开始收获草料作物，我们正在积极掌握草料收获设备。
收获机是技术上更复杂，功能更强大的机器。几辆收割的车辆（带拖车的拖拉机，卡车，青贮卡车）一起使用。只有经验丰富的机器操作员才能从事此类设备的工作，这些操作员需要多年的工作。
在收获饲料玉米的同时在联合收割机上工作类似于在浓雾中驾驶汽车，只是沿途不是雾，而是有一棵高大的绿色植物墙，野猪，电线杆或人可以从中跳出来。磨人（故事在我的上一篇文章中），联合收割机操作员会变成灰色，无法再使用。此外，在这种“绿色雾气”中，人们必须不能撞到附近的筒仓卡车，用长达7米的行李箱监视青贮饲料的装载精度，每秒从其中抽出50-60千克的青贮饲料，并均匀地装满面包车，以免到处乱扔一半。
实际上，一台联合收割机可为三台工作，监视玉米收获过程（一个工作场所），驱动机械（第二个工作场所），装载料仓卡车（第三个工作场所）。结果，有些东西受苦了。如果管理不善，您可能会破坏昂贵的设备（牧草收割机的最低价格为1600万卢布，每种型号的价格为5000万卢布），因此收割和装载的质量通常会下降。
我们将大部分工作自动化，现在我将告诉您我们克服了哪些困难以及我们在做什么。
没有可见度
成熟玉米的平均高度为2-2.5米，联合收割机的高度为2.5米，机器操作员通常处于一个比站立在地面上的人略高的位置，只能看到前方的植物，而从根本上看不到他的鼻子等。在整个工作日中，这是一个12个小时的轮班，很少有人能够承受如此大的压力并保持装配的步伐，而且猪或杆子也可能会跳出来！
有联合收割机，例如KRONE，其伸缩式机舱可升高至3米的高度，或Acros RSM-142的高度可至4米，但这是该规则的一个例外。
因此，只有经验丰富的3-4年工作的联合收割机操作员才能在这种联合收割机后面工作。
工作中的损失
与谷物收割机不同，牧草收割机无法将农作物存储在掩体中，而是立即通过卸货箱将其分发给附近行驶的车辆。正如我所说，青贮饲料的排出速度可以达到每秒50公斤，这取决于联合收割机的型号，树干的长度为5-7米。我从车上向侧面开了一点车，或者减速下来，在10秒内损失了半吨青贮饲料。平均而言，多达7-10％的农作物仍留在田间。没有人会再收集丢失的青贮饲料，燃料和润滑油的损失将更大。该视频显示了如果稍微移动行李箱，青贮饲料将如何溢出。
货车的均匀填充
在一个团队中，一台联合收割机最多可装载7辆车，一辆车在大约20分钟内被装满。他们一天可以进行10次以上的筒仓旅行。这完全取决于输送台肩的长度。如果场地在维修区附近，则肩部较短，您可以进行更多的卸货行程，如果进一步，则行程变少，在这里正确填充厢式货车（筒仓卡车）以使其不携带空气变得非常重要。拿了一半的拖车，算出燃料损失了，操作员必须尽可能正确地引导行李箱，以便均匀地向筒仓卡车加油。
我们可以在饲料收获机上实现什么自动化？
如上所述，只有经验丰富的联合收割机操作员才能从事此类联合收割机的工作。几乎所有有效的机器操作员都受到苏联的培训，此后，这个文明的技术秘密就消失了。具体来说，培训已经减弱，而自然而来的年轻人工作更糟。这对于几乎所有工作行业都是正常的，但是特别是在这里，我们的机器人需求量很大，主要是因为这种效果。
其次，我们的机器人会看到边缘，场地上的障碍物以及其他设备。联合收割机操作员的工作已尽可能简化，现在，他可以监视联合收割机的技术状况，即最适合此类牲畜的玉米馏分的校准。
此外，我们的机器人可以完全均匀地进行装载，最重要的是，可以准确地向筒仓卡车加油，这可以减少燃料和润滑油的损失，并将收割期间的损失减少到零。
正常情况是收获期间损失7％的收获，如果将其减少为零，则由于青贮饲料主要用于销售，而不是用于出售牲畜的饲料，因此我们可以将玉米的播种量减少7％，再给小麦播种，这样更有利可图。例如，如果将1000公顷土地分配给玉米，其中70公顷土地分配给小麦，那么即使按照最低估算，每公顷收获30仙，我们也将收获210吨谷物，这大约是150万卢布的直接利润。同时，由于装配更加完整，通过减少从料仓到实地的行程次数，减少了燃料和润滑剂的消耗。
我们如何训练神经网络来分析玉米收获现场
使用大田作物的特殊附件收获玉米。对于这种情况，提供了一种操作模式，其中组合尝试将标题保留在行间距的中间。收到框架（场景）的分割图并知道割台的位置后，您可以找到所谓的消失点，并计算割台齿距所需位置的偏差。
与小麦不同，在小麦中我们跟随收割场的边缘并沿着边缘驱动联合收割机，而神经网络的任务是查看植物之间的行距。神经网络可以完美地看到玉米之间的行，与人不同，摄像头位于农作物上方，并且不会感到疲劳。
图像以视频流格式或单独的图像形式出现。数据被处理并存储在认知农业数据工厂中。除了来自摄像机的原始数据外，还有目标标记帧，如果有必要，可以将其添加到训练数据集中。
为了更准确地选择可能的收获场景，有必要正确组合训练数据集。除了在收割庄稼期间从相机获得的真实图像外，还使用一种方法来基于自然图像使用增强过程生成合成图像。
网络接受3通道RGB图像作为输入。此外，在训练神经网络的过程中，会将HSV空间中的亮度/颜色失真应用于输入张量，HSL空间中的通道局部失真-添加人造阴影，几何失真和添加噪声的过程。增强参数的选择是不平凡的过程，需要对在真实条件下获得的场景进行详细分析。
训练有素的网络能够生成定义行间空间的分割图。
青贮饲料清洁
除青贮饲料外，牧草收获机还用于通过拾起附件收集青贮饲料。收割过程与玉米相似，唯一的区别是收割机要进行采伐。条带的颜色可能与总质量没有差异，并且联合收割机操作员可能经常处于空转状态。
例如，在上面的视频中，您可以看到草条与草几乎没有区别，联合收割机操作员需要沿着草条驾驶机器的准确度如何，同时不断观察将杂物装载到卡车中的过程。这项工作非常紧张，在12小时轮班结束时，联合收割机的操作员简直无法站立，他们只有3-4个工作季节才能应付全班工作。
如果操作员没有经验，那么空转就是燃油和润滑油的损失。与谷物收割机相比，牧草收割机仅在收割机自身的运动上花费了10％的燃料和润滑剂，其余的90％用于切割，切碎，拉削，扔青贮饲料或青贮饲料。因此，在满载的联合收割机上工作非常重要。
神经网络在滚动方面做得很好，这是网络如何看待滚动的一个示例。
在这里，我们的系统可以帮助联合收割机操作员引导收割机完成伐木作业，我们的机器人也可以完全，均匀地进行装载，最重要的是，可以准确地给料仓卡车加料，这可以减少燃料和润滑油的损失，并将收割期间的损失减少到零，联合收割机操作员成为联合收割机的操作员，并进行所有工作自动驾驶仪。
现在我们正在开发饲料玉米，向日葵，海藻。在本赛季结束时，如果您有兴趣，我们将告诉您我们的机器人如何应对牧草收割机。
PS：如果您的农艺师不在Habré上，并且对它感兴趣，那么您可以在以下位置找到联系方式：promo.cognitivepilot.com，并详细讨论需要哪种特定设备组合，组合多少钱以及如何快速查看和测试。