Лента новостей
Статья27 февраля 2023, 09:06

Тамбовские учёные создали уникальную систему для сортировки сахарной свёклы

Цифровизация сельского хозяйства не стоит на месте. В отечественный агрокомплекс ещё несколько лет назад стали активно внедрять инновационные технологии, и вот уже сегодня за урожайностью культур следят беспилотники, а умные датчики определяют влажность почвы и ищут сорняки и вредителей.

Тамбовские учёные создали уникальную систему для сортировки сахарной свёклы
Фото: Алексей Бучнев

Не остались в стороне от разработок для сельхозотрасли и тамбовские учёные: на базе ТГТУ в прошлом году создали и внедрили уникальную систему технического зрения для сортировки свёклы на сахарных заводах.

Сахарная свёкла является одной из стратегических культур, обеспечивающих продовольственную безопасность нашей страны. Поэтому перед агробизнесом стоит задача наращивать мощности по переработке сладких корнеплодов, а для этого, с одной стороны, необходимо увеличивать посевные площади, а с другой — минимизировать потери при транспортировке и хранении свёклы. Команда тамбовских учёных занялась вторым направлением: разработкой умной системы, которая бы эффективно и максимально точно отбирала наиболее подходящие для хранения корнеплоды.

И хранится дольше, и значительно меньше теряет массу и сахарозу только крупная свёкла. А как выяснить долю таких корнеплодов в кузове большегруза? Зачастую это определялось в буквальном смысле на глаз работниками сахзаводов, в принципе, и сейчас таким же способом, только зрение это — компьютерное.

Комплекс включает микроконтроллер, лазерный дальномер, источники освещения, RGB камеру, светодиодное табло, сервер и АРМ оператор.
Комплекс включает микроконтроллер, лазерный дальномер, источники освещения, RGB камеру, светодиодное табло, сервер и АРМ оператор.Фото: архив Данилы Николюкина

Стратегический проект

Учёные Тамбовского технического университета взяли на заметку, что преимущество в хранении — у крупных корнеплодов, и стали обучать нейронные сети распознавать именно такие. Так была разработана система, которая позволяет быстро определять долю крупной свёклы в кузове каждой большегрузной машины, принимать решение и давать водителю сигнал об отправке партии на хранение или на переработку.

— Прежде был разработан алгоритм работы программы сортировки большегрузных автомашин, поступающих на свеклопункт. Создали базу данных изображений насыпи корнеплодов сахарной свёклы, а нейронные сети учились распознавать их по контурам, — пояснил руководитель проекта, заведующий кафедрой «Мехатроника и технологические измерения» ТГТУ Павел Балабанов.

Как говорит студент 4-го курса и автор проекта Данила Николюкин, одно дело разработать программный продукт, и совсем другое — создать готовое устройство, которое можно было бы внедрить в производство. Прототип системы технического зрения получился универсальным и очень компактным. Комплекс включает микроконтроллер, лазерный дальномер, источники освещения, RGB камеру, светодиодное табло, сервер и АРМ оператор.

— Разрабатывали прототип под руководством завкафедрой Павла Балабанова. Работали вдвоём — я и мой одногруппник Владимир Петерс. Он занимался технической частью, грубо говоря, работал руками, а я — «начинкой», то есть создавал компьютерную программу. Состоит прототип из цилиндра, внутри которого камера, лазерный дальномер и микрокомпьютер, — рассказывает Данила Николюкин.
Студент 4-го курса ТГТУ и автор проекта Данила Николюкин
Студент 4-го курса ТГТУ и автор проекта Данила НиколюкинФото: архив Данилы Николюкина

Из лаборатории — в поле

Умная система технического зрения, над которой несколько месяцев работала команда ТГТУ, уже используется на сахарном заводе Курской области. Разработка во всех смыслах слова уникальна: во-первых, заменяет человека, а, во-вторых, повышает точность калибровки до 95 процентов. К слову, этот показатель основан на лабораторных исследованиях нейросети, подтверждают это и данные, полученные на линии сортировки клубней. Ещё одно большое преимущество — прототип полностью работает в автоматическом режиме.

— Лазерный дальномер самостоятельно определяет, что грузовик подъехал, а затем встал на линию. Мы написали программу таким образом, чтобы она не изучала другие объекты, попадающие в камеру, например, легковые автомобили или людей, — замечает Данила Николюкин. — Также учли и факт сезонности: сахарную свёклу убирают поздней осенью, а с полей её вывозят до конца января. Чтобы снимки были качественными и ранним утром, когда ещё темно, и ночью — включается прожектор. То есть после того, как большегруз остановился, срабатывает прожектор, а уже далее происходит серия снимков. Создаётся кадр в любых условиях, а затем алгоритм нейросети обрабатывает его. Именно на этом этапе и определяется крупность сахарной свёклы.
Фото: архив Данилы Николюкина

Параллельно с этим проектом молодые учёные ТГТУ начали работать над другой задумкой. Как поясняют разработчики, есть идея перенести систему технического зрения для сортировки свёклы непосредственно в поле — на комбайн. Это нужно для того, чтобы крупность и повреждённость корнеплодов определялась до того, как сахарная свёкла попадёт на завод.

После уборки в полях создаются кагаты, откуда корнеплоды и транспортируются на переработку. Длится это примерно с ноября по январь. Зачастую к концу января часть сахарной свёклы, которая, к примеру, была повреждена — портится, и в итоге так и остаётся в поле, на завод она уже не поступает.

— Чтобы этого избежать, создаём прототип технического зрения, который будет решать один очень важный вопрос — в какой последовательности отгружать сахарную свёклу с полей. То есть сначала повреждённые и мелкие корнеплоды, так как они быстрее портятся и хранятся гораздо меньше, и только потом — крупную и целиковую свёклу, которая сможет храниться гораздо дольше, — подытоживает разработчик Данила Николюкин.

Проект по созданию системы технического зрения для сортировки свёклы на сахарных заводах разрабатывался в составе научно-образовательных центров мирового уровня «Инженерия будущего». Учёные тамбовского техуниверситета входят в комитет «Умное агро» и занимаются направлением по цифровизации агропромышленного комплекса.

По словам авторов проекта, для обучения нейронной сети материал собирался в ходе уборочной кампании 2022 года, в течение сезона 2023-го установка будет проходить тестирование в реальных условиях. Если прототип удовлетворит требования заказчиков, то через год на базе ТГТУ займутся серийным выпуском комплекса.

Автор:Елена Гридчина