Betere ziektedetectie in tulpen dankzij deep learning

​'Deep learning' klinkt veelbelovend. Maar kan de methode ook gebruikt worden voor het leren herkennen van ziektes in tulpen? Daarvoor liet de Business Unit Glastuinbouw en Bloembollen van Wageningen University & Research oude beelden van geïnfecteerde tulpen opnieuw analyseren. Deep learning blijkt inderdaad beter ziektes te herkennen dan 'traditionele' beeldherkenning.

Zo'n tien jaar geleden werden op een veld tulpen geplant die waren geïnfecteerd met het Tulip Breaking Virus (Tbv). De bollen stonden verspreid tussen gezonde exemplaren. Onderzoekers gebruikten beeldherkenning om zieke exemplaren te detecteren. Daarvoor werden camera's gebruikt die naast de standaard kleurenkanalen (rood, groen en blauw) ook een infraroodkanaal had. Met deze camera werden beelden gemaakt van de zieke en gezonde tulpen. De bevindingen van de beeldherkenning werden vergeleken met die van keurmeesters van de bloembollenkeuringsdienst (BKD).

Betere resultaten met deep learning
Tijdens een nieuw onderzoek in 2020 werd gekeken of de traditionele beeldherkenning vervangen kon worden door deep learning. Het onderzoek werd uitgevoerd door twee studenten Agrotechnologie, respectievelijk Nick van de Westeringh en Brian Barbieri. Ze gebruikten daarbij de beelden die tien jaar geleden werden gemaakt. De resultaten van deep learning-methode werden vergeleken met die van de traditionele beeldherkenning en de keurmeesters.

Uit het onderzoek blijkt dat deep learning inderdaad leidt tot betere resultaten. Deep learning is bovendien veel goedkoper omdat het kan worden gedaan met een standaard kleurencamera zonder infrarood-kanaal. Potentieel kan deep learning zichzelf aanpassen aan bijvoorbeeld een nieuw gewas of nieuw seizoen. Hiervoor hoeft dan niet zoals in het verleden het algoritme getuned te worden want het systeem leert van nieuw aangeboden data.

Bollenrevolutie 4.0
Het onderzoek vond plaats in het kader van Bollenrevolutie 4.0. De uitvoering van deze Publiek-Private Samenwerking ligt bij een consortium van zeven partners. Dit zijn: KAVB, Anthos, Wageningen University & Research (WUR), Cremer Speciaalmachines B.V., Machinefabriek Steketee B.V., Agrisim B.V., BKD en TechNature B.V. Economic Board Greenport Duin & Bollenstreek en Rabobank Bollenstreek dragen vanuit hun Innovatiefondsen bij aan de financiering.​

bron: Wageningen UR


Publicatiedatum:



Ook onze nieuwsbrief ontvangen? | Klik hier


Ander nieuws uit deze sector:


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

Inschrijven Ik ben al ingeschreven