Sensorer for automatisk presisjonsplukking av jordbær

In Målbær, efforts have been made to develop accurate and robust sensors for measuring properties of strawberries in the field. We have explored new measurement techniques to identify ripeness, sugar content, disease outbreaks, and damage to strawberries. This can be used to optimize robotic strawberry picking and for efficient collection of quality data that can describe the condition of a crop. To pick strawberries at a speed and accuracy comparable to humans, there is a need to develop new sensors. Humans are incredibly adept at quickly and effectively deciding which berries to pick. To develop robots that can be compared to humans, we have identified a significant technological gap in available outdoor sensors capable of measuring the necessary characteristics for efficient strawberry picking. In the project, a sensor for measuring ripeness has been developed, based on both imaging and spectroscopy. It is well known that it is possible to measure sugar content in fruits and berries using near-infrared spectroscopy (NIRS). One limitation is that existing measurement systems require physical contact with the berries to avoid the disturbing daylight. Physical contact between the sensor and the berries can cause damage to the berries and spread of disease. In the project, a newly developed prototype from SINTEF Digital was tested, making it possible to measure deep into the berries at a distance of 8 cm without significant interference from the surrounding light in the field. Very good results were achieved for measuring sugar content in strawberries in the field. This type of sensor was then reduced in size so that it can be carried and operated by an autonomous robot, namely Thorvald by Saga Robotics. This new sensor, named FragoPro, can measure sugar content with NIRS. It also measures spectroscopically in the visible range and is suitable for quantifying the ripeness marker chlorophyll. The less chlorophyll, the more ripe is the berry. In addition to this, the system takes images of the berries and measures colour. The sensor was tested on a robot in the field in the fall of 2023, and the results are promising. The sensor solution developed can also be used for tomatoes and other fruits and vegetables and has solid innovation potential. In addition to being used on robots, it can be used for in-line measurements of sugar and colour on packing lines of fruits and vegetables, and we can envision handheld instruments that can be used flexibly throughout the value chain of fruits and vegetables. The technology is outstanding, and commercialization assessment is underway. In addition to measuring sugar and ripeness, we have studied the possibility of using sensors for rapid detection of diseases on strawberry plants – powdery mildew and gray mold. This is more complex, as it is important to be able to detect these diseases early, preferably before they can be seen with the naked eye. These fungi are difficult to detect in themselves with sensors, but it may be possible to detect early stress symptoms on plants after attack. Controlled experiments were conducted on strawberry plants inoculated with either gray mold or powdery mildew. These were monitored over time using both fluorescence and NIR spectroscopy, as well as hyperspectral imaging in the visible and NIR. Weak changes were detected in plants that were infected, but clear enough signals were not obtained for this methodology to be considered promising.

Sensorløsningen som er utviklet i prosjektet kan måle sukkerinnhold raskt og uten kontakt i frukt og grønt. Dette er en målemetode som potensielt sett kan ble meget viktig i frukt og grønt bransjen der sukkerinnhold og søthet er en avgjørende kavlitetsegenskap. Systemet har stort innovasjonspotensiale, teknologien er enestående og vurdering av kommersialisering er i gang.Foruten å kunne brukes på landbruksroboter kan det brukes til in-line målinger av sukker og farge på pakkelinjer av frukt og grønt, og vi kan se for oss håndholdte instrumenter som kan brukes fleksibelt i hele verdikjeden av frukt og grønt.

Prosjektet skal utvikle optiske sensorer for å måle modningsgrad og kvalitet på jordbær. Dette vil bli brukt til å utvikle nye tjenester som å prediktere avling, identifisering av sykdom og gradering av bær i forhold til størrelse og kvalitet. Videre vil vi videreutvikle en jordbærplukker som kun plukker bær av salgbar kvalitet. Verdiskapingspotensialet for robotisert plukking blir først fullt ut realisert når sensorer kan gi pålitelig informasjon om kvaliteten til bærene som plukkes. Dette prosjektet vil utvikle, teste og verifisere optiske metoder for å: - måle modning og modningsgrad - registrere sykdommer og skader - estimere individuell bærvekt - identifisere deformerte og skadete bær Prosjektet vil utvikle verdiskapende teknologi som gagner hele verdikjeden i jordbærproduksjonen. Sensorene vil først og fremst muliggjøre kommersialisering og øke verdien til den robotiserte jordbærplukkeren ved at plukkede bær har riktig og god salgskvalitet. I hele næringskjeden skapes nye verdier gjennom reduksjon av matsvinn under og etter plukking. Dette realiseres ved å identifisere sykdom, samt at man kan plukke små eller deformerte bær som det ikke lønner seg å plukke med dyr arbeidskraft. I tillegg vil data som disse sensorene samler inn kunne brukes til å estimere avling og volum frem i tid. Dette er av stor verdi for dagligvarekjedene, som dermed kan planlegge tilbud og kampanjer. Prognosene er også viktig for å planlegge import av frukt. Det utvikles sensorer som måler riktige og relevante parametere samt algoritmer som analyserer og sammenholder data. I tillegg må bærene presenteres for sensorene slik at målingene blir gode samtidig som hastigheten til prosessen – måle, analysere og plukke – er konkurransedyktig. Sensorer som skal fungere på mobile roboter utendørs må håndtere utendørs lysvariasjoner, okkluderte bær, og bevegelser og vibrasjoner under måling. Prosjektet vil ha dette som sentrale krav for metodikk, sensorutvikling og testing i felt.