• Danish
  • English

Robotter og kunstig intelligens skal assistere gartnerier

Robotter og kunstig intelligens skal assistere gartnerier

28-05-2018
Hvordan kan robotter med avancerede sensorer og kunstig intelligens hjælpe med planteproduktion? Det undersøger Teknologisk Institut, SDU og flere gartnerier lige nu i ét af Innovationsnetværket RoboClusters demonstrationsprojekter.

Ligesom i den øvrige fremstillingsindustri bliver gartnerier mødt af kundernes krav om høj kvalitet uden meromkostninger. De planter, der sendes til kunderne, er nøje kontrolleret for at sikre den nødvendige kvalitet. Under den løbende kontrol eller lige før pakning sker det, at man konstaterer, at planterne ikke lever op til kundernes krav. Det kan være på grund af pestangreb eller stress forårsaget af fejl i næringsstrømmen til planterne. Derfor er gartnerier i dag nødt til at kassere en del af de planter, de producerer, og det har både økonomiske og miljømæssige omkostninger.20180528_Gå -hjem -møde _Robotter , Sensorer Og Kunstig Intelligens I Gartnerier _artikel Kopi

I demonstrationsprojektet Robot- og sensorteknologi i væksthuse er Teknologisk Institut gået sammen SDU og de tre gartnerier Schroll Flowers, Gartneriet PKM og Rosborg Denmark for at give gartneribranchen et indblik i mulighederne for at anvende ny, avanceret teknologi til at automatisere kontrollen med planteprodukterne i løbet af produktionsprocessen. Derudover synliggøres de omkostninger og potentialer der er ved at indføre robotter og automationsløsninger i produktionen.

Projektet fokuserer på brugen af sensorer og databehandling til at udlede helbredstilstanden for planter. En proces, der i dag i høj grad udføres af højt kvalificerede gartnere. Som konkret case forsøger man at detektere plantestress forårsaget af vandmangel for på den måde at kunne alarmere producenten. Fejlvanding er et problem, der går igen i stort set alle planteproduktioner.

"Hvis man automatiserede opgaven med at inspicere planteproduktionen, ville det give en både miljømæssig og økonomisk gevinst, for så ville man opdage og undgå fejl tidligere. Automatisk inspektion giver mulighed for bedre planlægning og prioritering af for eksempel vanding af planterne", udtaler Niels Erik Andersson, produktionskonsulent hos Gartneriet PKM.

Sensorer ser det usynlige

I projektet benyttes et såkaldt hyperspektralt kamera, som er en relativt ny type sensor, der her bruges til at optage billeder af planterne uden for det synlige lysspektrum. Sensorerne kan endda detektere materialesammensætninger, som slet ikke er synlige for det menneskelige øje. Derfor arbejder man ud fra den hypotese, at det hyperspektrale kamera kan se, om der er vandmangel i planternes blade, før det bliver synligt for det menneskelige øje.

Indtil videre er der lavet en pilotdataopsamling over fem dage med det formål skabe erfaringer med inspektion af planteprodukter. Der blev i pilotforsøget lavet målinger på i alt 100 planter. Næste dataopsamlingsforsøg vil bygge videre på de erfaringer, og vil inkludere op mod 1000 planter. 

"Vi vil gerne samle billeder op, indtil vi synligt kan se, at planterne begynder at lide under den manglende vanding. Forhåbningen er, at vi ved brug af hyperspektrale kameraer kan opdage fejlvanding, før vandmanglen bliver synlig. På den måde kan gartnerierne lave en tidlig indsats for at redde planteprodukter, der viser tegn på stress. Det vil mindske spild og sikre en mere ensartet kvalitet af deres produkter", lyder det fra Thomas Giselsson, konsulent og projektleder ved Teknologisk Institut.

Nye og traditionelle metoder til databehandling

Som en ekstra dimension i demonstrationsprojektet har man valgt at behandle billederne fra de hyperspektrale kameraer ud fra to helt forskellige metoder. Den ene metode bygger på klassiske dataanalyse teknikker og den anden metode baserer sig på de nyeste teknikker inden for kunstig intelligens, også kaldet ”Deep Learning”. Deep Learning er en form for maskinlæring, hvor systemet oplæres ved hjælp af en stor mængde data - i dette tilfælde billeder af planter.

"For at systemet kan lære at skelne raske og syge planter, skal der bruges tusindvis, hvis ikke titusindvis, af eksempler, hvilket er meget upraktisk og tidskrævende. Derfor har vi valgt kunstigt at forøge den datamængde, vi har til rådighed, ved at generere "nye" billeder ud fra de opsamlede. Det gør vi blandt andet ved at rotere, ændre lysforhold, og flytte billederne rundt. Derudover klipper vi billederne i flere mindre billeder og på den måde kan blot ét optaget billede blive til mere end 50 billeder", lyder det fra Nicolai Lynnerup, konsulent og ph.d.-studerende ved Teknologisk Institut.

Hør mere om robot- og sensorteknologi i gartnerier den 16. august

Der er et stort potentiale for brugen af robot- og automationsteknologi i gartnerierne, da produktionerne er kendetegnet ved ensidigt gentagne arbejdsprocesser med meget høje styktal. Desuden vil automatisering spille en væsentlig rolle i forhold til fremadrettet at bibeholde og udvide planteproduktion i Danmark.

Hør mere om de spændende erfaringer fra demonstrationsprojektet ’Robot- og sensorteknologi i væksthuse’, når Innovationsnetværket RoboCluster og Teknologisk Institut inviterer til gå-hjem-møde den 16. august hos Teknologisk Institut i Odense.

Læs mere om gå-hjem-mødet her.

Kontaktperson
Thomas Mosgaard GiselssonThomas Mosgaard Giselsson

Konsulent

Center for Robotteknologi, Teknologisk Institut

M. +45 7220 1330

LOADEMAIL[tmg]DOMAIN[teknologisk.dk]

robocluster

Kort om Innovationsnetværket RoboCluster 

Innovationsnetværket RoboCluster samler danske kompetencer inden for forskning, udvikling og design af robotteknologi. Netværket giver dig ny viden om robotter, robotteknologi og intelligente løsninger og services til indsatsområder med stor politisk og udviklingsmæssig bevågenhed. Få nye input til netop dine udfordringer med robotteknologi og automatisering og kom tættere på det danske robotmiljø 

Læs mere...
  • Kontakt
  • Campusvej 55
  • 5230 Odense M
  • Telefon: 6550 7400
  • LOADEMAIL[mail]DOMAIN[robocluster.dk]

Bevillingsgivere

Bevillingsgivere