Архив Сельское хозяйство · Теплицы, садоводство и виноградарство
ISA Lisboa: робот VINBOT прошёл 112 полевых сессий, прогноз урожая неточен
Летом 2016 года робот VINBOT с моделью глубокого обучения прошёл 112 полевых сессий на виноградниках Португалии. Оценка урожая по снимкам показала низкое совпадение с ручными замерами и очень высокую ошибку; систему признали не готовой к коммерческому запуску.
Кейс предоставлен Vinum ex Machina
запись № 51 · Кейсбук v2026-09-29, Никита Худов · CC BY-SA 4.0
Текст адаптирован под формат паспорта АрхИИВ и публикуется по CC BY-NC 4.0 с разрешения автора Кейсбука.
/01 · ключевые результаты
-
масштаб
112
полевые сессии валидации робота VINBOT
CORDIS, Publications Office of the European Union, документ, 16.01.2018
лето 2016 года · полевая валидация на виноградниках в Португалии
данные исследования
- 272 миссии сканирования виноградников сенсорами VINBOT · масштаб CORDIS, Publications Office of the European Union, документ, 16.01.2018
- 27 сортовые участки в сезоне валидации · масштаб CORDIS, Publications Office of the European Union, документ, 16.01.2018
- более 7 000 снимки с ручной разметкой гроздей для обучения алгоритмов · масштаб CORDIS, Publications Office of the European Union, документ, 16.01.2018
- 0,78–0,96 коэффициент детерминации R² модели «площадь грозди на снимке — вес» · возможность системы CORDIS, Publications Office of the European Union, документ, 16.01.2018
оценка strategai
Оценку не приводим: исследовательский проект, оценка урожая не прошла полевую проверку, денежного эффекта нет
Летом 2016 года робот VINBOT с моделью глубокого обучения прошёл 112 полевых сессий на виноградниках Португалии. Оценка урожая по снимкам показала низкое совпадение с ручными замерами и очень высокую ошибку; систему признали не готовой к коммерческому запуску.
/02 · паспорт кейса
Бизнес
- Компания
- Instituto Superior de Agronomia, Universidade de Lisboa
- Отрасль
- Сельское хозяйство · Теплицы, садоводство и виноградарство
- Функция
- Производство и основные операции
- Задача
- Точное земледелие и животноводство
Технология
- Класс AI
- Компьютерное зрение
- Тип решения
- Гибридное решение: Robotnik Automation, Ateknea Solutions
- Данные
- RGB-снимки и данные 2D-лазерного дальномера с робота, GPS и одометрия; ручные замеры параметров кроны и урожая (база Ground Truth) для калибровки и проверки алгоритмов.
Внедрение
- Стадия
- Исследование, на 16.01.2018
- География
- Португалия
- Инвестиции
- Общая стоимость проекта VINBOT — 2 021 391,87 евро, вклад ЕС — 1 536 999,94 евро (7-я рамочная программа ЕС).
/03 · описание кейса
Зачем
Бизнес-задача
Виноградарям нужна точная оценка урожая: от неё зависят решения по уходу за кроной, прореживанию гроздей, организации сбора, потребностям винодельни, продажам винограда и ценам. Ассоциациям виноградарей точный прогноз помогает организовать приёмку на винодельне, производство и сбыт вина своих членов. По описанию проекта, обычно урожай оценивают визуальными выборочными обследованиями, которые занимают много времени и чаще всего неточны. Проект VINBOT 7-й рамочной программы ЕС (февраль 2014 — январь 2017) ставил задачу автоматизировать эту оценку для небольших хозяйств и их ассоциаций.
Что
Решение
VINBOT — автономный мобильный робот на базе платформы Summit XL компании Robotnik с сенсорной головкой: камера Kinect v2 и 2D-лазерный дальномер снимают лозу, навигацию обеспечивают ещё один дальномер, инерциальный блок и RTK-DGPS. Данные миссии передаются в облако. Показатели урожая рассчитывает специально обученная модель глубокого обучения, которая распознаёт целые и частично закрытые листвой грозди на RGB-снимках при разном освещении; параметры кроны — высоту, объём, пористость — алгоритмы получают из 3D-формы лозы. Затем эмпирические модели переводят показатели в оценку урожая, а результаты выводятся как тепловые карты поверх спутниковых снимков виноградника.
Как
Внедрение
Проект вёл консорциум под координацией Robotnik Automation; исследования и демонстрации выполняли Ateknea Solutions, Instituto Superior de Agronomia Лиссабонского университета и Robotnik. В 2014 и 2015 годах данные собирали на участках кампуса ISA, в 2016 году — на 4 площадках и 27 сортовых участках; всего за три сезона прошло 272 миссии. Для обучения алгоритмов вручную разметили грозди на более чем 7000 снимков. Полевая валидация летом 2016 года включила 112 сессий. Робот справился с большинством полевых условий, кроме крутых склонов со свежевспаханной почвой. Оценка урожая показала низкое совпадение с ручными замерами и очень высокую ошибку; систему оценили на уровне TRL 7 и признали не готовой к коммерческому запуску.
/04 · источники и проверка
Что подтверждено
- Летом 2016 года VINBOT прошёл 112 полевых сессий валидации на виноградниках Португалии на 4 площадках и 27 сортовых участках.
- Сравнение оценки урожая VINBOT с ручными замерами на метр кроны показало низкое совпадение и очень высокую ошибку; исключение — сорт Touriga Nacional на площадке Quinta da Amieira.
- Алгоритмы занижали урожай на участках ISA и завышали на других площадках; систему оценили на уровне TRL 7, не готовой к коммерческому запуску.
- Модель «площадь грозди на снимке — вес» на лабораторных данных 8 сортов показала R² от 0,78 до 0,96.
Ограничения
- 112 сессий и 272 миссии описывают объём испытаний.
- R² от 0,78 до 0,96 получен на лабораторных снимках гроздей; в полевой валидации точность оценки урожая оказалась низкой.
- Испытания проходили один сезон валидации в Португалии; результатов коммерческой эксплуатации и экономического эффекта нет.
-
[1] CORDIS, Publications Office of the European Union
Final Report Summary - VINBOT (AUTONOMOUS CLOUD-COMPUTING VINEYARD ROBOT TO OPTIMISE YIELD MANAGEMENT AND WINE QUALITY)
СМИ · 16.01.2018
Открыть источник
АрхИИВ /strategai · CB-002674 · Версия 1 · 25.10.2026 · /c/CB-002674/ · Vinum ex Machina № 51