Исследователи из Осакского столичного университета придумали способ упростить обучение сельскохозяйственного искусственного интеллекта. Сейчас, чтобы научить роботов собирать томаты, нужны тысячи фотографий с реальных ферм: на каждом снимке люди вручную обводят каждый помидор рамкой и отмечают, насколько он спелый. Это долго и сложно — условия на разных фермах и в разные сезоны отличаются (освещение, форма растений и т. д.).
Ученые решили эту проблему с помощью виртуальной фермы, которая автоматически создает реалистичные изображения помидоров и сразу добавляет нужные метки для обучения ИИ. Чтобы симуляция была похожа на реальность, команда использовала данные с камер сельскохозяйственных роботов, а также технологии 3D‑моделирования, в том числе движок Unreal Engine 5 и метод 3D Gaussian Splatting. Благодаря этому виртуальная среда воспроизводит сложные условия: меняющееся освещение, перекрывающие плоды листья, тени и частично скрытые помидоры.
Система не только генерирует картинки, но и автоматически готовит данные в формате YOLO, который часто применяется для обучения ИИ распознавать объекты. Испытания показали: модели, обученные на таких синтетических данных, хорошо находят помидоры на настоящих фотографиях.
Метод можно применить не только к томатам, но и к другим культурам, что открывает новые возможности для сельского хозяйства.
Ранее Наука Mail рассказывала о том, что должен уметь по-настоящему умный робот.
