Automatic morphological descriptions of ornamental crops through machine learning

Automatic morphological descriptions of ornamental crops through machine learning

Aantal projecten

1

Organisatie onderdeel

TKI TU

Project code

LWV20172

Primaire MMIP

Landbouw, Water, Voedsel>Sleuteltechnologieën LWV>Smart Technologies in Agri-Horti-Water-Food

Start datum

01/02/21

Eind datum

31/12/23

Samenvatting

Morphological descriptions of ornamental crops are important for several different reasons, e.g.,
registration purposes, and assessment of distinctness, uniformity and stability (DUS testing). Currently,
these descriptions are obtained manually by highly skilled and trained specialists. Automation of this
description process through application of machine learning would lead to more consistent, objective
and high-quality results. The technology could easily be spread among stakeholders all over the world,
which would place the internationally-oriented Dutch floriculture industry in a prime position.
In this project, two species will be considered: Gerbera and Rose. On the basis of expert knowledge and
data availability a subset of characteristics will be selected for which automatic classification will be
implemented on the basis of color images (RGB) of the flowers. The classification will be done with state-
of-the-art machine learning approaches such as deep learning. The obtained characteristics will then be
compared to existing databases to answer questions related, a.o., to DUS testing. Finally, a software
prototype will be built incorporating the trained classifiers which is able, given an image of a Gerbera or
Rose flower, to present the required classification.

Doel van het project

Het project zal bijdragen tot een beter begrip en een betere benutting van moderne machine-learning technieken in het agri-domein.

Relatie met missie (Motivatie)

Moderne toepassingen van kunstmatige intelligentie (AI) zijn soms verbluffend – in andere gevallen verbeteren ze de resultaten van veel simpeler analyses niet. Per geval moet dus onderzocht worden wat de waarde van AI is. In dit geval gaat het om de analyse van beelden bij de private partners, om te zien in welke mate morfologische beschrijvingen van bloemen (gerbera en roos) op automatische wijze verkregen kunnen worden.

Geplande acties

• Projectbijeenkomsten (hele consortium): twee maal per jaar
• Bijeenkomsten stuurgroep: tweemaandelijks (4 bijeenkomsten in 2021)
• Bijeenkomsten projectgroep: tweemaandelijks (4 bijeenkomsten in 2021)
• Bijeenkomsten klankbordgroep: halfjaarlijks (1 bijeenkomst in 2021)
• Milestones: rapporten die de constructie van de core data sets beschrijven (Floricode/Roos, Floricode/Gerbera en Naktuinbouw/Gerbera zijn gereed, december 2021; Naktuinbouw/Roos begin 2022)
• Deliverable: rapport dat de resultaten van de segmentatie van de beelden van de private partners beschrijft.

Aantal projectleiders

1

Naam projectleider

Ron Wehrens
Terug

Geef een antwoord

Het e-mailadres wordt niet gepubliceerd.