A Method for 3D Morphological Measurement and Cutting Point Localization of Green Asparagus Based on Improved YOLOv8n-seg and RGB-D Data

En las filas silenciosas de un campo de hortalizas, un problema simple pero obstinado ha frustrado durante mucho tiempo a los agricultores: cómo cosechar un cultivo que crece rápido, crece en multitud y se niega a quedarse quieto. El espárrago es una planta perenne que lanza brotes tiernos cada primavera, pero estos brotes no son uniformes. Se curvan, se retuercen y, a menudo, esconden sus raíces profundamente en el suelo, lo que dificulta que una máquina sepa exactamente dónde cortar. Durante décadas, esto ha significado que la cosecha dependa enteramente de las manos humanas, un proceso de mano de obra intensiva que es cada vez más costoso y difícil de dotar de personal. Para resolver esto, los científicos han recurrido al campo de la visión computacional, una rama de la tecnología que enseña a las máquinas a "ver" y comprender el mundo a través de cámaras. El objetivo es construir un robot que pueda mirar un parche de espárragos, identificar qué tallos están listos para comer, medir su tamaño y localizar el punto exacto para cortarlos de la tierra. Sin embargo, enseñar a una máquina a hacer esto no es tan simple como tomar una fotografía; la forma irregular de la planta y la compleja iluminación de una granja crean un rompecabezas visual que el software estándar a menudo no logra resolver.

Un equipo de investigadores de la Academia de Ciencias Agrícolas de Jiangxi y la Academia China de Ciencias Agrícolas ha desarrollado recientemente una nueva forma de ayudar a un robot a ver el espárrago verde con claridad. Crearon un programa informático especializado, un tipo de inteligencia artificial diseñada para reconocer y delinear plantas individuales en una fotografía. Los investigadores partieron de un sistema existente y bien conocido para encontrar objetos en imágenes, pero se dieron cuenta de que era demasiado pesado y lento para un robot que se mueve por un campo. El sistema original era como un motor potente pero voluminoso que consumía demasiado combustible para ser práctico para una pequeña máquina alimentada por batería. Para solucionar esto, el equipo rediseñó el núcleo del programa, eliminando el peso innecesario mientras lo hacían más agudo para detectar la forma específica y delgada de un tallo de espárrago. Reemplazaron el "cerebro" estándar del sistema por una estructura más eficiente que pudiera procesar la información más rápido sin perder precisión. También añadieron herramientas especiales para ayudar a la computadora a entender la naturaleza larga y delgada de la planta y para ignorar el ruido de las malezas o las sombras que podrían confundirla.

El resultado de este rediseño es un nuevo modelo llamado SES-YOLO, que actúa como los ojos para un potencial robot cosechador. Cuando este modelo mira una imagen de un campo de espárragos, no solo encuentra la planta; dibuja un contorno preciso alrededor de cada tallo, separándolo del suelo y las hojas. Este es un paso crucial porque, a diferencia de las frutas que tienen una piel clara o una forma distinta, el espárrago es un tallo largo y continuo que puede doblarse en cualquier dirección. Los investigadores probaron su nuevo modelo contra varios otros sistemas populares y descubrieron que no solo era más rápido, sino también más preciso. En sus pruebas, el nuevo modelo identificó y delineó correctamente los tallos de espárrago con una precisión del 98,6 por ciento, lo que significa que rara vez pasó por alto una planta o confundió una maleza con un cultivo. También funcionaba significativamente más rápido que las versiones anteriores, procesando imágenes con la rapidez suficiente para seguir el ritmo de un robot en movimiento. Esta velocidad es vital porque un robot cosechador no puede esperar a que una computadora lenta piense; debe tomar decisiones en tiempo real mientras se desplaza por la fila.

Una vez que la computadora ha delineado con éxito la planta, el siguiente desafío es medirla y decidir dónde cortar. Los investigadores combinaron el contorno visual con los datos de una cámara de profundidad, un tipo especial de lente que puede decir qué tan lejos está cada parte de la imagen. Al fusionar la imagen plana con esta información de distancia, el sistema puede calcular la longitud y el grosor reales del tallo de espárrago, incluso si está curvado. Descubrieron que al dividir el tallo en pequeños segmentos y medir cada uno, podían determinar la longitud total con un error promedio de menos del 2 por ciento. Este nivel de precisión es importante porque los agricultores necesitan saber el tamaño del cultivo para determinar si está listo para ser cosechado. El sistema también localiza el "punto de corte", el lugar específico en el tallo donde comienza la parte comestible y termina la raíz leñosa y dura. Dado que la transición entre la parte superior verde y tierna y la raíz blanca subterránea a menudo está oculta justo debajo de la superficie del suelo, los investigadores programaron el sistema para estimar este punto basándose en la geometría del tallo. En sus pruebas de campo, el sistema localizó este punto de corte con un error promedio de solo 0,34 centímetros, un margen de error tan pequeño que un brazo mecánico podría ajustarse fácilmente a él.

Para demostrar que este sistema podía funcionar en el mundo real, los investigadores instalaron su nuevo programa en una pequeña computadora portátil diseñada para robots, conocida como Jetson Orin NX. Este dispositivo es lo suficientemente potente como para ejecutar software complejo, pero lo suficientemente pequeño y eficiente como para ser transportado por un robot en el campo. Cuando probaron el sistema en este hardware, procesó imágenes a una velocidad de 38,69 fotogramas por segundo. Esto significa que el robot podía "ver" y tomar decisiones más de 38 veces por segundo, una tasa lo suficientemente rápida como para manejar los movimientos rápidos requeridos durante una cosecha. Los investigadores señalaron que esta velocidad era casi un 60 por ciento más rápida que la del sistema original sin modificar, demostrando que su diseño ligero equilibró con éxito la necesidad de velocidad con la necesidad de precisión. El estudio concluye que este enfoque proporciona una base técnica confiable para la construcción de cosechadoras automáticas de espárragos, ofreciendo una forma de reemplazar la labor agotadora de la recolección manual con una máquina que puede ver, medir y cortar con precisión humana.