Как обучить ИИ собирать томаты
Автоматизированный сбор урожая томатов с помощью роботов, использующих системы обнаружения объектов и искусственный интеллект (ИИ) для определения местоположения и спелости плодов, сталкивается со сложностью обучения ИИ. Для достижения необходимой точности требуются обширные наборы размеченных изображений, сбор и ручная аннотация которых в реальных хозяйствах – процесс крайне трудоемкий и подверженный влиянию множества факторов, таких как освещение, разнообразие растений и условия выращивания.
Исследователи из Осакского столичного университета представили инновационное решение – виртуальную сельскохозяйственную среду. Эта среда автоматически генерирует высокореалистичные изображения томатов и их соответствующие метки, предназначенные для обучения ИИ. Для достижения максимальной достоверности, виртуальное хозяйство было воссоздано на основе реальных данных, собранных роботами с видеокамер в хозяйствах.
Реальная виртуальная среда
Созданная виртуальная среда точно воспроизводит реалистичные полевые условия, где плоды могут быть частично скрыты листьями, освещение постоянно меняется, а стебли и тени создают естественный беспорядок.
Система автоматически генерирует точные метки, указывающие на положение и степень зрелости каждого плода на сгенерированных изображениях. Использование этих синтетических данных позволило исследователям обучить ИИ-модели, которые продемонстрировали высокую эффективность в обнаружении томатов на реальных изображениях.
Полученные знания о влиянии освещения, формы плодов и размера набора данных на точность обнаружения будет способствовать совершенствованию моделей и их применению для автоматизированного сбора урожая широкого спектра сельскохозяйственных культур.
Развитие науки помогает делать правильный выбор, а также получить корректные данные в исследованиях. Во Всероссийском центре карантина растений (ФГБУ «ВНИИКР» Россельхознадзора) разрабатывают методы диагностики карантинных вредных организмов. Для исследований используется самое современное оборудование, которое позволяет оптимизировать и ускорить процесс диагностики.
Источник: Takuma Ushiroji et al, Automatic generation of synthetic data and object detection datasets in virtual environments based on tomato-harvesting robot vision, Smart Agricultural Technology (2026). DOI: 10.1016/j.atech.2026.101947
Рекомендуем по теме
16 июня, 2026, 19:37 
16 июня, 2026, 18:20 
16 июня, 2026, 18:16 
16 июня, 2026, 16:53 
16 июня, 2026, 15:21 
16 июня, 2026, 14:19 
Подписка на рассылку
Подпишитесь на нашу рассылку и будьте в курсе всех новостей
Нажимая на кнопку «Подписаться», Вы соглашаетесь на обработку персональных данных в соответствии с
«Политикой конфиденциальности»
Законодательство
