یک دانه گوجه فرنگی چند گیاه سالم تولید می کند؟ محققان Agro Food Robotics در دانشگاه و تحقیقات Wageningen یک آزمایش جوانه زنی خودکار ایجاد کرده اند که به پرورش دهندگان بذر و پرورش دهندگان پاسخ های سریع و عینی به این سوال می دهد و باعث صرفه جویی در هزینه و افزایش کارایی می شود.
پرورش دهندگان دوست دارند گیاهان یکنواخت تحویل دهند و بنابراین می خواهند از کیفیت بذری که سفارش می دهند بدانند. یک دسته بذر چند گیاه تولید می کند؟ آیا نمونه هایی وجود دارند که از نظر رشد عقب هستند، دارای ساقه پیچ خورده یا برگ گم شده باشند؟ هم پرورش دهندگان بذر و هم پرورش دهندگان آزمایش های جوانه زنی را انجام می دهند.
گیاهانی که از این آزمایشها رشد میکنند به صورت دستی و بر اساس معیارها و روشهای رشد خود شرکت ارزیابی میشوند. برای مثال، یک پرورشدهنده بذر در تمام طول سال دقیقاً در شرایط مشابه کشت میکند، در حالی که در گلخانههای تجاری این شرایط میتواند در هر فصل متفاوت باشد. . بنابراین، نتایج آزمایشهای جوانهزنی میتواند با یکدیگر متفاوت باشد. لیدیا میسترز، محقق در Agro Food Robotics در دانشگاه و تحقیقات Wageningen میگوید که این امر باعث میشود که پرورشدهندگان بذر در مورد کیفیت بذر به توافق نرسند و پرورشدهندگان تخمین درستی از تولید نهالها داشته باشند.
شبکه های عصبی
در پروژه بهرهبرداری از ابزار فنوتیپسازی گیاهی با تکنولوژی بالا برای شرکتهای اصلاحکننده و پرورش دهندگان (۲۰۱۸-۲۰۲۱)محققان Agro Food Robotics در دانشگاه و تحقیقات Wageningen یک آزمایش جوانهزنی استاندارد و خودکار ایجاد کردند که این مشکلات را برطرف میکند.
میستر میگوید: «ما با سیستم دوربین MARVIN خود، تعداد زیادی فیلم با سرعت بالا از نهالهای گوجهفرنگی میسازیم و آنها را به نرمافزار طبقهبندی پیوند میدهیم. این نرم افزار از شبکه های عصبی (یادگیری عمیق) استفاده می کند، نوعی هوش مصنوعی که رایانه ها را قادر می سازد بر اساس اطلاعاتی که دریافت می کنند، یاد بگیرند. در این حالت ما تصاویر دو بعدی و سه بعدی می سازیم.
پیش بینی بهتر
یکی از یازده شریک این پروژه، پل وربروگن، محقق Bejo Zaden در Warmenhuizen است. او توضیح میدهد: «ما همیشه به دنبال پیشبینی بهتر کیفیت و یکنواختی گیاهان گوجهفرنگی از بذر خود هستیم.
این هدف اکنون به لطف تحقیقات Wageningen در دسترس است. Verbruggen می گوید: «به نظر می رسد که سیستم دوربین Marvin قبلاً کیفیت گیاهان را به خوبی پیش بینی می کند. هنگامی که فناوری جدیدی مانند هوش مصنوعی را اضافه می کنید، قابلیت اطمینان به میزان قابل توجهی افزایش می یابد. اولین نتایج همچنین نشان می دهد که مهم نیست که شما تصاویر دو بعدی یا سه بعدی از گیاهان گوجه فرنگی را جمع آوری کنید. "برای ما خوب است که بدانیم، زیرا تایید می کند که Bejo Zaden در حال حاضر از یک سیستم خوب استفاده می کند."
کارآمد
Verbruggen همچنین اشاره کرد که رسیدن به اجماع با سایر طرف ها در مورد چگونگی دقیق اندازه گیری کیفیت بذر دشوار است. ما اکنون در حال کار روی مدلهای پیشبینی سفارشی هستیم که هر شریک زنجیرهای میتواند مدل خود را آموزش دهد.» اگر به Meesters بستگی دارد، این مدل ها تازه شروع کار هستند. هرچه فناوری مدرن در گلخانهها ادغام شود، شرکتها کارآمدتر میشوند.»