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

Een steeds slimmer samenspel van mens, machine en data

De ontwikkeltrajecten van nieuwe groenterassen zijn lang en geavanceerd. Waar het vroeger decennialang duurde om een nieuw ras te ontwikkelen, is dat inmiddels teruggebracht naar zo'n zes tot zestien jaar, mede dankzij technologische vooruitgang. "Met de invloed van AI, data en IT kunnen we steeds sneller en preciezer keuzes maken", vertelt Amy Christoffels van Rijk Zwaan in een bijdrage die op de website Tweakers is gepubliceerd. Zo wordt het mogelijk om beter in te spelen op klimaatomstandigheden, lokale plantenziektes, en de eisen van kasteelt in Europa. Dit vindt Amy belangrijk: "Hiermee krijg je planten die resistent zijn zonder chemicaliën te gebruiken." Het gebeurt wereldwijd, van de natte tropen tot de droge woestijngebieden. Overal moeten groenterassen presteren, en dat vraagt om innovatie.

Traditioneel ging het beoordelen van rassen - het fenotyperen - met het blote oog. Digitale fenotypering brengt daar verandering in. Het principe is simpel, maar de uitvoering complex: met geavanceerde apparatuur worden groenten, zoals paprika's, van verschillende kanten gefotografeerd. Op basis van algoritmes worden vervolgens talloze uiterlijke eigenschappen geanalyseerd. "Je kunt zo bijvoorbeeld tot op drie decimalen nauwkeurig bepalen hoe rood of hoe groen een paprika is, en alle gekke bobbeltjes worden herkend", legt Amy uit. Door dit proces te automatiseren, ontstaat er een stroom aan data die veel sneller en consistenter is dan handmatige beoordeling. "En die data helpen ons om sneller betere keuzes te maken in het veredelingsproces."

Geen wondermiddel
Digitale fenotypering is een wondermiddel zonder haken of ogen. "Die algoritmes maken nog steeds fouten", zegt Amy nuchter. "Zeker in de beginfase zijn er veel iteraties nodig. Soms ziet het systeem een bordje in het veld en denkt het: 'dat is een rare plant'. Dan moet je het algoritme leren dat het géén plant is."Het ontwikkelen en optimaliseren van algoritmes vergt veel tijd en expertise

Het ontwikkelen en optimaliseren van zulke algoritmes vergt veel tijd en expertise. Rijk Zwaan werkt hiervoor samen met gespecialiseerde externe partijen, maar doet ook veel zelf. "Het annoteren van de data, dus het handmatig aangeven wat er op een foto is te zien, doen we bewust intern. Wij hebben daar zelf de meeste kennis over. Het is goedkoper om dat uit te besteden, maar dan verlies je kwaliteit."

Bron: Tweakers