En grönsaksplockningsrobot som använder maskininlärning för att identifiera och skörda en vardag, men utmanande, jordbruksgröda har utvecklats av ingenjörer.

"Vegebot", utvecklad av ett team vid University of Cambridge, var från början utbildad att känna igen och skörda isbergssallad i en labbmiljö. Den har nu framgångsrikt testats i en mängd olika fältförhållanden i samarbete med G:s odlare, ett lokalt frukt- och grönsakskooperativ.

Även om prototypen inte är i närheten av så snabb eller effektiv som en mänsklig arbetare, den visar hur användningen av robotik inom jordbruket kan utökas, även för grödor som isbergssallad som är särskilt utmanande att skörda mekaniskt. Resultaten publiceras i Journal of Field Robotics .

Grödor som potatis och vete har skördats mekaniskt i stor skala i årtionden, men många andra grödor har hittills motstått automatisering. Isbergssallat är en sådan gröda. Även om det är den vanligaste typen av sallad som odlas i Storbritannien, isberg skadas lätt och växer relativt platt mot marken, utgör en utmaning för robotskördare.

"Varje fält är olika, varje sallad är olika, " sa medförfattaren Simon Birrell från Cambridges Department of Engineering. "Men om vi kan få en robotskördare att fungera med isbergssallad, vi skulle också kunna få det att fungera med många andra grödor."

"Just nu, skörd är den enda delen av sallats livscykel som görs manuellt, och det är väldigt fysiskt krävande, " sa medförfattaren Julia Cai, som arbetade med datorseendekomponenterna i Vegebot medan hon var en student i doktor Fumiya Iidas labb.

Vegebot identifierar först "målgrödan" inom sitt synfält, avgör sedan om en viss sallad är frisk och redo att skördas, och skär till sist salladen från resten av plantan utan att krossa den så att den är "stormarknadsklar". "För en människa, hela processen tar ett par sekunder, men det är ett riktigt utmanande problem för en robot, " sa medförfattaren Josie Hughes.

Vegebot har två huvudkomponenter:ett datorseendesystem och ett skärsystem. Overheadkameran på Vegebot tar en bild av salladsfältet och identifierar först alla sallat i bilden, och sedan för varje sallad, klassificerar om det ska skördas eller inte. En sallad kan avvisas eftersom den ännu inte är mogen, eller det kan ha en sjukdom som kan sprida sig till andra sallad i skörden.

Forskarna utvecklade och tränade en maskininlärningsalgoritm på exempelbilder av sallad. När Vegebot kunde känna igen frisk sallad i labbet, den tränades sedan i fält, i olika väderförhållanden, på tusentals riktiga sallad.

En andra kamera på Vegebot är placerad nära skärbladet, och hjälper till att säkerställa ett jämnt snitt. Forskarna kunde också justera trycket i robotens griparm så att den höll sallaten tillräckligt stadigt för att inte tappa den, men inte så fast att den krossas. Kraften på greppet kan justeras för andra grödor.

"Vi ville utveckla metoder som inte nödvändigtvis var specifika för isbergssallad, så att de kan användas för andra typer av ovanjordsgrödor, sa Iida, som leder teamet bakom forskningen.

I framtiden, robotskördare kan hjälpa till att lösa problem med brist på arbetskraft inom jordbruket, och kan också bidra till att minska matsvinnet. Just nu, varje åker skördas vanligtvis en gång, och alla omogna grönsaker eller frukter kasseras. Dock, en robotskördare kunde tränas att bara plocka mogna grönsaker, och eftersom den kunde skörda dygnet runt, det kan utföra flera pass på samma fält, återvänder vid ett senare tillfälle för att skörda de grönsaker som var omogna under tidigare pass.

"Vi samlar också in massor av data om sallad, som skulle kunna användas för att förbättra effektiviteten, till exempel vilka fält som har högst avkastning, " sa Hughes. "Vi måste fortfarande snabba upp vår Vegebot till den punkt där den kan konkurrera med en människa, men vi tror att robotar har massor av potential inom agri-tech."