دکتر راس افزود: “آنچه که به عنوان ایده ای از سفرهای کشاورزی نافیلد من آغاز شد، به زودی به یک پروژه تحقیقاتی پیشگام تبدیل شد. شکست در کنترل راب ها تأثیر زیادی بر صنعت کشاورزی و باغبانی در بریتانیا و خارج از کشور دارد. اما اکنون ما راه حلی داریم که می تواند تاثیر قابل توجهی در رابطه با صفر خالص و پایداری داشته باشد.”
“این بدان معنی است که زمان آن رسیده است که فراتر از جعبه ابزار حفاظت از محصولات موجود، به راه حل های نوآورانه تر مانند نرم تن کش های زیستی مبتنی بر نماتد نگاه کنیم، که برای من به عنوان یک نماتولوژیست علاقه خاصی دارد. اما با وجود اثربخشی آنها، نرم تن کش های زیستی گران هستند. ، بنابراین ما باید راهی برای مقرون به صرفه تر کردن آنها پیدا کنیم.”
برای مرحله دوم، قابلیتهای نقشه برداری راز در شرایط گلخانه و مزرعه با استفاده از ربات تام شرکت ربات کوچک آزمایش شد. این مرحله همچنین شامل آزمایش در مزرعه در AV و N Lee، آزمایش توانایی تام برای گرفتن تصاویر، آپلود آنها برای پردازش و شناسایی، و سپس شروع برنامه اسپری بود.
برای اطلاعات بیشتر:
فصل
[email protected]
www.chap-solutions.co.uk
اندی هال، مدیر محصول رباتیک، شرکت رباتهای کوچک، میگوید: «پروژه Slugbot شرکت رباتهای کوچک را قادر میسازد تا یک هوش مصنوعی توسعه دهد که میتواند با استفاده از ربات نظارتکننده تام ما و همچنین یک تشخیص دقیق روی ربات، یک AI توسعه دهد و نقشهبرداری کند. سیستم اسپری، که می تواند برای اسپری کردن راب ها در زمان واقعی استفاده شود.”
اگرچه این پروژه اخیراً به پایان رسیده است، کار پتانسیل نظارت مستقل و کاربرد دقیق در محصولات زراعی گسترده را ثابت کرده است. در حال حاضر، این پلتفرم می تواند برای شامل مجموعه داده های جدید برای هدف قرار دادن طیف گسترده ای از علف های هرز، آفات و بیماری ها سازگار شود.
منبع
مرحله سه
در نهایت، مرحله سوم بر توسعه قابلیتهای پاشش دقیق ربات و آزمایش استفاده از آن با یک عامل کنترل بیولوژیکی متمرکز شد. یک بوم 1 متری ساخته شد که از یک سیستم پاشش معمولی اقتباس شده بود و نمونه اولیه آن قادر به پاشش 20×20 سانتی متر بود.
مرحله اول شامل جمع آوری اسلگ، تصویربرداری در آزمایشگاه فنوتیپ دیجیتال تحقیقاتی CHAP و Rothamsted و توسعه یک مدل هوش مصنوعی بود. بیش از 1600 راب در این مرحله جمعآوری شد، اما روی دو گونه اصلی متمرکز شدند – راب زمین خاکستری و راب اسپانیایی. داده های تصویر در طیف وسیعی از محیط ها و سناریوها برای کمک به تغذیه و آموزش مدل هوش مصنوعی جمع آوری شد.
“SlugBot این معما را بررسی کرد و پاسخ داد، آیا میتوانیم نظارت را بهبود بخشیم تا بدانیم دقیقاً در کجای رابها در یک مزرعه قرار گرفتهاند و سپس مواد بیولوژیکی را برای کاهش مقدار مورد نیاز و در نتیجه هزینه کاهش دهیم؟ به طور هیجانانگیزی نشان دادهایم که به زودی میتواند واقعیت داشته باشد. “
همکاری بین شرکت ربات کوچک و CHAP روابط بسیاری ایجاد کرده است که در آینده به نفع هر دو سازمان خواهد بود.
جیمز لی از AV و N Lee گفت: “تجربه فناوری در این زمینه برای بررسی روشهای جدید کنترل راز واقعاً جذاب بود. گردآوری مهارتها و دانشهای مختلف از طریق شرکای پروژه برای کار به سمت راهحلی برای پیشبرد کشاورزی، نکته مثبت واقعی بود. من.”
