Stipendiat ved NMBU, Yuanyue Ge, har utviklet metoder for maskinlæring som skal hjelpe innhøstingsroboter med å finne og vurdere hvilke jordbær som er klare for å plukkes.
Jordbærproduksjon er sterkt avhengig av menneskelig arbeidskraft, spesielt for innhøsting. I mange land er det imidlertid vanskelig å få tak i nok folk som kan plukke jordbærene når de er modne, og lønnskostnadene er høye. Jordbærplukkingen opp omtrent 60 prosent av arbeidskostnadene for jordbærproduksjon i mange deler av verden. Det er derfor behov for ny teknologi som kan hjelpe jordbærbøndene med å automatisere innhøstingsprosessen. Innhøstingsroboter som overtar plukkejobben, kan både øke produktiviteten og gjøre produksjonen mer bærekraftig.
Det er imidlertid krevende for roboter å finne frem til jordbærene på grunn av det ustrukturerte miljøet en jordbæråker- eller ranke er. Ingen bær er like – det er forskjeller på farge, størrelse og modenhet, og bærene kan være skjult i bladverket eller vokse tett i klaser. I en jordbæråker endrer også miljøet seg kontinuerlig ut fra vær og sesong. Roboten må altså lære seg å «se» og vurdere om et bær er modent og klare å skille bærene fra resten av planten, i et stadig skiftende miljø.
Stipendiat ved NMBU, Yuanyue Ge, har utviklet og brukt maskinlæringsmetoder som kan forbedre maskinsynet til roboten. Systemet kombinerer rimelige RGB-D-kameraer med de nyeste maskinlæringsmetodene. Metoden hun har utviklet hjelper robotene å finne jordbærene og vurdere hvor modne de er, identifisere de bærene som ikke skal plukkes og til slutt håndtere lokaliseringsproblemer basert på dyplæringsmetoder og dybdekameraer.
Doktorgradsarbeidet hennes kan føre til mer robuste og nøyaktige synssystemer som kan brukes i innhøstingsroboter. Resultatene kan være overførbare for andre lignende avlingshøstingssystemer eller brukes som referanser for andre felt.
Doktorgradsarbeidet til Yuanyue Ge er en del av SHAPE-prosjektet, og teknologien er testet ut på landbruksroboten Thorvald.