数学的葡萄
乔治福克斯计算机科学和工程专业的学生正在开发一种自主机器人，它可能会极大地改变葡萄园主预测收成的方式
T他们叫它Vitibot. 这个名字不是官方的, 但是一名学生设计了一个带有这个名字的贴纸，并把它贴了下来——这是“葡萄栽培”(葡萄科学)和“机器人”的巧妙结合.”
历史最悠久的之一 高级的设计 乔治·福克斯的顶点项目 计算机科学 而且 工程 学生, 每年，Vitibot都在向目标迈进——这是围绕着该大学的葡萄酒行业都渴望看到的一种产品:一种可以自主穿越葡萄园的漫游者, 收集图像数据, 在收获前几个月准确预测葡萄产量.
大多数葡萄酒种植者认为10 - 15%的误差幅度是一个很好的估计. 去年，Vitibot预测的收益率有2%至3%的误差幅度.
葡萄的Roomba
每年，葡萄种植者都会密切监测他们的葡萄树，以预测葡萄产量. 天气, 土壤, 葡萄病害和害虫，如鸟类和鹿，会影响产量，但不考虑这些因素, 葡萄园主需要知道他们是否能够履行对买家的承诺, 如果他们最终会得到多余的葡萄. 在种植农作物这一高风险行业，他们的成功取决于准确的预测.
Vitibot的迭代时间比大多数高级设计项目都要长, 通常在秋季学期开始，在春季结束.
“我2015年开始在这里工作, 那时它已经成为了一件事,计算机科学教授布莱恩·斯奈德说.
鲍勃困难, 工程学院院长, 与当地企业家、葡萄园和酒庄老板进行了头脑风暴, 在斯奈德来到这所大学之前，他就已经开发了这项技术.
“从一开始，它首先是一个机械工程项目，”斯奈德说. “但鲍勃知道机器学习的需求，这就是我参与其中的原因.”
两个由大四学生组成的团队——每年都有新的团队——在与Vitibot并行的工作中工作. 硬件, 或者数据收集, 由机械和电气工程专业学生组成的团队设计并建造了这辆月球车. 该软件, 或者数据分析, 计算机科学和信息系统的学生团队致力于机器学习和自主导航——人工智能. 最终，在今年，这两个团队合并为一个，将机制和传感器数据拼接在一起. 斯奈德说:“从那时起，我们就能让它自动驾驶了。.
斯奈德和工程学院的其他教员设想了一种可以出售的月球车, 它有一个传感器包, 可以通过远程控制或自动驾驶(目前，Vitibot使用激光雷达传感器导航，GoPro相机进行数据收集).
斯奈德说:“它几乎就像Roomba，不过是针对你的作物。. “你让它自己在葡萄园里导航，一边走一边收集数据.”
从左到右, 学生Trey Moen和Jared Perry, 还有布莱恩·斯奈德教授, 与葡萄园主珍妮和大卫·贝克一起测试Vitibot.
社区的努力
创造一个可以拍摄数字图像的漫游者, 将这些图像输入机器学习模型, 用训练好的模型来预测产量, 团队需要一个试验场. 克劳福德·贝克葡萄园的主人大卫·贝克和珍妮·贝克夫妇很乐意提供他们的葡萄园. 科学家们, 研究人员和教育工作者自己, 他们同样对帮助葡萄园的技术感兴趣和投资, 以及让学生学习的过程.
Vitibot在葡萄产量预测方面的准确性取决于两件事:葡萄藤每周的照片和内置在探测器“大脑”中的机器学习.”
过去的三个夏天, 一位学生或指导老师在克劳福德贝克葡萄园(Crawford Beck Vineyard)参观, 带着一根八英尺高的登山棒，上面绑着三台GoPro相机. 从7月到9月中旬收获，他们每周都会给每棵葡萄树拍一张照片. 每行83株，21行，每周10000张照片.
“我们有一个算法，一段代码，接受图片作为输入，”斯奈德说. “我们有从图像中学习相关数字特征的代码. That information goes in; we call it training data. 然后, 因为我们在做监督学习, 我们告诉它, 考虑到这些图像, 下面是你应该预料到的正确答案.’”
算法给出的“正确答案”是收获时的葡萄重量. 整个夏天都在上传图片, 实际权重在赛季结束时添加到算法中. 这就是小贝们的巨大贡献.
在大多数葡萄园收获的时候, 工人们排着排, 将集群放入桶中, 把桶倒进垃圾箱, 他们每挑一桶都有功劳. 竞争激烈，速度很快. 节省人工成本.
但为了验证漫游者的软件, the premium no longer is on time; it is on harvest weight accuracy, 不只是葡萄园, 但在这种情况下，酒庄也是如此, Winderlea.
大卫说:“他们愿意称一箱一箱收获的葡萄，并给我们提供数据。. “这就是将所有内容联系在一起并验证软件成功的原因.”
这个过程很耗时，但为了建立一个准确的模型是绝对必要的. 贝克和温德莱夫妇愿意.
斯奈德无法解释，Vitibot如何从图像到葡萄的最终重量. “你不一定知道它利用的是什么功能. 是数葡萄吗? 它怎么知道? But that’s the thing; we don’t need to know. 我们要让这个算法学习什么是相关的.“数据证明，这是有效的.
“他们的软件比我们的实际测量结果要好，”大卫说. 他说:“我们对葡萄树进行计数和称重，然后把它们加起来，算出葡萄树的总数. 我们做了一个有根据的计算，但我们只是假设水果是如何均匀地分布的.”
像大多数葡萄种植者一样，珍妮自己预测葡萄产量. 这既乏味又耗时，而且不像她希望的那样准确.
至于酿酒师想要的误差范围，答案是零!她说. “这是不可能的，我们努力既节省劳动力，又最大的准确性. 考虑到这种固有的不准确性, 一些种植者选择光学评估, 边走边看，边用眼睛估计. 这并不令人满意，所以我们不断寻找更好的方法.
这就是乔治·福克斯学生们所做工作的美妙之处. 他们估计的收获量在98%以内. 我的只有收获量的72%. 再加上节省的劳动力，你可以看到这是多么令人印象深刻.”
Vitibot还没有准备好上市, 但该软件一直能做出准确的产量预测, 今年已经可以自动驾驶了. “既然我们已经突破了那堵墙, 下一步就是每周带它去葡萄园训练它开真正的, 真实的环境,斯奈德说. “我们非常乐观地认为，明年我们将实现这一目标.”
