Sztuczna inteligencja do przesadzania wyłącznie zdrowych młodych roślin do szklarni

Oryginalny artykuł autorstwa Vision + Robotics

Projekt Dynamic Machine Learning ma na celu modelowanie i przewidywanie złożonych cech jakościowych świeżych produktów rolnych. Jednym z zadań projektu jest stworzenie zautomatyzowanej metody selekcji wyłącznie zdrowych młodych roślin do przesadzenia do szklarni. Naukowcy z WUR Vision + Robotics połączyli siły z firmą Visconw celu opracowania nowej technologii, która pozwoli zautomatyzować ten proces ogrodniczy. Technologia ta umożliwi hodowcom odsortowanie roślin niezdolnych do życia przed przeniesieniem ich do szklarni, oszczędzając zasoby dla zdrowych roślin.

 

Projekt koncentruje się na roślinach pochodzących z hodowli tkankowej jako jednej z kluczowych obecnie upraw rolniczych, ale technologia, którą naukowcy zamierzają opracować, może mieć zastosowanie w przypadku wielu innych ważnych upraw rolniczych. Rośliny powstają w hodowli tkankowej, następnie są przesadzane do tacek, a na koniec młode rośliny przenoszone są do szklarni. Sortowanie i selekcja zdrowych roślin, które mają zostać przesadzone do kolejnego etapu uprawy, jest często wykonywana ręcznie przez hodowców. Wizualna kontrola roślin na każdym etapie jest pracochłonnym zadaniem. W holenderskich szklarniach proces sortowania jest już zautomatyzowany, ale to, co sprawia, że obecne badania są wyjątkowe, to fakt, że klasyfikacja roślin i przewidywanie, czy przetrwają one adaptację do warunków panujących w szklarni, będzie odbywać się za pomocą sztucznej inteligencji.

Uczenie maszynowe i fenotypowanie roślin mogą ułatwić wybór i sortowanie zdrowych młodych roślin.

Suzane Pols, kierownik zespołu ds. nauk o roślinach w Viscon: „Uczenie maszynowe i fenotypowanie roślin to dwa gorące tematy w rolnictwie i ogrodnictwie. Chcemy wykorzystać te dziedziny, aby zwiększyć wartość procesu uprawy roślin hodowanych w kulturze tkankowej. Pytanie brzmi: czy możemy przekształcić to, co obserwujemy wizualnie w roślinach, oraz dane zebrane na podstawie tych obserwacji, w użyteczne informacje, które mogą wykorzystać hodowcy? Celem jest sprawienie, aby selekcja i sortowanie zdrowych młodych roślin do przesadzania stało się dla hodowców w pełni zautomatyzowanym i mniej pracochłonnym zadaniem”.

A czym jest zdrowa roślina? „Jest to kwestia budząca wiele kontrowersji w botanice. Mamy nadzieję, że uczenie maszynowe pomoże nam zidentyfikować kluczowe cechy pozwalające przewidzieć stan zdrowia roślin, a następnie oddzielić zdrowe rośliny, aby usprawnić proces sortowania” – mówi Pols.

Kamera RGB z obiektywem pecycentrycznym

„Opracowujemy technologię, która umożliwia wykonanie zdjęcia korzeni i pędów rośliny, a następnie wykorzystuje przetwarzanie obrazu i ostatecznie głębokie uczenie się do określenia, czy roślina jest zdrowa. Chcemy, aby metoda ta była zautomatyzowana, niezawodna, powtarzalna i skalowalna” – wyjaśnia Lydia Meesters, kierownik projektu i naukowiec zajmujący się wizją komputerową w programie Vision + Robotics na Uniwersytecie Wageningen (WUR).

Projekt przyniósł już jedną nową innowację technologiczną: zespół opracował kamerę RGB z obiektywem perycentrycznym, która może uchwycić 360 stopni w każdym kierunku na jednym zdjęciu. Obiektyw nie tylko wizualizuje spód sadzonki młodej rośliny, ale także jej boki, dając naukowcom pełny obraz korzeni rośliny.

„Jesteśmy w trakcie przeprowadzania studium wykonalności: czy możemy wykonać zdjęcia cech roślin niezbędnych do określenia ich stanu zdrowia? A jeśli tak, to w jaki sposób możemy optymalnie wizualizować te cechy przy użyciu łatwej i skalowalnej techniki? Będziemy nadal badać tę kwestię w najbliższym czasie” – podsumowuje Meesters.