Wageningen, The Netherlands
June 3, 2021
How many healthy tomato plants will a seed lot yield? Researchers from Agro Food Robotics at Wageningen University & Research have developed an automatic germination test that gives seed breeders and growers quick and objective answers to this question, saving cost and increasing efficiency.
Growers like to deliver uniform plants and therefore want to know the quality of the seed they order. How many plants does a batch of seed yield? Are there specimens that lag behind in growth, have a twisted stem, or a missing leaf? Both seed breeders and growers carry out germination tests.
The plants grown from these tests are assessed manually, and according to the company's own criteria and growing methods.A seed breeder, for instance, cultivates under exactly the same conditions the whole year round, whereas in a commercial greenhouse these conditions can vary per season. "The results of germination tests can, therefore, differ from one another. This makes it difficult for seed breeders to agree on the quality of the seed and for growers to properly estimate the production of seedlings," says Lydia Meesters, researcher at Agro Food Robotics at Wageningen University & Research.
Neural networks
In the project Exploitation of high-tech plant phenotyping tools for breeding companies and growers (2018-2021), researchers from Agro Food Robotics at Wageningen University & Research developed an automatic, standardised germination test that eliminates these problems.
"With our MARVIN camera system, we make a large number of high-speed films of tomato seedlings and link them to classification software," says Meesters. "The software uses neural networks (deep learning), a form of artificial intelligence that enables computers to learn based on the information they receive. In this case we make both 2-dimensional and 3-dimensional images."
Tomatoplant inside multicamerasystem MARVIN
Better prediction
One of the eleven partners in the project is Paul Verbruggen, researcher at Bejo Zaden in Warmenhuizen. "We are always looking to better predict the quality and uniformity of tomato plants from our seed," he explains.
That goal is now within reach thanks to the Wageningen research. "The Marvin camera system already appears to predict the quality of plants quite well," says Verbruggen. "When you add new technology, such as artificial intelligence, the reliability increases significantly. The first results also indicate that it does not matter whether you collect 2-D or 3-D images of tomato plants. "For us it's nice to know, because it confirms that Bejo Zaden are already using a good system."
Working efficiently
Verbruggen also noted that it is difficult to reach consensus with other parties on how exactly to measure seed quality. "We are now working together on tailor-made predictive models, with which each chain partner can train its own model." If it is up to Meesters, these models are just the beginning. "The more that modern technology is integrated into greenhouses, the more efficient companies become."
Automatische kiemtest geeft inzicht in kwaliteit tomatenzaad
Hoeveel gezonde tomatenplanten levert een partij zaad? Onderzoekers van Agro Food Robotics van Wageningen University & Research ontwikkelden een automatische kiemtest die zaadveredelaars en kwekers snel en objectief antwoord geeft op deze vraag. Bedrijven kunnen hierdoor efficiënter gaan werken.
Kwekers leveren graag uniforme planten af en willen daarom weten wat de kwaliteit is van het zaad dat ze bestellen. Hoeveel planten levert een partij zaad op? Zijn er exemplaren bij die achterblijven in de groei, met een kronkel in de steel, of met een blad te weinig? Zowel zaadveredelaars als kwekers doen daarom kiemtesten.
De beoordeling van de planten die hieruit komen gebeurt handmatig, en volgens bedrijfseigen criteria en opkweekmethoden. Zo kweekt een zaadveredelaar het hele jaar door onder exact dezelfde omstandigheden, terwijl die in een kas per seizoen kunnen variëren. “De uitkomsten van kiemtesten kunnen daardoor van elkaar verschillen. Dat maakt het voor zaadveredelaars lastig afspraken te maken over de zaadkwaliteit en voor kwekers om de opkweek-productie goed in te schatten” zegt Lydia Meesters, onderzoeker bij Agro Food Robotics van Wageningen University & Research.
Neurale netwerken
Onderzoekers van Agro Food Robotics van Wageningen University & Research ontwikkelden in het project Exploitation of high-tech plant phenotyping tools for breeding companies and growers (2018-2021) een automatische, gestandaardiseerde kiemtest die deze problemen de wereld uit helpt.
“We maken met ons MARVIN-camerasysteem in hoog tempo een groot aantal opnames van tomatenkiemplanten en koppelen die aan classificatiesoftware,” vertelt Meesters. “Die is uitgerust met neurale netwerken (deep learning), een vorm van kunstmatige intelligentie die computers in staat stelt dingen te leren op basis van de informatie die ze aangeboden krijgen, in dit geval beelden van het boven en zijaanzicht van planten (2-dimensionaal) en 3-dimensionale beelden.”
Beter voorspellen
Een van de elf partners in het project is Paul Verbruggen, onderzoeker bij Bejo Zaden in Warmenhuizen. “We willen de kwaliteit en uniformiteit van de tomatenplanten die uit ons zaad groeien nog beter kunnen voorspellen,” legt hij uit.
Dat doel komt dankzij het Wageningse onderzoek nu binnen handbereik. “Het Marvin-camerasysteem blijkt de kwaliteit van planten al behoorlijk goed te voorspellen,” vertelt Verbruggen. “Als je het uitbreidt met nieuwe technologie, zoals kunstmatige intelligentie, gaat de betrouwbaarheid nog verder omhoog.”
De eerste resultaten wijzen er ook op dat het niet uitmaakt of je 2-D of 3-D beelden van tomatenplanten verzamelt. “Voor ons fijn om te weten, want het betekent dat we in ons bedrijf al werken met een goed systeem.”
Efficiënt werken
Verbruggen constateerde ook dat het moeilijk is om met andere partijen tot consensus te komen over hoe je de kwaliteit van zaad nu precies meet. “We werken nu samen aan voorspellende modellen op maat, waarmee iedere ketenpartner zijn eigen model kan trainen.” Als het aan Meesters ligt, zijn deze modellen nog maar het begin. “Hoe meer moderne technologie geïntegreerd wordt in kassen, hoe efficiënter bedrijven kunnen gaan werken.”
Species
