AI-modeller og platforme
Bloom’s Cannabis AI overgår menneskelig visuel evne

Klippemaskine kan skelne mellem cannabisblade og -blomster
WOBURN, MA — Bloom Automation Inc., et agri-tech-selskab, der specialiserer sig i robotteknologi og cannabis-klippeudstyr, annoncerede i dag en ny præstation for kunstig intelligens: evnen til at analysere cannabis’ blomsterstruktur med menneske-lignende nøjagtighed.
Den forbedrede visuelle skarphed giver Bloom’s klippemaskine mulighed for at klippe cannabis-blomster tættere uden risiko for skade eller kompromitteret markedsværdi.
Fremgangen i maskinlæring førte til forbedringerne, samt en større database af analyserede billeder og en softwareopdatering.
“De nye AI-algoritmer er 97% nøjagtige i at skelne mellem blade og blomster,” sagde Jon Gowa, administrerende direktør og grundlægger af Bloom Automation. “Den nøjagtighed er langt overlegen i forhold til den gennemsnitlige menneskelige klipper, der er udsat for træthed og uopmærksomhed på produktionslinjen.”
Gowa forventer, at AI’en også kan anvendes i andre cannabis-relaterede områder, herunder automatiseret afbladning i multi-etagers vækstrum, høst-vægtsforudsigelse og blad-tæthedsbedømmelse for at mindske mikroklimaer, der kan fremme patogener.
Bloom’s klippemaskine bruger en robotarm med roterende sakser til at fjerne blade fra blomster, mens de stadig er fastgjort til stammen. Ved hjælp af en stereoskopisk sensorarray og AI-drevne algoritmer kan maskinen hurtigt skelne mellem blomster og blade for præcis klipning. En integreret vakuum på robotarmen samler blade, mens de fjernes.
Den seneste AI-udvikling markerer en ny æra for automation i den multi-milliard-dollar-industri, der er stærkt afhængig af manuelt arbejde. Bloom’s klippemaskine reducerer arbejdsudgifterne ved at behandle cannabis med dobbelt så stor hastighed som en menneskelig klipper.
For mere information om Bloom Automation eller Bloom Artificial Intelligence-algoritmer, kontakt Shannon Hagerty, Marketing- og forretningsmedarbejder, på info@bloomautomation.com.












