Cognitive Technologies провела полевые испытания беспилотного комбайна

Интеграция Инфраструктура
мобильная версия
, Текст: Владимир Бахур

Cognitive Technologies впервые в России провела полевые испытания комбайна в беспилотном режиме. Работы проводились в Ростовской области совместно с партнером Cognitive Technologies «Ростсельмаш».

Система автоматического вождения Cognitive Agro Pilot была установлена на экспериментальном образце комбайна RSM 181 TORUM. 

«Мы затратили на разработку системы более пяти лет и получили отличные результаты», – сказала президент группы компаний Cognitive Technologies Ольга Ускова.

В российском проекте набор сенсоров составляет всего лишь одну видеокамеру, в отличие от зарубежных аналогов, которые используют лазерные сканеры для движения вдоль кромки поля и стереокамеры для работы по валку (скошенная и сложенная в ряд с/х культура). 

«Мы смогли создать высокоразвитую систему компьютерного зрения, которая позволяет с одной видеокамерой достичь аналогичных результатов, что и ведущие западные бренды с тремя – четырьмя сенсорами. В итоге у нас стоимость оборудования в три-четыре раза меньше. Это дает нам существенное конкурентное преимущество, особенно сейчас, когда мы активно выходим на международные рынки», – отметила Ольга Ускова. 

«В процессе испытаний мы столкнулись с непредвиденной ситуацией», – сказал руководитель проекта Cognitive Technologies Алексей Панченко. – «Вместо запланированных работ по уборке пшеницы с высотой колоса более 80 см., нам пришлось тестировать систему на непредвиденно малых размерах зерновых культур на ячменном поле с высотой колоса 30- 40 см. В такой ситуации валок было практически невозможно человеческим глазом отличить от скошенной культуры. Это беспрецедентный случай. Для нас это был вызов. Полтора дня мы обучали нейронную сеть на новых датасетах (видеоизображения, на которых представлены основные элементы полевой сцены и на основе которых происходит обучение нейронной сети – прим.). В итоге нейронная сеть смогла определить уложенный валок лучше человека. Результат превзошел все ожидания. Это прорыв». 

Разработчики отмечают, что во время проведения работ по уборке урожая  водитель экспериментального образца комбайна должен присутствовать в кабине и выполнять функцию контролера. При этом уровень его квалификации должен оставаться на том же уровне, что и у обычного комбайнера. Однако интеллектуальная система позволяет значительно снизить рутинную нагрузку на водителя и у него появляется время для того, чтобы сосредоточиться на выборе настроек параметров технологического процесса непосредственно влияющих на качество уборки урожая (угол наклона жатки, скорость хода и т.д.), что сегодня является одной из основных проблем при уборке.

«Технологический процесс управления беспилотным комбайном устроен так, что его передвижение осуществляется по кромке поля либо вдоль уложенного валка. Система искусственного интеллекта сигнализирует, что она видит кромку или валок и готова принять управление на себя. Водителю, при этом сообщении достаточно нажать кнопку автопилота для передачи управления и подтверждения этого действия. При этом система сама будет понимать, где проходит граница скошенной культуры и куда нужно подруливать для обеспечения движения вдоль кромки», – сказал Панченко.  

Комбайн способен в автоматическом режиме подруливать, совершать повороты, пока не дойдет до конца прогона - до окончания круга (до места обрыва границы поля) либо до перпендикулярной кромки. При этом комбайнеру подается сигнал взять управление на себя. Если управление не будет взято, комбайн останавливается.

По итогам летних испытаний компания планирует завершить необходимые доработки, и перейти к опытно промышленной серии. 

«Обладая возможностью беспилотного вождения, российские комбайны смогут на равных конкурировать с ведущими мировыми сельхозбрендами, которые уже обладают аналогичной собственной функцией. Мы рассчитываем создать полностью беспилотный комбайн к 2023-2024 году», – сказала Ускова.  

Автоматизированный комплекс умного комбайна, помимо системы искусственного интеллекта, включает в себя видеокамеру и вычислитель с дополнительными блоками сопряжения с бортовыми системами комбайна.

В основе разработки Cognitive Agro Pilot лежит технология глубокого обучения нейронных сетей. В течение прошлого года разработчики Cognitive Technologies в реальных полевых условиях вели работы по сбору датасетов, а затем и обучению нейронной сети объектам и ситуациям, которые могут и будут встречаться умному комбайну в процессе его работы и которые должен распознавать искусственный интеллект. 

Сегодня нейронная сеть способна выделять пять основных классов объектов полевой сцены, что позволит обеспечить безопасную и эффективную работу умного комбайна. Первый – это нескошенная часть поля.  Второй – обработанная, скошенная его часть. Третий класс объектов соответствует валку. Четвертый соответствует той части жатки (механическое устройство комбайна, осуществляющее скашивание с/х культуры), которая попадает в поле зрения видеокамеры. Пятый класс - это все остальные объекты (препятствия, сельхоз техника, лес, деревья, сорняки и т.д.). 

Дополнительным конкурентным преимуществом решения Cognitive Technologies видит возможность понимания искусственным интеллектом различных типов границ поля (кромки, валка), в отличие от решений конкурентов, которые понимают лишь один из типов границ и для его определения вынуждены устанавливать соответствующие им, дополнительные датчики, что в итоге определяет более высокую стоимость решения. 

В системе Cognitive Technologies предусмотрена возможность оперативного добавления новых типов границ (рядка – форма высадки отдельных культур, например, кукурузы – прим., а также вспаханной и невспаханной частей поля). Для этого достаточно обновления версии ПО, что позволит разработчикам уже в ближайшей перспективе расширить область применения системы на другие с/х культуры, такие, как кукуруза и подсолнечник. Сегодня искусственный интеллект системы обучен на работу с зерновыми и кормовыми культурами.

Работы по проекту проводятся Cognitive Technologies в соответствие с соглашением с Минобрнаукой России в рамках реализации федеральной целевой программы «Исследования и разработки по приоритетным направлениям развития научно-технологического комплекса России на 2014 - 2020 годы». На реализацию технологической части проекта ведомством было выделено 34 млн руб.