Portugese onderzoekers hebben een uitgebreide dataset samengesteld waarmee robots kunnen leren om wijnranken zelfstandig te herkennen en lokaliseren. De gegevens moeten uiteindelijk bijdragen aan robots die autonoom door een wijngaard kunnen rijden en kunnen snoeien. Dat schrijven de onderzoekers in het wetenschappelijke tijdschrift Scientific Data.
Voor autonoom snoeien moet een robot niet alleen bepalen waar een tak moet worden afgeknipt. De machine moet ook zelfstandig tussen de rijen kunnen rijden, individuele wijnstokken herkennen en onthouden waar deze staan. Daarvoor zijn grote hoeveelheden beeld- en positiegegevens nodig.
Onderzoekers van onder meer het Portugese onderzoeksinstituut INESC TEC, de University of Trás-os-Montes and Alto Douro (UTAD) en de Universiteit van Porto verzamelden daarom gegevens in een wijngaard. Ze gebruikten daarvoor zowel een draagbaar meetsysteem als een mobiele robot.
De dataset bestaat onder meer uit gewone RGB-beelden, dieptebeelden, lidar-metingen en nauwkeurige GNSS/RTK-positiegegevens. Van 494 RGB-beelden hebben de onderzoekers bovendien handmatig aangegeven waar de wijnstokken zich bevinden. Deze beelden kunnen worden gebruikt om kunstmatige intelligentie te trainen in het herkennen van wijnstokken.
De gegevens kunnen daarnaast worden gebruikt voor de ontwikkeling van navigatie, het maken van kaarten van een wijngaard en het combineren van informatie uit verschillende sensoren. Uit tests van de onderzoekers blijkt dat de geannoteerde beelden geschikt zijn om deep-learningmodellen mee te trainen.
De onderzoekers werken al langer aan het automatiseren van snoeiwerk in de wijnbouw. Eerder onderzochten zij onder meer hoe camera’s en AI de knopen op een wijnstok kunnen herkennen. Het aantal en de positie van die knopen kan worden gebruikt om te bepalen waar een snoeirobot uiteindelijk moet knippen.
De nieuwe dataset is openbaar beschikbaar, zodat ook andere onderzoekers en ontwikkelaars ermee aan de slag kunnen. Het onderzoek maakt deel uit van een Europees Horizon Europe-project.
