Hány egészséges paradicsomnövényt hoz egy vetőmag? A Wageningeni Egyetem és Kutatóintézet Agro Food Robotics kutatói kifejlesztettek egy automatikus csírázási tesztet, amely gyors és objektív választ ad a vetőmagnemesítőknek és -termesztőknek erre a kérdésre, költségmegtakarítást és hatékonyságnövelést eredményezve.
A termelők szeretnek egységes növényeket szállítani, ezért tudni akarják az általuk megrendelt vetőmag minőségét. Hány növényt hoz egy adag vetőmag? Vannak-e olyan példányok, amelyek lemaradnak a növekedésben, kicsavarodott a száruk vagy hiányzik a levél? Mind a vetőmag-nemesítők, mind a termesztők csírázási vizsgálatokat végeznek.
Az ezekből a vizsgálatokból kitermelt növényeket manuálisan, a cég saját kritériumai és termesztési módszerei szerint értékelik. Egy vetőmag-nemesítő például egész évben pontosan ugyanolyan körülmények között termeszt, míg a kereskedelmi üvegházban ezek a körülmények szezononként változhatnak. . „A csírázási vizsgálatok eredményei ezért eltérhetnek egymástól. Ez megnehezíti a vetőmagnemesítők számára, hogy megegyezzenek a vetőmag minőségében, és a termelők számára, hogy megfelelően becsüljék meg a palánták termését” – mondja Lydia Meesters, a Wageningeni Egyetem és Kutatási Egyetem Agro Food Robotics kutatója.
Neurális hálózatok
A projektben Csúcstechnológiás növényfenotipizáló eszközök hasznosítása nemesítő cégek és termelők számára (2018-2021), a Wageningen University & Research Agro Food Robotics kutatói automatikus, szabványos csírázási tesztet fejlesztettek ki, amely kiküszöböli ezeket a problémákat.
„A MARVIN kamerarendszerünkkel nagyszámú, nagy sebességű filmet készítünk paradicsompalántákról, és összekapcsoljuk őket az osztályozó szoftverrel” – mondja Meesters. „A szoftver neurális hálózatokat (deep learning) használ, a mesterséges intelligencia egy olyan formáját, amely lehetővé teszi a számítógépek számára, hogy a kapott információk alapján tanuljanak. Ebben az esetben két- és háromdimenziós képeket is készítünk.”
Jobb előrejelzés
A projekt tizenegy partnerének egyike Paul Verbruggen, a warmenhuizeni Bejo Zaden kutatója. „Mindig arra törekszünk, hogy jobban megjósolhassuk a paradicsomnövények minőségét és egyöntetűségét a vetőmagunkból” – magyarázza.
Ez a cél most elérhető a wageningeni kutatásnak köszönhetően. „Úgy tűnik, a Marvin kamerarendszer már elég jól megjósolja a növények minőségét” – mondja Verbruggen. „Ha új technológiát, például mesterséges intelligenciát adunk hozzá, a megbízhatóság jelentősen megnő. Az első eredmények azt is jelzik, hogy nem mindegy, hogy 2D vagy 3D képeket gyűjt a paradicsomnövényekről. „Számunkra jó tudni, mert ez megerősíti, hogy Bejo Zaden már jó rendszert használ.”
Hatékony munkavégzés
Verbruggen azt is megjegyezte, hogy nehéz konszenzusra jutni más pártokkal a vetőmag minőségének pontos mérésével kapcsolatban. „Jelenleg személyre szabott prediktív modelleken dolgozunk együtt, amelyekkel minden láncpartner kiképezheti a saját modelljét.” Ha a Meestersen múlik, ezek a modellek csak a kezdetet jelentik. "Minél jobban integrálják a modern technológiát az üvegházakba, annál hatékonyabbak a vállalatok."