Schrijf je in voor onze dagelijkse nieuwsbrief om al het laatste nieuws direct per e-mail te ontvangen!

Inschrijven Ik ben al ingeschreven

U maakt gebruik van software die onze advertenties blokkeert (adblocker).

Omdat wij het nieuws gratis aanbieden zijn wij afhankelijk van banner-inkomsten. Schakel dus uw adblocker uit en herlaad de pagina om deze site te blijven gebruiken.
Bedankt!

Klik hier voor een uitleg over het uitzetten van uw adblocker.

Meld je nu aan voor onze dagelijkse nieuwsbrief en blijf up-to-date met al het laatste nieuws!

Abonneren Ik ben al ingeschreven

Orchideeën tellen door middel van 'deep learning'

Robots en en andere soorten automatisering zijn tegenwoordig overal aanwezig. Een voorbeeld hiervan is het tellen van het aantal bloemen en knoppen bij phalaenopsis planten. Computers kunnen dit veel sneller dan mensen, maar er zit hierbij wel een addertje onder het gras. Het aantal open bloemen van de phalaenopsis plant blijft namelijk toenemen terwijl deze vervoerd en geleverd wordt, maar het kan zijn dat computers door deze open bloemen andere bloemen of knoppen niet goed kunnen zien. Om dit op te lossen, heeft Hans Izeboud van Aris zich gericht op 'deep learning'.

Aris ontwikkelt en installeert robot en camera systemen voor de beoordeling van planten en dieren. Wereldwijd hebben ze meer dan 1000 werkende systemen lopen. Een van onze meest succesvolle systemen wordt gebruikt voor de beoordeling van vlinderorchideeën (phalaenopsis). De beoordeling vindt plaats op basis van visuele aspecten: lengte, het aantal takken, bloemknoppen en bloemen, kleur, het patroon van de bloem enzovoort. "Maar meer en meer bloemen zijn al open wanneer de phalaenopsis bezorgd wordt. De bloemen kunnen in de weg zitten van andere bloemen en knoppen, waardoor het lastig wordt om deze goed te tellen. Daarom hebben we Fizyr gevraagd om een studie uit te voeren om te kijken of 'deep learning' hierbij kan helpen."



Deep learning
Fizyr is in 2014 opgericht door Prof. Martijn Wisse als een spin off van de Technische Universiteit Delft onder de naam 'Delft Robotics’. Het doel was om, als gebruiker van robotica, kleine en medium bedrijven te helpen om hun voordeel te doen met robotica. Fizyr ontwikkelt software voor robots zodat deze dankzij het gebruik van machine vision kunnen omgaan met ieder onbekend object. Het 'deep learning' algoritme dat het bedrijf heeft ontwikkeld zorgt ervoor dan producten worden herkend, een kwaliteitscontrole kan worden uitgevoerd en heeft daarnaast een 6 DoF precisie om voorwerpen vast te pakken. 

Maar hoe werkt dit precies? Herbert ten Have, de directeur van Fizyr: "We trainen onze algoritmes door het duizenden 2D of 3D afbeeldingen voor te leggen die bij het dagelijks leven horen. Het neurale netwerk 'leert zichzelf' dit aan en onthoudt de voorbeelden die we hebben gegeven. Dat is de simpele uitleg. Al het moeilijke werk wordt gedaan door ons briljante team van multidisciplinaire technici." 



Uitdagingen
Fizyr was een dubbele winnaar bij de Amazon Picking Challenge. Dit was een uitdaging om verschillende voorwerpen tussen een plank en een afvalbak op te pakken en op te bergen. Naast de ongestructureerde omgeving waren de grootste uitdagingen bij deze uitdaging 3D visie, het plannen van bewegingen, het vastpakken van een voorwerp, het plannen van de taken en robuustheid. 

Herbert staat stil bij dit succes en de resultaten die het bedrijf in 2017 heeft behaald. "We richten ons op het oplossen van de uitdagingen van wereldwijde leidende machinefabrieken en systeemintegrators", vertelt hij. "We lossen vaak hun eerste en meest belangrijke vraag op; kan een deep learning algoritme getraind worden om om te gaan met variatie en is deze robuust genoeg om voor de nodige antwoorden te zorgen? We beginnen vaak met een snelle PoC (Proof of Concept) om hen deze antwoorden te geven. Zien dat onze klanten onder de indruk zijn van onze techniek geeft ons team in Delft altijd veel voldoening."




In de onderste foto zijn de knoppen en bloemen herkend door Fizyr's deep learning techniek. De knoppen worden aangegeven met groene vierkanten en de stamper wordt aangegeven met rode vierkanten (iedere bloem heeft een stamper, dus eigenlijk worden de stampers geteld en niet de bloemen zelf). Foto: Aris

Orchideeën
Hoe kan deze technologie de bloementeelt sector vooruit helpen? "Fizyr kan processen binnen de bloementeelt sector automatiseren waarbij dit voor kort nog onmogelijk was, omdat er niet genoeg computers waren die met variatie om konden gaan", vertelt Herbert. "Ons deep learning algoritme voegt een stuk begrip toe waardoor de computer autonome beslissingen kan maken tijdens processen, zoals het identificeren van producten, kwaliteitscontrole, tellen, oppakken en manipuleren."

Fizyr heeft recent projecten gedaan voor drie multinationals in de bloementeelt sector. En dan zijn er nog de orchideeën: Herbert zegt dat de eerste versie van hun algoritme al preciezer werkte dan mensen. Op dit moment zijn ze nog bezig om de robotica geschikt te maken voor alle typen en kleuren orchideeën. 

Hans Izeboud bevestigt dat de eerste resultaten van het project dat Fizyt voor Aris heeft uitgevoerd goed lijken. "We geloven sterk in deep learning als methode voor de beoordeling van natuurlijke producten, en we zijn erg tevreden over onze samenwerking met Fizyr," vertelt hij.

Voor meer informatie:
Fizyr
Julianalaan 67a
2628 BC Delft
The Netherlands
+31 15 760 1686
info@fizyr.com
www.fizyr.com

Aris
Zeelsterstraat 80
5652 EL Eindhoven
The Netherlands
T: +31(0)402127466
F: +31(0)402127452
info@arisbv.nl
www.arisbv.nl
Publicatiedatum: