50岁大叔回剑桥读AI博士,研发机器人用AI收生菜

作者: 郭一璞 2019-07-10 16:32:10

 本文经AI新媒体量子位(公众号ID:QbitAI)授权转载,转载请联系出处。

机器收割农作物,不是什么新鲜事,小麦、土豆都有合适的机器。

但和这些耐操的粮食作物相比,收割容易碰坏的蔬菜,似乎难了很多。

50岁大叔回剑桥读AI博士,研发机器人用AI收生菜

比如球生菜,一种脆嫩娇弱的农作物,难以被机械收割,要是草草收割,生菜球切掉半个,那可没法卖。

现在,剑桥一个研究团队就实现了让机器人靠AI收球生菜。

相比人类收菜,机器人收菜可以减轻农民的劳动量,菜农们不用辛辛苦苦趴在地里手动收菜了。

而且,还能实现机动的收菜方式,人类通常在成熟季节收一次就好了,那些没熟的菜会浪费掉,但机器人不会觉得“好机不收回头菜”,还可以等长大后返回来再收,甚至能根据不同的订单要求,实现按需收菜。

收菜机器人

50岁大叔回剑桥读AI博士,研发机器人用AI收生菜

这台名叫Vegebot的机器人,包括一个标准六自由度UR10机械臂,两个摄像头和一个特制的笼子状的末端执行器,另外,还需要连接一台笔记本电脑运行控制软件。

这些设备运行在一台有轮子的平台上,轮子左右的距离刚好卡在两排生菜之间的过道里,可以做一个行走的收菜侠。

50岁大叔回剑桥读AI博士,研发机器人用AI收生菜

收菜过程中,由头顶的相机收集信号,笔记本电脑和UR10的控制器分工控制末端执行器和机械臂。

怎么收菜

虽然超市里的球生菜看起来是非常圆满完整的,但一大片生菜田可不是这样。

50岁大叔回剑桥读AI博士,研发机器人用AI收生菜

球呢?藏在一大片绿绿的菜叶子里,要先找到生菜球的位置。

因此,第一个摄像头就要靠计算机视觉,找出所有的生菜球,这里,研究团队用到了YOLOv3算法,因为它的速度比较快。

同时,研究团队自己做了一个生菜数据集:

50岁大叔回剑桥读AI博士,研发机器人用AI收生菜

再结合剑桥大学2015年的Deepfarm数据集,训练生菜目标检测模型,锁定生菜球们都分布在哪里。

找出来之后还不算,毕竟生菜球不是标品,大球小球各不同,长大成熟的可以拿去卖掉,还小的生菜就等它长大再回来收吧。

但是,长大成球的生菜里,也有老弱病残,要是收了老弱病残,那可能就会传染给健康的生菜,万万不能碰的。

所以,要完成针对生菜的分类,选出那些值得收的生菜。

这里,研究人员找到了665个球生菜的照片,做成数据集,87.5%作为训练集,12.5%作为测试集,用Darknet分类器训练分类技能。

50岁大叔回剑桥读AI博士,研发机器人用AI收生菜

现在,你找到了一颗完整、饱满、成熟、健康的生菜,该对它动刀了。

下手之前,需要先借助Aruco码来校准校准末端执行器的位置,之后,把末端执行器扣在生菜头上,用温柔的抓手抓住这颗生菜,保证其不会被压坏。

50岁大叔回剑桥读AI博士,研发机器人用AI收生菜

根据超市收蔬菜的要求,借助皮带驱动和双气动驱动,在第二个摄像头的监控下,直直的沿着生菜的茎切下去。

好了,恭喜成功割生菜。

最终的收割成功率大概在88%。

50岁大叔回剑桥读AI博士,研发机器人用AI收生菜

剑桥出品

这项研究的作者们来自剑桥大学工程系,一作Simon Birrell,上世纪80年代就从剑桥大学硕士毕业,之后成了一名企业家,创立了三家公司,从事过商业智能、消费咨询、电影制片、娱乐等领域,2016年又以50岁的高龄回到母校开始读AI和机器人博士。

50岁大叔回剑桥读AI博士,研发机器人用AI收生菜

研究者们对这台机器人报以巨大的希望,他们希望开发不仅限于球生菜的机器,在其他地上作物上也能用。

另外,根据机器人收菜的数据,还有额外功能:统计生菜产量,判断不同土地的肥沃程度。

传送门

论文

https://onlinelibrary.wiley.com/doi/full/10.1002/rob.21888

机器人 人工智能 编程
上一篇:人工智能赋能教育的新方向有哪些? 下一篇:2019年十大科技趋势盘点 令人心潮澎湃
评论
取消
暂无评论,快去成为第一个评论的人吧

更多资讯推荐

面部识别的利与弊:是福还是祸?

虽然现代技术使面部识别更加精确和安全,但与面部识别隐私问题和监控有关的担忧也在增加。因此,让我们在这篇文章中探讨一下这该技术的利与弊。

Naveen Joshi ·  2021-06-01 16:36:22
人工智能和5G如何结合以实现物联网收入最大化

网络系统通过信令和使用软件以及分析来检测和分类设备非常棘手,并且对有限且日益紧张的网络资源提出了巨大的需求。然而,解决这些问题有一个主要解决方案:采用人工智能、自动化和5G技术。

Jordi Castellvi ·  2021-06-01 13:49:15
MIT团队最新研究,仅靠LiDAR和2D地图实现端到端自动驾驶

最近, MIT 计算机科学与人工智能实验室(CSAIL)团队成功展示了一种基于机器学习的自动驾驶系统,该端到端框架仅使用 LiDAR获取的原始 3D 点云数据和类似于手机上的低分辨率 GPS 地图就能进行自主导航,并且大大提升了鲁棒性。

文龙 ·  2021-06-01 12:47:51
自然语言处理(NLP)的历史及其发展方向

自然语言处理的历史是一个充满曲折的故事。它从徒劳的研究开始,经过多年卓有成效的工作,最后结束于一个我们仍在试图找出该领域极限的时代。今天,让我们来一起探索这一AI科学分支的发展。

佚名 ·  2021-06-01 12:46:26
是福还是祸?人脸识别技术的利与弊

面部识别并不是一项全新的技术,但人工智能和机器学习不断使面部识别变得更好。苹果通过引入具有 3D 扫描功能的面部生物识别系统和 iPhone 的 Face ID,提高了面部识别的标准。

Naveen Joshi ·  2021-06-01 11:11:01
人工智能能否使机器具有流体智力?

麻省理工学院和奥地利研究人员为灵活的人工智能创造了“液体”机器学习。

千家网 ·  2021-06-01 10:38:55
大脑模拟NLP,高德纳奖得主:神经元集合演算用于句子解析

一个简单的大脑模型为人工智能研究提供了新的方向。世界顶尖计算机科学理论学家、哥德尔奖和高德纳奖获得者、哥伦比亚大学计算机科学教授 Christos Papadimitriou 关于「大脑中单词表征」的演讲。

Ben Dickson ·  2021-06-01 09:39:24
美城市Baltimore可能颁布最严格的面部识别禁令

据介绍,拟议的法令将禁止私人或商业组织,甚至执法机构在城市使用面部识别技术。

千家网 ·  2021-06-01 09:34:07
Copyright©2005-2021 51CTO.COM 版权所有 未经许可 请勿转载