Hvor mange sunde tomatplanter vil et frøparti give? Forskere fra Agro Food Robotics ved Wageningen University & Research har udviklet en automatisk spiringstest, der giver frøavlere og avlere hurtige og objektive svar på dette spørgsmål, hvilket sparer omkostninger og øger effektiviteten.
Dyrkere leverer gerne ensartede planter og vil derfor gerne kende kvaliteten af det frø, de bestiller. Hvor mange planter giver et parti frø? Er der eksemplarer, der halter bagefter i væksten, har en snoet stilk eller et manglende blad? Både frøavlere og avlere udfører spiringstest.
Planterne, der dyrkes fra disse tests, vurderes manuelt og i henhold til virksomhedens egne kriterier og dyrkningsmetoder. En frøavler dyrker f.eks. Under nøjagtig de samme betingelser hele året rundt, hvorimod i et kommercielt drivhus disse forhold kan variere pr. Sæson . ”Resultaterne af spiretest kan derfor afvige fra hinanden. Dette gør det vanskeligt for frøavlere at blive enige om frøkvaliteten og for avlere at estimere produktionen af frøplanter korrekt, ”siger Lydia Meesters, forsker ved Agro Food Robotics ved Wageningen University & Research.
Neurale netværk
I projektet Udnyttelse af højteknologiske plantefænotypeværktøjer til avlsvirksomheder og avlere (2018-2021), udviklede forskere fra Agro Food Robotics ved Wageningen University & Research en automatisk, standardiseret spiringstest, der eliminerer disse problemer.
"Med vores MARVIN-kamerasystem laver vi et stort antal højhastighedsfilm af tomatplanter og forbinder dem med klassificeringssoftware," siger Meesters. ”Softwaren bruger neurale netværk (deep learning), en form for kunstig intelligens, der gør det muligt for computere at lære baseret på de oplysninger, de modtager. I dette tilfælde laver vi både 2-dimensionelle og 3-dimensionelle billeder. ”
Bedre forudsigelse
En af de elleve partnere i projektet er Paul Verbruggen, forsker ved Bejo Zaden i Warmenhuizen. "Vi søger altid at bedre forudsige kvaliteten og ensartetheden af tomatplanter fra vores frø," forklarer han.
Dette mål er nu inden for rækkevidde takket være Wageningen -forskningen. "Marvin -kamerasystemet ser allerede ud til at forudsige planternes kvalitet ganske godt," siger Verbruggen. ”Når man tilføjer ny teknologi, f.eks. Kunstig intelligens, stiger pålideligheden markant. De første resultater indikerer også, at det er ligegyldigt, om du samler 2-D eller 3-D billeder af tomatplanter. "For os er det rart at vide, for det bekræfter, at Bejo Zaden allerede bruger et godt system."
Arbejder effektivt
Verbruggen bemærkede også, at det er svært at nå til enighed med andre parter om, hvordan frøkvaliteten præcist skal måles. "Vi arbejder nu sammen om skræddersyede forudsigelsesmodeller, som hver kædepartner kan træne sin egen model med." Hvis det er op til Meesters, er disse modeller kun begyndelsen. "Jo mere moderne teknologi er integreret i drivhuse, jo mere effektive virksomheder bliver det."