Hur många friska tomatplantor kommer ett fröparti att ge? Forskare från Agro Food Robotics vid Wageningen University & Research har utvecklat ett automatiskt groddprov som ger fröuppfödare och odlare snabba och objektiva svar på denna fråga, vilket sparar kostnader och ökar effektiviteten.
Odlare gillar att leverera enhetliga växter och vill därför veta kvaliteten på fröet de beställer. Hur många växter ger ett parti frö? Finns det exemplar som ligger efter i tillväxten, har en vriden stjälk eller ett blad som saknas? Både fröuppfödare och odlare utför groddprov.
Växterna som odlas från dessa test bedöms manuellt och enligt företagets egna kriterier och odlingsmetoder. En fröuppfödare odlar till exempel under exakt samma förhållanden året runt, medan i ett kommersiellt växthus kan dessa förhållanden variera per säsong . ”Resultaten av groddest kan därför skilja sig från varandra. Detta gör det svårt för fröuppfödare att komma överens om kvaliteten på fröet och för odlare att korrekt uppskatta produktionen av plantor ”, säger Lydia Meesters, forskare vid Agro Food Robotics vid Wageningen University & Research.
Neurala nätverk
I projektet Utnyttjande av högteknologiska växtfenotypverktyg för avelsföretag och odlare (2018-2021), utvecklade forskare från Agro Food Robotics vid Wageningen University & Research ett automatiskt, standardiserat groddningstest som eliminerar dessa problem.
"Med vårt MARVIN-kamerasystem gör vi ett stort antal höghastighetsfilmer av tomatplantor och kopplar dem till klassificeringsprogram", säger Meesters. ”Programvaran använder neurala nätverk (deep learning), en form av artificiell intelligens som gör att datorer kan lära sig baserat på den information de får. I det här fallet gör vi både tvådimensionella och tredimensionella bilder. ”
Bättre förutsägelse
En av de elva partnerna i projektet är Paul Verbruggen, forskare vid Bejo Zaden i Warmenhuizen. "Vi strävar alltid efter att bättre förutsäga kvaliteten och enhetligheten hos tomatplantor från vårt frö", förklarar han.
Det målet är nu inom räckhåll tack vare Wageningen -forskningen. "Marvin kamerasystem verkar redan förutspå kvaliteten på växter ganska bra", säger Verbruggen. ”När du lägger till ny teknik, till exempel artificiell intelligens, ökar tillförlitligheten avsevärt. De första resultaten indikerar också att det inte spelar någon roll om du samlar 2-D eller 3-D bilder av tomatplantor. "För oss är det trevligt att veta, eftersom det bekräftar att Bejo Zaden redan använder ett bra system."
Arbetar effektivt
Verbruggen noterade också att det är svårt att nå enighet med andra parter om exakt hur man mäter utsädets kvalitet. "Vi arbetar nu tillsammans med skräddarsydda förutsägbara modeller, som varje kedjepartner kan träna sin egen modell med." Om det är upp till Meesters är dessa modeller bara början. "Ju mer modern teknik integreras i växthus, desto effektivare blir företag."