявый.

Ученые отмечают, что результаты, которые они получили на данном этапе работы, уже можно использовать в системах поддержки принятия решений в точном садоводстве. Например, садоводы могут своевременно проводить агротехнические и защитные мероприятия, которые обеспечат высокое качество урожая. В дальнейшем эксперты НИУ ВШЭ разработают алгоритмы, с помощью которых можно будет определять внутреннее качество плодов ( зрелость, твердость, сахаристость), а также программные модули, которые реализуют эти алгоритмы.

Исследовательская работа «Разработка киберфизической роботизированной платформы для проксимального зондирования и мониторинга болезней и развития растений в условиях интенсивного садоводства» была проведена в рамках проекта «Зеркальные лаборатории» Научной лабораторией Интернета вещей и киберфизических систем НИУ ВШЭ совместно с Научно-исследовательской лабораторией «Автоматизированные системы контроля качества веществ, материалов и изделий» ТГТУ.

«Зеркальные лаборатории» — это научные проекты, которые реализуются в Высшей школе экономики в партнерстве с другими образовательными и научными организациями страны. Они объединяют команды исследователей, у которых есть общая задача, цель и исследовательская тема. Конкурс новых проектов проводится ежегодно, в этом году подать заявки можно до 18 мая.