Ένα ρομποτικό σύστημα που μπορεί να εξετάζει κάθε φρούτο ξεχωριστά μέσα στην κόμη ενός δέντρου αναπτύχθηκε στο πλαίσιο του ευρωπαϊκού ερευνητικού έργου CrackSense, με στόχο να βοηθήσει τους επιστήμονες να κατανοήσουν γιατί ορισμένοι καρποί σκίζονται πριν από τη συγκομιδή. Το TOMMY, όπως ονομάζεται το σύστημα, δεν περιορίζεται στην καταγραφή της γενικής κατάστασης ενός οπωρώνα, αλλά συνδυάζει δεδομένα από διαφορετικούς αισθητήρες για να αποτυπώσει τις συνθήκες που επικρατούν στην επιφάνεια κάθε καρπού. Το πρόβλημα που επιχειρεί να αντιμετωπίσει είναι ιδιαίτερα σύνθετο, καθώς ακόμη και δύο καρποί που βρίσκονται στο ίδιο δέντρο μπορεί να εκτίθενται σε εντελώς διαφορετικές συνθήκες. Η θέση τους μέσα στην κόμη καθορίζει πόσο ηλιακό φως και θερμότητα δέχονται, αλλά και πόση υγρασία και κυκλοφορία αέρα υπάρχει γύρω τους. Στα κεράσια, για παράδειγμα, η παρουσία νερού στην επιφάνεια του καρπού αποτελεί σημαντικό παράγοντα για την εμφάνιση σκασιμάτων. Η καταγραφή αυτών των μικροδιαφορών σε εκατοντάδες ή χιλιάδες καρπούς είναι εξαιρετικά δύσκολη με συμβατικούς αισθητήρες.
ΔΕΙΤΕ ΕΠΙΣΗΣ | Ανακαλούνται γεύματα ζυμαρικών μεγάλης αλυσίδας – Δύο κρατικές υπηρεσίες εντόπισαν βακτήριο που μπορεί να προκαλέσει σοβαρή λοίμωξη
Στην καρδιά του TOMMY βρίσκεται ένας συνδυασμός κάμερας RGB, θερμικής κάμερας και σαρωτή LiDAR. Η κάμερα RGB καταγράφει εικόνες υψηλής ανάλυσης από την κόμη και τους καρπούς, επιτρέποντας τον εντοπισμό των επιμέρους φρούτων. Η θερμική κάμερα καταγράφει τη θερμοκρασία της επιφάνειας, ενώ το LiDAR χρησιμοποιεί παλμούς λέιζερ για να μετρήσει τη θέση και το σχήμα των αντικειμένων και να δημιουργήσει ένα τρισδιάστατο «νέφος σημείων» του δέντρου. Η αξία του συστήματος βρίσκεται κυρίως στον συνδυασμό των τριών διαφορετικών τύπων δεδομένων. Με τη διαδικασία σύντηξης δεδομένων, οι θερμικές πληροφορίες τοποθετούνται πάνω στην τρισδιάστατη απεικόνιση της κόμης. Έτσι, οι ερευνητές μπορούν να γνωρίζουν όχι μόνο πού βρίσκεται ένας συγκεκριμένος καρπός, αλλά και ποια ήταν η θερμοκρασία της επιφάνειάς του τη στιγμή της μέτρησης. Το TOMMY είναι εγκατεστημένο σε άκαμπτο πλαίσιο και κινείται κατά μήκος ενός γραμμικού άξονα, σαρώνοντας την κόμη. Διαθέτει δικό του υπολογιστή και μπαταρία, ώστε να μπορεί να χρησιμοποιηθεί στο χωράφι, ενώ το λογισμικό που έχει αναπτύξει το Ινστιτούτο Αγροτικής Μηχανικής και Βιοοικονομίας Leibniz (ATB) επιτρέπει στους ερευνητές να ρυθμίζουν την απόσταση και την ταχύτητα της σάρωσης.
Το επόμενο βήμα δεν είναι απλώς η δημιουργία εντυπωσιακών τρισδιάστατων εικόνων, αλλά η σύνδεση των μετρήσεων με το πότε και γιατί εμφανίζεται το σκίσιμο των καρπών. Οι ερευνητές μπορούν να εντοπίζουν τους ορατούς καρπούς στο τρισδιάστατο μοντέλο και να εξετάζουν τη θέση και τη θερμοκρασία της επιφάνειάς τους. Τα δεδομένα αυτά μπορούν στη συνέχεια να συγκριθούν με τις τοπικές καιρικές συνθήκες, ώστε να αναζητηθούν μοτίβα που συνδέουν το μικροκλίμα κάθε καρπού με την εμφάνιση ζημιών. Ιδιαίτερο ενδιαφέρον έχει η δυνατότητα να εξεταστεί και η υγρασία στην επιφάνεια του καρπού, ένας παράγοντας που το έργο CrackSense θέλει να εντάξει στις μετρήσεις του. Η θερμοκρασία και η υγρασία στην επιφάνεια μεταβάλλονται ανάλογα με το σημείο όπου βρίσκεται ο καρπός στην κόμη και μπορούν να δημιουργήσουν πολύ διαφορετικές συνθήκες ακόμη και μέσα σε λίγα μέτρα στον ίδιο οπωρώνα.
Τέσσερις μονάδες TOMMY έχουν κατασκευαστεί και χρησιμοποιούνται σε πειραματικές και πιλοτικές καλλιέργειες του CrackSense. Το ευρωπαϊκό έργο, που ξεκίνησε το 2023 και ολοκληρώνεται στο τέλος του 2026, συγκεντρώνει 14 εταίρους από επτά χώρες και εξετάζει τους παράγοντες που προκαλούν σκασίματα σε εσπεριδοειδή, ρόδια, επιτραπέζια σταφύλια και γλυκά κεράσια. Στις περιοχές όπου πραγματοποιούνται δοκιμές περιλαμβάνεται και η Ελλάδα, μαζί με το Ισραήλ, τη Γαλλία, τη Γερμανία και τη Λιθουανία.
Η τεχνολογία δεν έχει ως άμεσο στόχο να αντικαταστήσει τον παραγωγό ή να λειτουργήσει ως αυτόνομο ρομπότ συγκομιδής. Ο ρόλος της είναι περισσότερο διαγνωστικός και ερευνητικός, καθώς παρέχει δεδομένα σε κλίμακα που μέχρι σήμερα ήταν δύσκολο να καταγραφεί. Αν οι ερευνητές καταφέρουν να συνδέσουν συγκεκριμένα μοτίβα θερμοκρασίας, υγρασίας και θέσης με την εμφάνιση σκασιμάτων, οι πληροφορίες αυτές θα μπορούσαν στη συνέχεια να αξιοποιηθούν σε συστήματα γεωργίας ακριβείας για πιο στοχευμένη διαχείριση της άρδευσης και των συνθηκών καλλιέργειας.
Η έρευνα δημοσιεύθηκε στο πλαίσιο του ευρωπαϊκού έργου CrackSense και παρουσιάστηκε στο Wikifarmer.
