Sensorer for automatisk presisjonsplukking av jordbær

I Målbær er det jobbet for å utvikle nøyaktige og robuste sensorer for måling av egenskaper på jordbær i felt. Vi har sett på nye måleteknikker for å identifisere modenhet, sukkerinnhold, sykdomsutbrudd og skade på jordbær. Dette kan brukes til å optimere robotisert plukking av jordbær og for effektiv innsamling av kvalitetsdata som kan beskrive tilstanden på en avling. For å kunne plukke jordbær med en hastighet og nøyaktighet som er på høyde med mennesker er det et behov for å utvikle nye sensorer. Mennesker er utrolig flinke til å raskt og effektivt ta avgjørelser på hvilke bær som bør plukkes. For å utvikle roboter som kan sammenlignes med mennesker har vi identifisert et stort teknologisk gap i tilgjengelige sensorer for utendørs bruk som kan måle de nødvendige karakteristikkene for effektiv plukking av jordbær. I prosjektet er det utviklet en sensor for måling av modenhet som baserer seg på både avbildning og spektroskopi. Det er velkjent at det er mulig å måle sukkerinnhold i frukt og bær ved bruk av nær-infrarød spektroskopi (NIRS). En begrensing er at eksisterende målesystemer krever fysisk kontakt med bærene for å unngå det forstyrrende dagslyset. Fysisk kontakt mellom sensor og bær kan forårsake både skader på bærene og spredning av sykdom. I prosjektet ble det testet ut en nyutviklet prototype fra SINTEF som gjør det mulig å måle dypt inn i bærene på an avstand av 8 cm uten at det omgivende lyset ute i felt forstyrret målingene nevneverdig. Svært gode resultater ble oppnådd for måling av sukkerinnhold i jordbær i felt. Denne type sensor ble så redusert i størrelse slik at den kan bæres og opereres av en autonom robot, nemlig Thorvald til Saga Robotics. Denne nye sensoren, som har fått navnet FragoPro, kan måle sukkerinnhold med NIR. Den måler også spektroskopisk i det synlige området og egner seg til kvantifisering av modenhetsmarkøren klorofyll. Jo mindre klorofyll, desto mer modent er bæret. I tillegg til dette tar systemet bilder av bærene og måler farge. Sensoren ble testet ut på robot i felt høsten 2023 og resultatene er lovende. Sensorløsningen som er utviklet kan brukes også på tomater og annen frukt og grønt og har et solid innovasjonspotensiale. Foruten å brukes på robot 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. Teknologien er enestående og vurdering av kommersialisering er i gang. I tillegg til å måle sukker og modenhet har vi studert muligheten for å bruke sensorer til rask påvisning av sykdommer på jordbærplanter – meldugg og gråskimmel. Dette er mer komplekst, siden det er viktig å kunne påvise disse sykdommene tidlig, gjerne før de kan sees med det blotte øyet. Disse soppene er vanskelige å påvise i seg selv med sensorer, men det kan være mulig å påvise tidlige stress symptomer på plantene etter angrep. Det er utført kontrollerte forsøk på jordbærplanter som er inokulert med enten gråskimmel eller meldugg. Disse ble fulgt over tid med både fluorescens og NIR spektroskopi samt hyperspektral avbildning i det synlige og NIR. Det ble påvist svake endringer i planter som ble smittet, men det ble ikke oppnådd tydelige nok signaler til at denne metodikken kan ansees som lovende.

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.