Lēmumu pieņemšanas sistēmas izstrāde viedai augļkopībai pielietojot autonomus bezpilota lidaparātus

Projekta mērķis ir izstrādāt uz autonomiem bezpilota lidaparātiem (UAV) balstītu lēmumu pieņemšanas sistēmu viedai augļkopībai. Šī sistēma ļaus automātiski prognozēt augļu ražu un atpazīt ābeļu kraupja simptomus, veicot autonomu augļu dārza apsekošanu, izmantojot UAV, kas spēj identificēt ziedus, augļus un novērtēt to daudzumu, noteikt ābeļu kraupi.

Lai sasniegtu projekta mērķi tika izvirzīti šādi uzdevumi:

1) izstrādāt koku vainagu aplidošanas un fotografēšanas matemātiskus modeļus;

2) izstrādāt mākslīgā intelekta risinājumu, kas spēj veikt augļaugu ziedu un augļu identifikāciju un kvantitatīvo novērtēšanu izmantojot fotogrāfijas;

3) izstrādāt prototipu, ar kura palīdzību būs iespējams pārbaudīt izgudrotos risinājumus.

Ražas novērtēšanas un prognozēšanas mākslīgā intelekta rīks tiks izstrādāts, pielietojot iegūtās datu kopas un dziļās mašīnmācīšanās jaunākos risinājumus. Projekts paredz izstrādāt ražas prognozēšanas regresijas modeļus,pielietojot ražas attīstības dinamiskās rindas. Prototipa eksperimentālā izstrāde ietver augļkopības biznesa procesu un ar sistēmas pielietošanu saistīto risku analīzi, kas jāņem vērā, izstrādājot lidojumu plānošanas algoritmus.

Iecerētie projekta rezultāti:

1) atvērtās datu kopas ar ābolu, bumbieru un saldo ķiršu augļu un ziedu attēliem dažādās attīstības stadijās papildinātas ar manuālas novērtēšanas datiem;

2) mākslīgā intelekta modulis, kas veic ziedu un augļu novērtēšanu kokā;

3) autonomas sistēmas prototips viedajai augļkopībai.

Ar projektu saistītie pasākumi:

• Projekta rezultāti prezentēti V Pasaules latviešu zinātnieku kongresā "Zinātne Latvijai", 2023. gada 28. un 29. jūnijā kā stenda ziņojums "Viedās lauksaimniecības risinājumu izstrāde un ieviešanai Latvijas augļkopības nozares konkurētspējas celšanai" (autori Gunārs Lācis, Edīte Kaufmane, Sarmīte Strautiņa)
• Projekta dalībnieks G. Lācis ar ziņojumu "Viedās tehnoloģijas Dārzkopības institūtā: droni, mašīnmācīšanās" informēja par projekta rezultātiem augļkopības nozares pārstāvjus Dārzkopības institūta organizētajā seminārā par dronu pielietošanu augļkopībā, 2023. gada 19. jūlijā.
• Projekta lzp-2021/1-0134 mērķis ir izstrādāt uz autonomiem bezpilota lidaparātiem (UAV) balstītu
  lēmumu pieņemšanas sistēmu viedai augļkopībai, kas ļaus automātiski prognozēt augļu ražu un atpazīt ābeļu kraupja simptomus, veicot autonomu augļu dārza apsekošanu, izmantojot UAV. Lai izmēģinātu sistēmu reāliem apstākļiem pietuvinātā vidē (TRL5), RTA pētnieku grupa apmeklēja zemniecības saimniecību “Ķirši”, netālu no Rēzeknes un veica dārza apsekošanu, izmantojot UAV:

Projekta rezultāti:

• Litavniece L., Kodors S., Dekšne J., Lācis G., Zarembo I., Pacejs A. (2023) Risk Analysis for Apple Orchard Survey and Monitoring Using UAV. Proceedings of the 14th International Scientific and Practical Conference “Environment. Technology. Resources.” Rezekne, Latvia, Vol. 1, 116-122. https://doi.org/10.17770/etr2023vol1.7234
• Zarembo I., Kodors S., Apeināns I., Lācis G., Feldmane D., Rubauskis E. (2023) Digital twin: orchard management using UAV. Proceedings of the 14th International Scientific and Practical Conference “Environment. Technology. Resources.” Rezekne, Latvia, Vol. 1, 247-251. https://doi.org/10.17770/etr2023vol1.7290
• Kodors S., Sondors M., Lācis G., Rubauskis E., Apeināns I., Zarembo I.  (2023) Rapid Prototyping of Pear Detection Neural Network with YOLO Architecture in Photographs. Proceedings of the 14th International Scientific and Practical Conference “Environment. Technology. Resources.” Rezekne, Latvia, Vol. 1, 81-85. https://doi.org/10.17770/etr2023vol1.7293
• Kodors S., Zarembo I., Majore G., Rubauskis E., Litavniece L. (2023) Digital twin modeling for smart fruit-growing: eco-cyber-physical system 4 + 1 architecture. Engineering for rural development, https://doi.org/10.22616/ERDev.2023.22.TF140