종자 롯트에서 건강한 토마토 식물은 몇 개나 생산됩니까? Wageningen University & Research의 Agro Food Robotics의 연구원은 종자 육종가와 재배자에게이 질문에 대한 빠르고 객관적인 답변을 제공하여 비용을 절감하고 효율성을 높이는 자동 발아 테스트를 개발했습니다.
재배자는 균일 한 식물을 제공하기를 원하므로 주문한 종자의 품질을 알고 싶어합니다. 한 묶음의 종자가 생산되는 식물은 몇 개입니까? 성장이 뒤쳐 지거나 줄기가 꼬이거나 잎이없는 표본이 있습니까? 종자 육종가와 재배자 모두 발아 테스트를 수행합니다.
이 테스트를 통해 재배 된 식물은 회사의 자체 기준과 재배 방법에 따라 수동으로 평가됩니다. 예를 들어 종자 육종가는 일년 내내 정확히 동일한 조건에서 재배하는 반면 상업 온실에서는 이러한 조건이 계절에 따라 다를 수 있습니다. . 그러므로 발아 테스트 결과는 서로 다를 수 있습니다. 이로 인해 종자 육종가가 종자의 품질에 동의하고 재배자가 묘목 생산을 적절하게 추정하기가 어렵습니다.”라고 Wageningen University & Research의 Agro Food Robotics 연구원 인 Lydia Meesters는 말합니다.
신경망
프로젝트에서 육종 회사 및 재배자를위한 첨단 식물 표현형 도구 활용 (2018-2021), Wageningen University & Research의 Agro Food Robotics의 연구원들은 이러한 문제를 제거하는 표준화 된 자동 발아 테스트를 개발했습니다.
"우리는 MARVIN 카메라 시스템을 사용하여 토마토 묘목의 고속 필름을 대량으로 만들고 분류 소프트웨어에 연결합니다."라고 Meesters는 말합니다. “이 소프트웨어는 컴퓨터가받은 정보를 기반으로 학습 할 수 있도록하는 인공 지능의 한 형태 인 신경망 (딥 러닝)을 사용합니다. 이 경우 우리는 2 차원과 3 차원 이미지를 모두 만듭니다.”
더 나은 예측
이 프로젝트의 XNUMX 개 파트너 중 한 명은 Warmenhuizen의 Bejo Zaden 연구원 인 Paul Verbruggen입니다. "우리는 항상 우리 종자에서 토마토 식물의 품질과 균일 성을 더 잘 예측하기 위해 노력하고 있습니다."라고 그는 설명합니다.
이 목표는 Wageningen 연구 덕분에 이제 도달했습니다. "Marvin 카메라 시스템은 이미 식물의 품질을 매우 잘 예측하는 것으로 보입니다."라고 Verbruggen은 말합니다. “인공 지능과 같은 새로운 기술을 추가하면 안정성이 크게 향상됩니다. 첫 번째 결과는 또한 토마토 식물의 2D 또는 3D 이미지 수집 여부가 중요하지 않음을 나타냅니다. "Bejo Zaden이 이미 좋은 시스템을 사용하고 있음을 확인하기 때문에 우리에게 좋은 소식입니다."
효율적으로 작업
Verbruggen은 또한 종자 품질을 정확히 측정하는 방법에 대해 다른 당사자와 합의에 도달하는 것이 어렵다고 지적했습니다. "우리는 이제 각 체인 파트너가 자체 모델을 훈련 할 수있는 맞춤형 예측 모델을 위해 협력하고 있습니다." Meesters에게 달려 있다면이 모델은 시작에 불과합니다. "현대 기술이 온실에 더 많이 통합 될수록 기업은 더 효율적이됩니다."