Роботы идут в теплицы: ИИ научился выбирать «удобные» помидоры для сбора

В центре подхода — концепция «оценки лёгкости сбора», предложенная доцентом Такуя Фудзинага. В отличие от традиционных систем, которые ограничиваются обнаружением и классификацией плодов, новая технология анализирует, насколько эффективно робот сможет сорвать конкретный помидор ещё до выполнения действия.

Алгоритм объединяет компьютерное зрение и статистический анализ. Система учитывает множество факторов: положение плода в грозди, конфигурацию стеблей, степень перекрытия листьями и другие визуальные помехи. На основе этих данных робот выбирает оптимальную траекторию и угол захвата.

Практические испытания показали значительный рост эффективности: уровень успешного сбора достиг 81%. При этом около четверти удачных операций были выполнены после коррекции стратегии — например, при повторной попытке с альтернативного угла после неудачного фронтального захвата. Это демонстрирует способность системы адаптироваться в реальном времени.

Технология отражает более широкий сдвиг в развитии агророботики — от жёстко запрограммированных сценариев к контекстно-зависимым моделям принятия решений. Особенно это важно для культур с высокой вариативностью структуры, таких как томаты, где каждый плод требует индивидуального подхода.

По оценке разработчиков, внедрение подобных решений может изменить организацию труда в сельском хозяйстве. Роботы смогут автоматически обрабатывать «простые» случаи, тогда как люди сосредоточатся на более сложных задачах, требующих гибкости и опыта.

Результаты исследования опубликованы в журнале Smart Agricultural Technology и подтверждают: переход от распознавания объектов к оценке сложности действий становится ключевым этапом в развитии интеллектуальных роботизированных систем для агросектора.