利用機器學習幫助機器人精準收割甜美的萵苣

　　在思考如何發展人工智慧(artificial intelligence，簡稱AI)的同時，首先得讓機器透過自主資料蒐集與分析，獲得其經驗及運行規則後，藉由主動學習進而產生新的演算法，以達到機器判識能力，這個自主學習的過程就稱作機器學習(machine learning)。機器學習的技術已廣泛應用在智慧農業上，目標是希望機器能對作物生長、周圍環境等資訊進行蒐集、分析、學習，使機器做出相對應的判斷，藉此提高產業效能與減少勞力成本。在這樣的概念下，英國劍橋大學(University of Cambridge)的研究團隊開發出一具擁有機器學習能力的蔬菜收割機器人(vegetable-picking robot，原文稱Vegebot)。

　　英國劍橋大學的研究團隊首先在實驗室建立以機器學習法判識目標作物—萵苣(lettuce)的健康資料庫，後續以新產生的演算法辨識出健康、成熟的作物，並將成果應用在實地現場。研究團隊所開發的收割機器人主要分成兩大部分，分別是電腦視覺系統(computer vision system)及收割系統(cutting system)。自動收割機器人主要先透過頂端相機捕獲影像，再透過影像判識的方法，判斷影像中的萵苣成熟與否、是否受嚴重病蟲害影響等，以作為是否執行後續收割作業的依據。機器一旦決定收割後，便利用收割裝置附近的第二具相機蒐集目標萵苣附近的資訊，執行精準收割作業，並利用精巧的機械手臂承接收割下的健康成熟萵苣。【延伸閱讀】歐盟為了永續漁業推出專屬的AI人工智慧與機器學習建構計畫

　　研究團隊認為蔬菜收割機器人將可望在不久的將來取代人力，填補勞動力逐漸短缺的農糧產業生態。執行自動化的過程中亦能有效地保留現場未成熟的個體，避免採收所造成的食物浪費。雖然該收割機器人在速度上偏慢上，但仍有進步的空間。再經過更多資料蒐集與機器學習的過程後，將有助於提升收割機器人的收割速度。

　　整體而言，蔬菜收割機器人極富農業科技發展潛力，是智慧農業自動化生產的先驅研究。該研究由英國工程暨物理科學研究委員會(Engineering and Physical Sciences Research Council，簡稱EPSRC)、英國皇家學會(Royal Society)等單位計畫資助，相關研究成果發表在<Journal of Field Robotics>。

資料來源

• University of Cambridge
• A field‐tested robotic harvesting system for iceberg lettuce

文章摘譯

• 農業科技決策資訊平台管理團隊