Изследователи от Penn State, САЩ разработват автоматизирана роботизирана система за прецизно управление на плевелите в ябълкови градини. Целта е да се откриват и измерват плевелите с достатъчна точност, за да се насочи целево пръскачката с хербициди, като по този начин се намали употребата на химикали и се избегнат щети върху реколтата или околната среда.

Екипът докладва за ранния етап на проекта в Computers and Electronics in Agriculture, представяйки модел за машинно виждане, предназначен за идентифициране и проследяване на плевелите от камера с страничен изглед. Традиционните системи с изглед отгоре са ограничени в овощните градини, защото клоните и структурите на короните пречат на видимостта към земята. Според ръководителя на проекта Лонг Хе, „в сложни среди като ябълковите градини е трудно да се разработят механизми за откриване на плевели, защото короните на дърветата и ниските клони пречат на видимостта отгоре." Той каза, че плевелите могат да бъдат частично скрити зад стволовете или друга растителност.

За да реши този проблем, докторантът Лоурънс Артур ръководи адаптирането на съществуващ модел за дълбоко обучение, който извършва бързо откриване на обекти и сегментиране на ниво пиксел. Екипът добави модул, който подобрява способността на модела да се фокусира върху релевантни характеристики на изображението, като същевременно потиска по-малко полезна визуална информация. Това помогна на системата да открива плевелите, дори когато те бяха частично скрити. Беше интегриран алгоритъм за проследяване с механизъм за филтриране, за да се запази идентичността на плевелите във видеокадрите и да се предотврати двойното преброяване.

Данните бяха събрани в Центъра за изследване и разпространение на плодове на Пенсилванския държавен университет в Биглървил и близките овощни градини, като са били използвани видове като глухарче, обикновен бодлив трън, коприва и каролинска коприва. За обучението и оценката на модела са използвани изображения с висока разделителна способност.

Моделът постигна 84,9% средна точност при сегментацията и 83,6% при локализацията. При тестовете за проследяване на кадри системата достигна 82% точност при проследяване на множество обекти, 78% точност при проследяване и 88% резултат при идентифициране, като регистрира шест промени в идентичността.

Лоурънс Артур казва, че комбинираните функции за откриване, проследяване и оценка на плътността осигуряват „по-точно и последователно откриване на плевелите, дори в трудни условия в овощните градини", като добави, че такива данни могат да подпомогнат прилагането на хербициди в конкретни места.