"Det finns ett växande behov av att utveckla automatiserade robotlösningar för jordbruket på grund av den ökande efterfrågan på mat, förändrade klimatförhållanden och minskad tillgänglighet för manuellt arbete, "sa Cambridge Ph.D. -student Luca Scimeca." Vår sallads- och stjälkdetekteringsalgoritm visar en robot som är robust mot röror, varierande ljusförhållanden, och kameraavstånd, såväl som variationer i produktstorlek, form och orientering."

Den nya maskinseende pipeline och sugborttagning/vakuumsystem, utvecklad i avdelningens Machine Intelligence Laboratory, är kapabel att utföra skalningsprocessen – med full bladborttagning – 50 procent av tiden, processen tar i genomsnitt 27 sekunder att slutföra.

Sortera grödor, som sallad, och att ta bort de yttre bladen efter skörd är en uppgift som för närvarande utförs av lantarbetare. För lantarbetare är detta en mycket enkel uppgift, men för robotar, det är en utmanande vision och manipulationsuppgift och som hittills har varit svår för robotteknologi att förstå.

Men nu har det automatiska avlägsnandet av salladsblad tagit ett steg närmare verkligheten, efter forskargruppen, ledd av Dr. Fumiya Iida, Lektor i mekatronik, tog sig an utmaningarna med att hantera denna mjuka, ömtåliga produkter. Deras skapande av ett 3D-tryckt cirkulärt munstycke, monterad på änden av en robotarm och testad med ett sugsystem, fungerar som den enda vakuum sugpunkten. Den är utformad för att ta tag i ett löv och ta bort det från huvuddelen av sallad med en rivningsverkan, utan att skada produkten.

Avgörande för noggrannheten av sönderrivningen av löv är användningen av datorseende för att lokalisera och bestämma placeringen av sallad. Det gör det genom att först upptäcka salladsstammen med hjälp av en 2-D-webbkamera placerad direkt ovanför och inom det antagna synfältet. I de fall stammen inte kan hittas, en åtgärd kommer att vidtas för att vända salladen genom att applicera en horisontell kraft och rulla salladen med en mjuk dyna fäst på robotarmen. Bättre placering av salladen kan då uppnås med ytterbladet ovanpå och med minimal risk för skador.

Algoritmen för detektering av sallad och stjälk testades på 180 bilder av individuella sallat tagna med webbkameran på höjder mellan 70 cm och 100 cm. Totalt användes 10 olika isbergssallad i olika positioner, och med varierande ljusriktning och intensitet, med några placerade bredvid bakgrundsobjekt arrangerade för att representera röran. Dessutom, 30 ramar togs efter att ha lagrat produkten i tre dagar, vilket resulterar i förändringar i stjälkfärg. Algoritmen för salladsdetektering kunde exakt lokalisera mitten av salladen med 100 procents noggrannhet och stamdetektionsalgoritmen uppnådde en detektionsnoggrannhet på 81,01 procent. Som ett resultat av dessa fynd, forskargruppen kunde identifiera den optimala punkten för borttagning av salladsblad.

Luca Scimeca, från Biologically Inspired Robotics Laboratory (BIRL), arbetade med visionsystemet. Han sa att roboten kunde appliceras på många andra grödor, som blomkål, som är mycket mindre ömtålig och som innebär mindre utmaningar när det kommer till datorseende att analysera dess orientering.

"Sallatsbladskalning är ett intressant robotproblem ur ett tekniskt perspektiv eftersom bladen är mjuka, de går lätt sönder och formen på salladen är aldrig given, " sa han. "Datorvisionen vi har utvecklat, som ligger i hjärtat av vår salladsskalningsrobot, kan appliceras på många andra grödor, som blomkål, där liknande information skulle krävas för efterbearbetning av produkten.

"Dock, ytterligare arbete behövs för att integrera de tre stegen:syndetektering, rullsystem och lövrivning/borttagning, till en enda helhetslösning. Vi föreslår ett tillvägagångssätt med en tvåarms Baxter -robot, där poseuppskattning och skalningsprocess kombineras. "