Kuinka monta terveellistä tomaattikasveja siemenerä tuottaa? Wageningenin yliopiston ja tutkimuksen Agro Food Robotics -tutkijat ovat kehittäneet automaattisen itämistestin, joka antaa siementen kasvattajille ja viljelijöille nopeat ja objektiiviset vastaukset tähän kysymykseen, mikä säästää kustannuksia ja lisää tehokkuutta.
Viljelijät haluavat toimittaa yhtenäisiä kasveja ja haluavat siksi tietää tilaamiensa siementen laadun. Kuinka monta kasveja erä siemeniä tuottaa? Onko olemassa yksilöitä, jotka ovat jäljessä kasvussa, joilla on kiertynyt varsi tai puuttuva lehti? Sekä siemenkasvattajat että viljelijät tekevät itävyyskokeita.
Näistä testeistä kasvatetut kasvit arvioidaan manuaalisesti ja yrityksen omien kriteerien ja kasvatusmenetelmien mukaisesti. Esimerkiksi siementen kasvattaja viljelee täsmälleen samoissa olosuhteissa ympäri vuoden, kun taas kaupallisessa kasvihuoneessa nämä olosuhteet voivat vaihdella kauden mukaan . ”Siten itävyyskokeiden tulokset voivat poiketa toisistaan. Tämän vuoksi siementen kasvattajien on vaikea sopia siementen laadusta ja viljelijöiden arvioida oikein taimien tuotantoa ”, sanoo Lydia Meesters, Aggen Food Robotics -tutkija Wageningenin yliopistosta.
Neuraaliset verkot
Projektissa Korkean teknologian kasvien fenotyyppityökalujen hyödyntäminen jalostusyrityksille ja viljelijöille (2018-2021), Wageningenin yliopiston ja tutkimuksen Agro Food Robotics -tutkijat ovat kehittäneet automaattisen, standardoidun itämistestin, joka poistaa nämä ongelmat.
"MARVIN-kamerajärjestelmällämme teemme suuren määrän nopeita kalvoja tomaatin taimista ja linkitämme ne luokitusohjelmistoon", Meesters sanoo. ”Ohjelmisto käyttää hermoverkkoja (syväoppiminen), tekoälyn muotoa, jonka avulla tietokoneet voivat oppia saamiensa tietojen perusteella. Tässä tapauksessa teemme sekä kaksi- että kolmiulotteisia kuvia. ”
Parempi ennustus
Yksi hankkeen yhdestätoista kumppanista on Paul Verbruggen, Bejo Zadenin tutkija Warmenhuizenissa. "Pyrimme aina ennustamaan paremmin tomaattikasvien laadun ja yhtenäisyyden siemenistämme", hän selittää.
Tämä tavoite on nyt saavutettavissa Wageningen -tutkimuksen ansiosta. "Marvin -kamerajärjestelmä näyttää jo ennustavan kasvien laadun melko hyvin", Verbruggen sanoo. ”Kun lisäät uutta tekniikkaa, kuten tekoälyä, luotettavuus kasvaa merkittävästi. Ensimmäiset tulokset osoittavat myös, että ei ole väliä, keräätkö 2-D- vai 3-D-kuvia tomaattikasveista. "Meille on mukava tietää, koska se vahvistaa, että Bejo Zaden käyttää jo hyvää järjestelmää."
Työskentele tehokkaasti
Verbruggen totesi myös, että on vaikea päästä yhteisymmärrykseen muiden osapuolten kanssa siitä, miten siementen laatu mitataan tarkasti. "Työskentelemme nyt yhdessä räätälöityjen ennustemallien kanssa, joiden avulla jokainen ketjukumppani voi kouluttaa oman mallinsa." Jos se on Meestersin tehtävä, nämä mallit ovat vasta alkua. "Mitä enemmän moderni tekniikka on integroitu kasvihuoneisiin, sitä tehokkaampia yrityksiä tulee."