Sebuah sistem visi mesin yang mampu menemukan dan mengidentifikasi bunga raja apel dalam kelompok bunga pada pohon di kebun dirancang oleh para peneliti Penn State — langkah awal yang penting dalam pengembangan sistem penyerbukan robotik — dalam studi pertama dari jenisnya .
Bunga apel tumbuh dalam kelompok yang terdiri dari empat hingga enam bunga yang melekat pada cabang, dan bunga tengahnya dikenal sebagai bunga raja. Bunga ini mekar pertama kali dalam tandan dan biasanya tumbuh buah terbesar. Jadi, itu adalah target utama dari sistem penyerbukan robot, menurut peneliti Long He, asisten profesor pertanian dan teknik biologi.
Penyerbukan serangga secara tradisional diandalkan untuk produktivitas apel. Namun, bukti menunjukkan bahwa layanan penyerbukan, baik dari lebah madu peliharaan maupun penyerbuk liar, tidak sesuai dengan permintaan yang meningkat, kata He. Karena gangguan koloni kolaps, lebah madu di seluruh dunia telah mati pada tingkat yang mengkhawatirkan. Akibatnya, produsen membutuhkan metode penyerbukan alternatif.
Studi ini adalah yang terbaru yang dilakukan oleh kelompok penelitian He di Sekolah Tinggi Ilmu Pertanian, yang dikhususkan untuk mengembangkan sistem robot untuk menyelesaikan tugas-tugas pertanian padat karya seperti pemetikan jamur, pemangkasan pohon apel, dan penipisan buah hijau. Tujuan utama dari proyek ini, jelasnya, adalah untuk mengembangkan sistem penglihatan berbasis pembelajaran mendalam yang dapat secara tepat mengidentifikasi dan menemukan bunga raja di kanopi pohon.
“Kami pikir hasil ini akan memberikan informasi dasar untuk sistem penyerbukan robotik, yang akan mengarah pada penyerbukan apel yang efisien dan dapat direproduksi untuk memaksimalkan hasil buah berkualitas tinggi,” katanya. “Di Pennsylvania, kami masih dapat mengandalkan lebah untuk menyerbuki tanaman apel, tetapi di wilayah lain di mana kematian lebah lebih parah, petani mungkin membutuhkan teknologi ini lebih cepat daripada nanti.”
Xinyang Mu, mahasiswa doktoral di Departemen Teknik Biologi Pertanian, mempelopori studi bunga raja. Mu menggunakan Mask R-CNN—program komputer pembelajaran mendalam populer yang melakukan segmentasi tingkat piksel untuk mendeteksi objek yang sebagian tertutup oleh objek lain—untuk mengidentifikasi dan menemukan bunga raja dalam sistem visi mesin.
Untuk membangun model pendeteksian berbasis Mask R-CNN, dia menangkap ratusan foto klaster bunga apel. Kemudian dia mengembangkan algoritme segmentasi bunga raja untuk mengidentifikasi dan menemukan bunga raja dari kumpulan data mentah gambar bunga apel. Penelitian ini dilakukan di Penn State's Fruit Research and Extension Center, Biglerville.
Gala dan Honeycrisp apel varietas dipilih untuk pengujian. Pohon uji ditanam pada tahun 2014 dengan jarak tanam sekitar 5 kaki (Gala) dan 6 1/2 kaki (Honeycrisp). Pohon-pohon ini dilatih dalam arsitektur kanopi gelendong tinggi, dengan tinggi rata-rata sekitar 13 kaki. Sistem akuisisi gambar dengan kamera dipasang pada kendaraan utilitas yang bermanuver di antara barisan pohon.
Melatih sistem penglihatan mesin untuk menemukan bunga raja itu menantang, kata Mu, karena mereka memiliki ukuran, warna, dan bentuk yang sama dengan bunga lateral dalam kelompok, dan bunga raja biasanya dikaburkan oleh bunga di sekitarnya karena posisi sentralnya.
Untuk memenuhi persyaratan pembelajaran transfer untuk pelatihan model Mask R-CNN, gambar mentah diberi label dalam dua kelas yang telah ditentukan sebelumnya: bunga individu dan bunga tersumbat. Untuk meningkatkan presisi, dataset pelatihan diperbesar empat kali menggunakan pendekatan augmentasi data, jelas Mu.
“Untuk membedakan bunga raja dari bunga lateral, bunga yang paling sentral dalam setiap tandan bunga dibidik, atau dilokalkan,” katanya. “Sistem penglihatan secara otomatis menempatkan kelompok bunga secara terpisah berdasarkan pendekatan pemetaan kerapatan bunga dua dimensi. Dalam setiap kelompok bunga yang terdeteksi, bunga—atau topeng—pada posisi paling tengah ditentukan sebagai bunga raja target.”
Dalam temuan yang baru-baru ini dipublikasikan di Teknologi Pertanian Cerdas, para peneliti melaporkan akurasi deteksi bunga raja tingkat tinggi yang dihasilkan dari algoritme Mu. Dibandingkan dengan pengukuran yang dilakukan secara manual oleh peneliti yang mengidentifikasi bunga raja dengan mata—disebut pengukuran kebenaran dasar oleh para peneliti—akurasi deteksi bunga raja penglihatan mesin bervariasi dari 98.7% hingga 65.6%.