WP1 Fenotypering

Het doel van WP Next generation phenotyping is om met dit consortium specifieke phenotyping tools te ontwikkelen. De focus ligt op het objectief, betrouwbaar en efficiënt meten aan eigenschappen van planten en producten van voedselgewassen met behulp van een range aan geavanceerde sensoren, om vervolgens de opschalingsmogelijkheden te benutten die ontstaan bij het verzamelen, opslaan en gebruiken van grote hoeveelheden fenotyperingsdata vanuit verschillende systemen/ machines en robots.

De fenotyperingsdata zal zorgen voor een grondig inzicht in kwaliteitsontwikkelingen over de tijd voor een breed scala aan voedselgewassen. Doel is de ontwikkeling van tools om automatisch planten en producten te analyseren om de inspectie werkzaamheden van oa veredelaars en product expert te ondersteunen via automatisering.

De selectieve en handmatige oogst van broccoli is arbeidsintensief en omvat ongeveer 35% van de totale productiekosten. Automatisering van de oogst zou daarom een aanzienlijke kostenbesparing opleveren. Een zelfstandig werkende oogstmachine moet in staat zijn broccoli in het veld te detecteren èn de grootte en rijpheid van de broccoli vast te stellen.

Dit project is uitgevoerd om te bepalen of computer vision kan worden gebruikt om broccoli in het veld te detecteren, als eerste stap in de ontwikkeling van een autonome selectieve broccoli oogstrobot. Een op textuur en kleur gebaseerde beeld detectie is gebruikt om de broccoli’s van de achtergrond te scheiden. De automatische detectie is in veldproeven onderzocht en geëvalueerd met 200 beelden van broccoli van verschillende grootte.

De resultaten vertoonden een veelbelovende detectie nauwkeurigheid van 92.4%. Indien broccoli’s slechter zichtbaar zijn of overschaduwd worden door omringende bladeren is het mogelijk dat de computer vision misclassificaties levert.