Ile zdrowych roślin pomidora przyniesie partia nasion? Naukowcy z Agro Food Robotics z Wageningen University & Research opracowali automatyczny test kiełkowania, który daje hodowcom nasion i hodowcom szybkie i obiektywne odpowiedzi na to pytanie, oszczędzając koszty i zwiększając wydajność.
Hodowcy lubią dostarczać jednolite rośliny i dlatego chcą poznać jakość zamawianych nasion. Ile roślin plonuje partia nasion? Czy istnieją okazy opóźnione we wzroście, ze skręconą łodygą lub brakującym liściem? Zarówno hodowcy nasion, jak i hodowcy przeprowadzają testy kiełkowania.
Rośliny wyhodowane z tych testów są oceniane ręcznie i zgodnie z własnymi kryteriami i metodami uprawy. Na przykład hodowca nasion uprawia dokładnie te same warunki przez cały rok, podczas gdy w komercyjnej szklarni warunki te mogą się różnić w zależności od sezonu . „Wyniki testów kiełkowania mogą się zatem różnić. Utrudnia to hodowcom nasion uzgodnienie jakości nasion, a hodowcom prawidłowe oszacowanie produkcji sadzonek” – mówi Lydia Meesters, naukowiec z Agro Food Robotics z Wageningen University & Research.
Sieci neuronowe
W projekcie Wykorzystanie zaawansowanych technologicznie narzędzi do fenotypowania roślin dla firm hodowlanych i hodowców (2018-2021), naukowcy z Agro Food Robotics z Wageningen University & Research opracowali automatyczny, ustandaryzowany test kiełkowania, który eliminuje te problemy.
„Dzięki naszemu systemowi kamer MARVIN wykonujemy dużą liczbę szybkich filmów z sadzonkami pomidorów i łączymy je z oprogramowaniem klasyfikacyjnym”, mówi Meesters. „Oprogramowanie wykorzystuje sieci neuronowe (głębokie uczenie), formę sztucznej inteligencji, która umożliwia komputerom uczenie się na podstawie otrzymywanych informacji. W tym przypadku wykonujemy zarówno obrazy dwuwymiarowe, jak i trójwymiarowe.”
Lepsze przewidywanie
Jednym z jedenastu partnerów projektu jest Paul Verbruggen, badacz z Bejo Zaden w Warmenhuizen. „Zawsze staramy się lepiej przewidywać jakość i jednolitość roślin pomidora z naszych nasion”, wyjaśnia.
Cel ten jest teraz osiągalny dzięki badaniom Wageningen. „Wydaje się, że system kamer Marvin już dość dobrze przewiduje jakość roślin”, mówi Verbruggen. „Po dodaniu nowej technologii, takiej jak sztuczna inteligencja, niezawodność znacznie wzrasta. Pierwsze wyniki wskazują również, że nie ma znaczenia, czy zbierasz obrazy 2D czy 3D roślin pomidora. „Dla nas miło to wiedzieć, ponieważ potwierdza to, że Bejo Zaden korzysta już z dobrego systemu”.
Pracuje wydajnie
Verbruggen zauważył również, że trudno jest osiągnąć konsensus z innymi stronami, jak dokładnie mierzyć jakość nasion. „Obecnie pracujemy razem nad dostosowanymi do potrzeb modelami predykcyjnymi, za pomocą których każdy partner sieci może trenować swój własny model”. Jeśli to zależy od Meesterów, te modele to dopiero początek. „Im bardziej nowoczesna technologia jest wykorzystywana w szklarniach, tym bardziej wydajne stają się firmy”.