AgriEngineering: ИИ обучается на виртуальных полях и работает с точностью 92%
Робот, который никогда не видел настоящего поля, научился находить ягоды лучше людей.
Во Флориде клубнику выращивают с ноября по апрель, но теперь ученые могут изучать ее круглый год — благодаря цифровым двойникам. Это точные виртуальные копии реальных объектов, которые ведут себя так же, как их физические прототипы.
Цифровой двойник — это не просто 3D-модель, а динамичная система, которая имитирует поведение реального объекта в режиме реального времени. Например, виртуальное клубничное поле «стареет», реагирует на полив и изменение освещения так же, как настоящее.
Команда Даны Чой из Университета Флориды создала цифровую модель клубничного поля в натуральную величину — с рядами, листьями и ягодами.
В этом виртуальном пространстве робот передвигается, делает тысячи снимков и учится распознавать плоды.
Искусственный интеллект, обученный только на синтетических данных, определяет ягоды с точностью 92%, а их размер — с погрешностью всего 1,2 мм.
Результаты опубликованы в издании AgriEngineering.
Теперь не нужно ждать сезона или тратить месяцы на съемку реальных полей, — объясняет Чой. — Все тесты можно проводить в симуляции, экономя время и деньги.
Это особенно важно для фермеров: зная точные размеры и количество ягод, они могут прогнозировать урожай и планировать сбор.
Что это дает:
- Ускорение разработки сельхозроботов — тестировать можно даже летом.
- Снижение затрат — ошибки исправляют в виртуальной среде, а не в поле.
Цифровой двойник позволяет мгновенно создавать и размечать изображения, — добавляет Чой. — Раньше на это уходили недели полевой работы.
Технология полезна и для обучения операторов, и для быстрого прототипирования техники.
Исследование решает две ключевые проблемы:
- Сезонность — разработчики больше не зависят от урожайных циклов.
- Стоимость — обучение ИИ на реальных данных требует огромных ресурсов, а симуляция сокращает затраты в разы.
Для фермеров это значит более доступные технологии: роботы-сборщики или системы мониторинга будут дешевле, так как их доработка происходит в виртуальной среде. Для науки — ускоренный тест гипотез. Например, можно быстро проверить, как новый сорт клубники поведет себя при изменении климата.
Главный вопрос — насколько цифровой двойник отражает все нюансы реального поля. В симуляции нет непредсказуемых факторов: внезапных дождей, вредителей или неравномерного роста ягод. Если ИИ обучался только на «идеальных» данных, его точность в реальных условиях может снизиться.
Ранее ученые сообщили, что цифровый двойники помогут лечить рак.
