bollen-bloemen-innovatie7

Bollenrevolutie 4.0: Boleigenschappen detecteren met 3D-camera’s

Goede en afwijkende bollen van elkaar scheiden door middel van een 3D-camera? Het blijkt mogelijk uit de resultaten van een onderzoek van Wageningen University & Research (WUR). Met behulp van deep learning wordt een dataset met foto's gemaakt die verder moet groeien om er voor te zorgen dat het netwerk nog beter wordt in het detecteren van verschillende afwijkingen.
Bollen-onder-camera-pps-bollrevolutie-4.0-greenportdb

In het rooiseizoen is bij de firma VOF Dogterom Flowerbulbs onderzoek gedaan om, met camera’s, de bolkwaliteit tijdens de verwerking te beoordelen. Hiervoor werden uit een geoogste partij – met de hand – bollen met een bepaald kenmerk geselecteerd, denk hierbij aan peren, slecht gepelde bollen, mechanisch beschadigde bollen en bollen met een gescheurde huid.

De controle bevatte bollen zonder afwijkingen in klein, middel en groot formaat. Vervolgens werden, met een gecombineerde kleuren- en 3D-camera, foto’s gemaakt van de bollen. Met behulp van zogeheten deep learning is op de computer een netwerk getraind om de goede en afwijkende bollen automatisch te detecteren. Deep learning stelt computers in staat om nieuwe dingen te leren van grote hoeveelheden data, waarbij het niet uitmaakt of die data bestaan uit getallen, tekst, geluid of beeld. Het is van belang om dit netwerk verder te trainen en de dataset met foto’s uit te breiden. Bij een grotere dataset wordt het netwerk beter in het detecteren van de verschillende afwijkingen.

Gelijkmatige groei

Daarnaast is er ook gekeken of het mogelijk is om met deze camera’s het bolvolume te bepalen. Het idee is dat bollen met een gelijk volume in de broeierij ook leiden tot een gelijkmatigere bloei. Dit zou voordelen kunnen opleveren bij het oogsten van de bloemen.
Op basis van de 3D-beelden is het volume van de bollen berekend en vergeleken met diezelfde handmatige metingen. De relatie tussen de handmatige volumebepaling en de berekening op basis van de 3D-beelden was heel goed! Eind van dit jaar weten we hoe goed de dataset zijn werk doet. Op basis van deze resultaten bepalen we hoe we verder gaan.

Cremer Speciaalmachines is ook betrokken bij dit onderzoek en, indien succesvol, kan deze techniek aan tel- en sorteermachines gekoppeld worden. Vooralsnog zijn de resultaten van dit onderzoek positief en lijken er goede technische mogelijkheden om camera’s in te zetten bij de selectie van bollen.

Onderzoek PPS Bollenrevolutie 4.0

Het onderzoek in dit werkpakket maakt deel uit van de PPS Bollenrevolutie 4.0 en richt zich op het detecteren en direct verwijderen van zieke of afwijkende bollen, zodra deze uit de grond zijn. Tegelijkertijd worden ook andere metingen met het oog op de kwaliteit meegenomen. Het gaat hierbij zowel om direct leverbare bollen voor de broeierij of het openbaar groen en plantgoed voor het volgende teeltseizoen.

Bollenrevolutie 4.0 is een vierjarig onderzoeksprogramma van de topsector Tuinbouw & Uitgangsmaterialen van het ministerie van LNV. 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 TechnNature. Economic Board Greenport Duin & Bollenstreek en Rabobank Bollenstreek dragen vanuit hun Innovatiefondsen bij aan de financiering. Een korte toelichting over deze PPS staat op de site.

Contactpersoon: Jos Ruizendaal, jos.ruizendaal@wur.nl.
Wageningen University & Research

Bollenrevolutie 4.0: Boleigenschappen detecteren met 3D-camera’s