පළතුරු වතුවල ගස්වල මල් පොකුරු තුළ ඇපල් කිං මල් ස්ථානගත කිරීම සහ හඳුනාගැනීමේ හැකියාව ඇති යන්ත්ර දෘෂ්ඨි පද්ධතියක් පෙන් ප්රාන්ත පර්යේෂකයන් විසින් නිර්මාණය කරන ලදී - රොබෝ පරාගණ පද්ධතියක් සංවර්ධනය කිරීමේ තීරණාත්මක මුල් පියවරක් - එහි පළමු ආකාරයේ අධ්යයනයක්. .
ඇපල් මල් අතුවලට සම්බන්ධ මල් හතරේ සිට හය දක්වා කණ්ඩායම් වශයෙන් වර්ධනය වන අතර මැද මල් රජ මල් ලෙස හැඳින්වේ. මෙම මල් පොකුරේ මුලින්ම විවෘත වන අතර සාමාන්යයෙන් විශාලතම පළතුරු වර්ධනය වේ. එබැවින්, කෘෂිකාර්මික සහ සහකාර මහාචාර්ය පර්යේෂක ලෝන්ග් හී පවසන පරිදි, රොබෝ පරාගණ පද්ධතියක ප්රධාන ඉලක්කය එයයි. ජීව විද්යාත්මක ඉංජිනේරු.
ඇපල් ඵලදායිතාව සඳහා සාම්ප්රදායිකව කෘමි පරාගණය මත රඳා පවතී. කෙසේ වෙතත්, ගෘහාශ්රිත මී මැස්සන්ගෙන් සහ වල් පරාග කාරකයන්ගෙන් පරාගණ සේවා, වැඩිවන ඉල්ලුමට නොගැලපෙන බවට සාක්ෂි යෝජනා කරයි, ඔහු සඳහන් කළේය. නිසා යටත් විජිත කඩා වැටීමේ ආබාධය, ලොව පුරා මී මැස්සන් භයානක අනුපාතයකින් මිය යමින් සිටිති. ප්රතිඵලයක් වශයෙන්, නිෂ්පාදකයින්ට පරාගණයේ විකල්ප ක්රම අවශ්ය වේ.
මෙම අධ්යයනය හතු කැඩීම, ඇපල් ගස් කප්පාදු කිරීම සහ කොළ-පළතුරු තුනී කිරීම වැනි ශ්රම-අධික කෘෂිකාර්මික කාර්යයන් ඉටු කිරීම සඳහා රොබෝ පද්ධති සංවර්ධනය කිරීමට කැප වූ කෘෂිකාර්මික විද්යා විද්යා පීඨයේ He's පර්යේෂණ කණ්ඩායම විසින් පවත්වන ලද නවතම අධ්යයනයයි. මෙම ව්යාපෘතියේ මූලික අරමුණ වූයේ ගස් වියන තුළ ඇති රජ මල් නිශ්චිතව හඳුනාගෙන ඒවා ස්ථානගත කළ හැකි ගැඹුරු ඉගෙනුම් මත පදනම් වූ දෘෂ්ටි පද්ධතියක් සංවර්ධනය කිරීම බව ඔහු පැහැදිලි කළේය.
"මෙම ප්රතිඵලය රොබෝ පරාගණ ක්රමයක් සඳහා මූලික තොරතුරු සපයනු ඇතැයි අපි සිතමු, එමඟින් උසස් තත්ත්වයේ පලතුරු වල අස්වැන්න උපරිම කිරීම සඳහා ඇපල් කාර්යක්ෂම හා ප්රතිනිෂ්පාදනය කළ හැකි පරාගණයට තුඩු දෙනු ඇත," ඔහු පැවසීය. "පෙන්සිල්වේනියාවේ, අපට තවමත් ඇපල් බෝග පරාගනය කිරීමට මී මැස්සන් මත විශ්වාසය තැබිය හැකිය, නමුත් මී මැස්සන් මිය යාම වඩාත් දරුණු වී ඇති අනෙකුත් ප්රදේශවල, වගාකරුවන්ට මෙම තාක්ෂණය ඉක්මනින් අවශ්ය විය හැකිය."
කෘෂිකාර්මික ජීව විද්යා ඉංජිනේරු දෙපාර්තමේන්තුවේ ආචාර්ය උපාධි ශිෂ්ය Xinyang Mu, රජ මල් අධ්යයනයේ මූලිකත්වය ගෙන කටයුතු කළේය. Mu විසින් Mask R-CNN—ප්රසිද්ධ ගැඹුරු ඉගෙනුම් පරිගණක වැඩසටහනක් වන අතර එය වෙනත් වස්තූන් මගින් අර්ධ වශයෙන් අපැහැදිලි වස්තූන් හඳුනා ගැනීමට පික්සල් මට්ටමේ ඛණ්ඩනය සිදු කරයි— යන්ත්ර දෘෂ්ඨි පද්ධතියක රජ මල් හඳුනා ගැනීමට සහ ස්ථානගත කිරීමට.
Mask R-CNN මත පදනම් වූ හඳුනාගැනීමේ ආකෘතිය ගොඩනැගීම සඳහා, ඔහු සිය ගණනක් ඇපල් මල් පොකුරු ඡායාරූප ලබා ගත්තේය. ඉන්පසු ඔහු එම ඇපල් මල් රූපවල අමු දත්ත කට්ටලයෙන් රජ මල් හඳුනා ගැනීමට සහ ස්ථානගත කිරීමට king flower segmentation algorithm එකක් නිර්මාණය කළේය. පර්යේෂණය සිදු කරන ලද්දේ පෙන් ප්රාන්තයේ පළතුරු පර්යේෂණ සහ ව්යාප්ති මධ්යස්ථානය, Biglerville හි ය.
Gala සහ Honeycrisp ඇපල් පරීක්ෂණ සඳහා ප්රභේද තෝරා ගන්නා ලදී. පරීක්ෂණ ගස් 2014 දී සිටුවනු ලැබුවේ අඩි 5 (ගාලා) සහ අඩි 6 1/2 (හනික්රිස්ප්) ගස් පරතරයෙනි. මෙම ගස් උස ස්පින්ඩල් වියන් ගෘහ නිර්මාණ ශිල්පය පුහුණු කර ඇති අතර සාමාන්ය උස අඩි 13ක් පමණ වේ. ගස් පේළි අතර උපාමාරු කරන ලද උපයෝගිතා වාහනයක් මත කැමරාවක් සහිත රූප ලබා ගැනීමේ පද්ධතිය සවි කර ඇත.
රජ මල් ස්ථානගත කිරීම සඳහා යන්ත්ර දෘෂ්ඨි පද්ධතිය පුහුණු කිරීම අභියෝගාත්මක වූ අතර, ඒවා පොකුරු වශයෙන් ඇති පාර්ශ්වික මල් වලට සමාන ප්රමාණය, වර්ණය සහ හැඩය සහ රජ මල් සාමාන්යයෙන් අවට ඇති මල් වලින් අඳුරු වන බැවින් ඒවායේ කේන්ද්රීය පිහිටීම නිසා මූ පෙන්වා දුන්නේය.
Mask R-CNN ආකෘති පුහුණුව සඳහා මාරු ඉගෙනීමේ අවශ්යතා සපුරාලීම සඳහා, පෙර-නිර්වචනය කළ පන්ති දෙකකින් අමු රූප ලේබල් කර ඇත: තනි මල් සහ අවහිර වූ මල්. නිරවද්යතාවය වැඩි දියුණු කිරීම සඳහා, පුහුණු දත්ත කට්ටලය දත්ත-වර්ධන ප්රවේශයන් භාවිතා කරමින් හතර ගුණයකින් විශාල කරන ලදී, Mu පැහැදිලි කළේය.
"රජු මල් පාර්ශ්වීය මල් වලින් වෙන්කර හඳුනා ගැනීම සඳහා, එක් එක් මල් පොකුරේ ඇති වඩාත්ම මධ්යම මල් ඉලක්ක කර හෝ දේශීයකරණය කරන ලදී," ඔහු පැවසීය. “ද්විමාන මල් ඝනත්ව සිතියම්කරණ ප්රවේශයක් මත පදනම්ව දර්ශන පද්ධතිය ස්වයංක්රීයව මල් පොකුරු වෙන වෙනම ස්ථානගත කළේය. හඳුනාගත් සෑම මල් පොකුරක් තුළම, වඩාත්ම කේන්ද්රගත ස්ථානයේ ඇති මල - හෝ වෙස්මුහුණ - ඉලක්ක රජ මල ලෙස තීරණය කරන ලදී.
මෑතකදී ප්රකාශයට පත් කරන ලද සොයාගැනීම් වල ස්මාර්ට් කෘෂිකාර්මික තාක්ෂණය, පර්යේෂකයන් විසින් Mu's ඇල්ගොරිතමයේ ප්රතිඵලයක් ලෙස රජ මල් හඳුනාගැනීමේ නිරවද්යතාවයේ ඉහළ මට්ටමක් වාර්තා කරන ලදී. පර්යේෂකයන් විසින් ඇසින් රජ මල් හඳුනා ගැනීම අතින් ගන්නා ලද මිනුම් සමඟ සසඳන විට - පර්යේෂකයන් විසින් භූමි සත්ය මිනුම් ලෙස හැඳින්වේ - යන්ත්ර දැක්ම කිං මල් හඳුනාගැනීමේ නිරවද්යතාවය 98.7% සිට 65.6% දක්වා වෙනස් විය.