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

Nas fileiras silenciosas de um campo de vegetais, um problema simples, mas obstinado, há muito frustra os agricultores: como colher uma cultura que cresce rápido, cresce em meio a uma multidão e se recusa a ficar parada. O aspargo é uma planta perene que envia brotos tenros toda primavera, mas esses brotos não são uniformes. Eles curvam-se, torcem-se e frequentemente escondem suas raízes profundamente no solo, tornando difícil para uma máquina saber exatamente onde cortar. Por décadas, isso significou que a colheita dependia inteiramente das mãos humanas, um processo intensivo de mão de obra que está se tornando cada vez mais caro e difícil de contratar pessoal. Para resolver isso, cientistas voltaram-se para o campo da visão computacional, um ramo da tecnologia que ensina as máquinas a "ver" e compreender o mundo através de câmeras. O objetivo é construir um robô que possa olhar para um canteiro de aspargos, identificar quais talos estão prontos para comer, medir seu tamanho e localizar o ponto exato para cortá-los da terra. No entanto, ensinar uma máquina a fazer isso não é tão simples quanto tirar uma fotografia; a forma irregular da planta e a iluminação complexa de uma fazenda criam um enigma visual que softwares padrão frequentemente falham em resolver.

Uma equipe de pesquisadores da Academia de Ciências Agrícolas de Jiangxi e da Academia Chinesa de Ciências Agrícolas desenvolveu recentemente uma nova maneira de ajudar um robô a ver o aspargo verde claramente. Eles criaram um programa de computador especializado, um tipo de inteligência artificial projetada para reconhecer e delinear plantas individuais em uma fotografia. Os pesquisadores começaram com um sistema existente e bem conhecido para encontrar objetos em imagens, mas perceberam que ele era pesado e lento demais para um robô que se move por um campo. O sistema original era como um motor poderoso, mas volumoso, que consumia combustível demais para ser prático para uma pequena máquina movida a bateria. Para corrigir isso, a equipe redesenhou o núcleo do programa, eliminando o peso desnecessário enquanto o tornava mais aguçado para detectar a forma específica e esguia de um talo de aspargo. Eles substituíram o "cérebro" padrão do sistema por uma estrutura mais eficiente que pudesse processar informações mais rapidamente sem perder a precisão. Também adicionaram ferramentas especiais para ajudar o computador a entender a natureza longa e fina da planta e para ignorar o ruído de ervas daninhas ou sombras que poderiam confundi-lo.

O resultado deste redesenho é um novo modelo chamado SES-YOLO, que atua como os olhos para um potencial robô colhedor. Quando este modelo olha para uma imagem de um campo de aspargos, ele não apenas encontra a planta; ele desenha um contorno preciso ao redor de cada um dos talos, separando-o do solo e das folhas. Este é um passo crucial porque, ao contrário de frutas que possuem uma casca clara ou uma forma distinta, o aspargo é um caule longo e contínuo que pode dobrar-se em qualquer direção. Os pesquisadores testaram seu novo modelo contra vários outros sistemas populares e descobriram que ele não era apenas mais rápido, mas também mais preciso. Em seus testes, o novo modelo identificou e delineou corretamente os talos de aspargo com uma precisão de 98,6%, o que significa que raramente perdeu uma planta ou confundiu uma erva daninha com uma cultura. Ele também rodou significativamente mais rápido que as versões anteriores, processando imagens rapidamente o suficiente para acompanhar um robô em movimento. Esta velocidade é vital porque um robô colhedor não pode esperar por um computador lento para pensar; ele deve tomar decisões em tempo real enquanto se desloca pela fileira.

Uma vez que o computador tenha delineado com sucesso a planta, o próximo desafio é medi-la e decidir onde cortar. Os pesquisadores combinaram o contorno visual com dados de uma câmera de profundidade, um tipo especial de lente que consegue dizer quão longe cada parte da imagem está. Ao fundir a imagem plana com esta informação de distância, o sistema pode calcular o comprimento real e a espessura do talo de aspargo, mesmo que esteja curvado. Eles descobriram que, ao dividir o talo em pequenos segmentos e medir cada um deles, poderiam determinar o comprimento total com um erro médio de menos de 2%. Este nível de precisão é importante porque os agricultores precisam saber o tamanho da cultura para determinar se ela está pronta para ser colhida. O sistema também localiza o "ponto de corte", o ponto específico no caule onde a parte comestível começa e a raiz lenhosa e dura termina. Como a transição entre o topo verde tenro e a raiz branca subterrânea é frequentemente escondida logo abaixo da superfície do solo, os pesquisadores programaram o sistema para estimar este ponto com base na geometria do talo. Em seus testes de campo, o sistema localizou este ponto de corte com um erro médio de apenas 0,34 centímetros, uma margem de erro tão pequena que um braço mecânico poderia facilmente se ajustar a ela.

Para provar que este sistema poderia funcionar no mundo real, os pesquisadores instalaram seu novo programa em um computador pequeno e portátil projetado para robôs, conhecido como Jetson Orin NX. Este dispositivo é poderoso o suficiente para rodar softwares complexos, mas pequeno e eficiente o suficiente para ser carregado por um robô no campo. Quando testaram o sistema neste hardware, ele processou imagens a uma velocidade de 38,69 quadros por segundo. Isso significa que o robô poderia "ver" e tomar decisões mais de 38 vezes por segundo, uma taxa rápida o suficiente para lidar com os movimentos rápidos exigidos durante uma colheita. Os pesquisadores observaram que esta velocidade foi quase 60% mais rápida que o sistema original não modificado, demonstrando que seu design leve equilibrou com sucesso a necessidade de velocidade com a necessidade de precisão. O estudo conclui que esta abordagem fornece uma base técnica confiável para a construção de colhedores automáticos de aspargos, oferecendo uma maneira de substituir o trabalho extenuante da colheita manual por uma máquina que pode ver, medir e cortar com precisão semelhante à humana.