【农业案例】得克萨斯大学阿灵顿分校采用哈士奇UGV进行植物自动表型分析
2023-06-25

52854950579_4bcec45c0d_o-1080x675.jpg

精确的植物表型是育种家做出明智决定以满足现代农业需求并为有弹性和可持续的作物生产做出贡献的重要实践。

几十年的广泛研究已经为陆地棉花建立了遗传资源,陆地棉花是一种具有巨大经济重要性的全球重要作物。棉花生产每年在美国产生1230亿美元的惊人影响,对全球贸易和纺织制造业做出了重大贡献。在这种情况下,棉花表型发挥着至关重要的作用,为农学家提供了高质量的数据和有价值的见解,从而进一步推进了该领域的研究。

迫切需要能够精确捕捉植物表型的先进技术,如机器人和计算机视觉。随着这些技术的出现,可以进行大规模的基因组选择和棉花育种。为了实现这一目标,德克萨斯大学阿灵顿分校机器人视觉实验室(RVL)的一组研究人员正在使用哈士奇UGV进行棉花自动表型分析。

科技奇迹与棉田相遇

52666120818_86edc4643a_o-1536x1017.jpg

人工作物测量劳动密集、耗时且容易出错。如果没有机器人的帮助,数据的收集将需要对多种作物进行手动操作,然后对整个农场进行测量。这体现了植物科学在时间和空间上都要获得足够分辨率的数据这一长期挑战。机器人技术的使用使该团队能够在大规模和偏远的条件下进行实地实验,以极高的精度获取空间和时间数据。在这种情况下,该团队使用哈士奇机器人在棉田内远程操作,捕捉多模式高分辨率植物表型数据。

此外,数据的获取必须在整个生长过程中持续重复,这在大规模估计植物性状时造成了巨大的负担。其他挑战来自可变的自然光照、高温、不受控制的降雨以及相邻植物之间的植物特征障碍。为了解决这些问题,RVL与专业从事精确植物表型的经验丰富的农学家合作,正在利用哈士奇收集的数据来识别关键的植物特征。这些有价值的数据集将被用于机器学习算法,以推动植物科学领域的进步。

为哈士奇UGV的表型创业做准备

52666056315_545bd521f5_o-1536x1017.jpg

带有定制传感臂的哈士奇:配备了提供棉花树冠对称视图的仪器

52665807315_854d689c70_o-1536x1152.jpg

安装在哈士奇底部的用于估算视觉里程的立体摄像头和LED灯环

该团队安装了一个定制设计的传感臂和一个传感器系统,该系统包括双定型相机。这种创新的设置使机器人在作物行中导航时能够全面观察棉花植株的两侧。此外,在手臂底座上安装了高精度惯性测量单元(IMU)和全球定位系统(GPS)传感器,以准确估计机器人的位置。数据带有时间戳,并使用传感器系统(NVIDIA Xavier)实时融合,以确保机器人上各种传感器之间的精确时间同步。最后,将立体相机与LED灯环相结合,照亮机器人正下方的表面,以直观地估计机器人的里程计。

前所未有地预测棉花产量

通过使用哈士奇进行棉花表型分析,该团队能够创建一种可变速率深度压缩架构,该架构对机器人捕获的原始3D点云进行操作。该体系结构旨在处理大型数据集时,在压缩效率和保留数据的基本特征之间取得平衡。除此之外,还开发了一个框架,从哈士奇收集的内场视频数据中检测和计数棉铃数量,这是最重要的棉花表型。

Screenshot-2023-05-12-at-11.36.50-AM-1536x865.png

哈士奇UGV捕获的内场传感器数据

团队注意到哈士奇UGV的主要性能特点是其可靠性、灵活性和运行时间。

 “我们对机器人在野外失败没有任何问题,也不担心它支持我们有效载荷重量和功率需求的能力。”。William Beksi,德克萨斯大学阿灵顿分校计算机科学与工程系助理教授。Beksi博士补充道:“有了锂电池选项,我们可以在现场运行一整天,而不用担心电量耗尽。此外,在寻找知名的无人值守地面车辆平台时,我们必须考虑硬件和开源软件支持等重要因素。”

这些要求使得团队选择了哈士奇UGV作为他们雄心勃勃的事业。

观看用哈士奇UGV进行的现场实验视频:



智能农业的未来

该团队已与得克萨斯理工大学和得克萨斯农工大学建立了合作伙伴关系,并制定了大胆的计划,通过检测和跟踪棉铃的立体多视图系统来加强对棉花产量估计的研究。此外,他们的目标是研究使用视觉里程计和运动基元在密集的作物行中自主导航机器人的可能性。最后,他们的目标是识别并整合适合长期机器人部署的减少的传感器有效载荷,确保在整个生长季节收集数据。

参与该项目的团队成员包括Joseph Cloud(研究生研究助理)、Md Ahmed Al Muzaddid(研究生助理)、Adly Noore(研究生助手)、Noah Wood(本科生研究助理),Anthony Aiyedun(本科生研究助理)和William Beksi(首席研究员)。

Publications

M.A.A. Muzaddid and W.J. Beksi, “NTrack: A Multiple-Object Tracker and Dataset for Infield Cotton Boll Counting,” IEEE Transactions on Automation Science and Engineering, 2023 (conditionally accepted).

M.A.A Muzaddid and W.J. Beksi, “Variable Rate Compression for Raw 3D Point Clouds,” IEEE International Conference on Robotics and Automation (ICRA), pp. 8748-8755, 2022.

如果你想了解更多关于机器人视觉实验室及其工作的信息,你可以访问他们的网站。https://rvl.uta.edu

如果你想了解更多关于哈士奇UGV的信息,你可以访问我们的网站。http://www.jingtianrobots.com/index.php?id=9

9D9BA477-C64A-4B6B-9D2D-265FF5BE5D36.png

如果你喜欢这篇文章,麻烦关注,点赞和转发。谢谢~

Donghu Robot Laboratory, 2nd Floor, Baogu Innovation and Entrepreneurship Center,Wuhan City,Hubei Province,China
Tel:027-87522899,027-87522877

合作与咨询

渠道商务合作:18062020215

售前技术咨询:13807184032

售后服务热线:18062020228

网站备案号:鄂ICP备17004685号-1 | 技术支持 | 联系我们 | 服务条款与隐私权 | 网站地图