От выращивания до цифровой модели: оборудование ОВЕН в проекте Башкирского государственного аграрного университета
Чтобы оценить перспективность сорта, селекционерам нужно проследить, как растения развиваются и реагируют на условия выращивания. В Центре агронетики Башкирского государственного аграрного университета эту работу помогают выполнять климатические камеры и комплекс цифрового фенотипирования.
Проект объединил разработки университета и партнера и дилера ОВЕН – компании «Овен-Уфа». Сотрудники вуза спроектировали и собрали климатическую камеру, разработали ее систему управления и программное обеспечение. А команда «Овен-Уфа» создала программно-аппаратный комплекс для съемки растений и построения их трехмерных моделей. О том, как устроен процесс и какие задачи предстоит автоматизировать, поговорили с Азатом Исламовым, техническим директором компании «Овен-Уфа».
А.И.: Перед нами стояла задача создать программно-аппаратный комплекс для оцифровки растений – в данном случае гороховой культуры. Фенотипирование — это определение и оценка признаков растения: его размеров, особенностей строения и развития. Наша установка позволяет получать изображения и строить трехмерные модели, чтобы селекционеры могли наблюдать за изменениями на протяжении жизни растения и сравнивать разные образцы.
Исследование культуры начинается с выращивания растений в заданных условиях. Например, для отбора холодостойких растений нужно оценить, как они реагируют на понижение температуры. В климатических камерах можно задавать температурный режим, влажность и освещение, наблюдать за реакцией образцов и определять, какие из них лучше переносят выбранные условия. Параметры экспериментов устанавливают специалисты университета.
За управление погодой в климатической камере отвечает программируемое реле ОВЕН ПР205 с модулем расширения входов-выходов ПРМ. Оно управляет поливом, поддерживает температурный режим, увлажнение и охлаждение, а также следит за перемещением растений в зоне освещения. Помимо ПР205, в шкафу управления установлен модуль ввода МВ110 и компактный блок питания БП60А. Для взаимодействия с установкой используется панель оператора ОВЕН СП310: на экране отображаются текущий шаг программы и номер ошибки, можно выбрать режим.
Внутри камеры растения стоят в отдельных маркированных горшках на нескольких уровнях под светодиодными светильниками. Лотки перемещаются с помощью приводных механизмов. Эта особенность важна для дальнейшей роботизации: растения можно последовательно подавать в зону, где происходит захват роботом. И это как раз следующий этап процесса.
Для цифровой оценки горшок переносят в отдельную камеру фенотипирования. В исследовательской работе задействовано около 700 образцов 50 сортов гороха. Каждому горшку присвоен идентификатор в виде QR-кода, по которому система машинного зрения определяет образец. При повторных съемках новые изображения и трехмерные модели сохраняются под тем же номером.
Таким образом, каждое растение получает цифровую историю. Мы можем открыть его модель на первой, второй или последующих неделях роста и увидеть, как менялись размеры и строение. Съемки проводят с заданной периодичностью на разных этапах развития – от прорастания до формирования плодов. В дальнейшем на основе серии таких моделей можно будет создавать трехмерное видео, показывающее развитие растения.
Чтобы получать изображения по всей высоте и анализировать отдельные части растения, для гороха была разработана специальная опора, которая удерживает побеги в вертикальном положении.
Систему машинного зрения мы построили на двух промышленных камерах, которые одновременно снимают растение с двух ракурсов. Во время съемки платформа с горшком совершает полный оборот, затем камеры перемещаются по вертикали и снимают следующий участок. Так мы последовательно получаем изображения растения по всей высоте.
Кадры поступают на сервер обработки данных. Потом система сопоставляет изображения по опорным точкам и формирует трехмерную модель растения, определяет его геометрические размеры, количество узлов на стебле, размеры листьев и плодов. Эти сведения вносятся в базу данных каждого образца и помогают селекционерам оценивать его характеристики.
Для обучения нейросети мы работаем совместно со специалистами университета. Селекционеры определяют, какие характеристики важны для получения сорта с нужными свойствами, чтобы мы могли обучить модель автоматически распознавать признаки растений при последующих съемках и оценивать их соответствие критериям. Такие данные нужны, чтобы исключать из опыта неподходящие растения и продолжать работу с образцами, прошедшими отбор.
Сейчас перенос горшков между установками выполняется вручную. Каждый образец нужно поставить на платформу, дождаться окончания съемки и вернуть на место выращивания. При большой коллекции растений эти операции требуют постоянного участия сотрудника. Поэтому следующим этапом подача образцов будет автоматизирована с помощью робота-манипулятора с пневматическим захватом.
Камера фенотипирования будет передавать запрос на образец роботу. Он будет забирать горшок из климатической камеры, устанавливать его на платформу, а после завершения съемки возвращать обратно. Когда доступный ряд будет обработан, механизмы климатической камеры переместят лотки и подадут следующий ряд в зону захвата. Роботу не придется тянуться к удаленным растениям: они будут последовательно поступать в доступную для него зону.
Для управления пневмозахватом в роботизированной подаче предусмотрено также программируемое реле ОВЕН ПР205. Оно служит связующим устройством между захватом и роботом. Операции захвата и переноса выполняются с невысокой скоростью, поэтому для обмена командами достаточно протокола Modbus. Возможностей ПР205 хватает, чтобы управлять захватным устройством в согласованной с роботом последовательности.
Автоматическая подача должна позволить выполнять съемку за пределами рабочего дня сотрудников, увеличивать число обследуемых образцов и сокращать интервалы между наблюдениями.
Основная задача – согласовать работу климатической камеры, робота и камеры фенотипирования. Перемещение лотков, перенос горшка и съемка должны выполняться в определенной последовательности. Дополнительно предусмотрена проверка идентификатора образца средствами машинного зрения, чтобы выявлять ошибочную повторную подачу одного и того же растения.
Проект БашГАУ – это яркий пример, как современные средства автоматизации и машинного зрения находят применение в селекционных исследованиях. Для селекционеров это означает более подробную цифровую историю каждого растения, возможность получать больше данных для отбора растений и создавать сорта с необходимыми свойствами.
