Цифровые двойники: виртуальные копии объектов
Технология цифровых двойников позволяет учёным моделировать рост клубники круглый год, обеспечивая непрерывность исследований.
Как работает технология цифровых двойников
Цифровые двойники — это виртуальные копии объектов, систем или процессов, которые могут предсказывать поведение системы при взаимодействии в смоделированной среде.
Применение цифровых двойников в сельском хозяйстве
Команда учёных из Университета Флориды во главе с Даной Чхве показала, что роботизированная система, работающая на основе искусственного интеллекта (ИИ), является точной и экономит время и труд. Это критически важно для индустрии клубники Флориды, оборот которой составляет 500 миллионов долларов в год, и может иметь решающее значение для отрасли, оцениваемой в 2 миллиарда долларов ежегодно по всей территории Соединённых Штатов.
Несколько лет назад команда Чхве создала цифровой двойник клубничного поля, который копирует каждый ряд, лист и ягоду в натуральную величину. В рамках этого виртуального поля учёные позволили роботу объехать его и сделать тысячи фотографий смоделированной коммерческой фермы в округе Хиллсборо.
Результаты исследования
Недавно опубликованные исследования в AgriEngineering показывают, что ИИ, обученный исключительно в среде цифрового двойника с использованием смоделированных клубничных полей, достиг 92% точности в обнаружении плодов, не полагаясь на данные реального мира.
«Поскольку компьютерное моделирование поля никогда не заканчивается сезоном, новые инструменты для обнаружения ягод могут быть созданы даже летом, что ускоряет инновации», — сказала Чхве. «Результаты также означают снижение затрат на разработку. Компании могут сначала протестировать роботизированных сборщиков или разработать дизайн интеллектуальных опрыскивателей в цифровом двойнике, устраняя ошибки до реальных испытаний. Это в конечном итоге снижает цену новых технологий».
Точность и эффективность
Робот, обученный исключительно на синтетических изображениях, также оценил реальный диаметр плода с погрешностью всего 1,2 миллиметра — «достаточно хорошо для коммерческой сортировки, используя только синтетические, смоделированные данные», — сказала Чхве, доцент кафедры сельскохозяйственной и биологической инженерии UF/IFAS.
Это демонстрирует потенциал моделей ИИ, обученных в виртуальных средах, для поддержки коммерческих задач принятия решений, таких как классификация плодов по характеристикам, таким как размер или качество.
Если производители будут знать точный размер и объём плодов, они смогут прогнозировать урожайность и знать, когда собирать урожай.
«Исследование показывает, что реалистичный цифровой двойник может ускорить разработку инструментов ИИ для клубничных ферм, обеспечивая более быстрые и экономически эффективные инновации в области робототехники», — сказала Чхве, сотрудник Центра исследований и образования на побережье Мексиканского залива UF/IFAS.
«Обычно нам пришлось бы сделать тысячи фотографий на реальных полях, пометить каждую и дождаться подходящего сезона, — сказала она. — Это занимает много времени и денег. Но с помощью цифрового двойника мы можем создавать и помечать эти фотографии мгновенно».
Более того, обучение в виртуальном мире устраняет необходимость обрабатывать или маркировать реальные изображения, экономя недели полевых работ.
Почему это важно? Требуется меньше денег и времени для создания и улучшения новых инструментов, поскольку учёные могут тестировать и исправлять их в виртуальной среде, прежде чем пробовать в реальной жизни.
Платформа цифрового двойника также может поддерживать обучение операторов и быстрое создание прототипов автономной техники, помогая быстрее и эффективнее внедрять сельскохозяйственные технологии из концепции в поле.
Предоставлено Университетом Флориды.