Kunstmatige intelligentie in sierteelt legt bloemkenmerken vast

Veredelaars en kwekers ontwikkelen elk jaar een groot aantal nieuwe bloemen en planten. Voordat ze op de markt komen nemen Floricode (productregistratie) en Naktuinbouw (kwekersrechtonderzoek) een aantal kenmerkende karakteristieken op in hun registratiesysteem. Denk aan de kleur van de bloem of de vorm van de bloemblaadjes. “Hiermee liggen de eigenschappen van deze rassen ondubbelzinnig vast”, zegt Ron Wehrens, business unit manager Biometris van WUR. “Dat is handig voor veilingen. Het beschermt de rechten van de veredelaar, en geeft ook een duidelijke basis aan het systeem van toelating. Nieuwe variëteiten worden namelijk alleen toegelaten tot de markt als ze iets nieuws bieden.”

Omschrijving moet met grootste zorg gebeuren

Een omschrijving van een variëteit moet met de grootste zorg gebeuren en wordt gedaan door specialisten. Om hen te ondersteunen onderzocht het TKI-project MODOMA (Morphological Descriptions of Ornamentals through Machine learning), van Floricode, Naktuinbouw en WUR, de mogelijkheden van kunstmatige intelligentie. De onderzoekers gebruikten foto’s van roos en gerbera - genomen op een gestandaardiseerde wijze - om daaruit bloemkenmerken automatisch te extraheren. Hiervoor koppelden ze de foto’s aan databases van bloemkenmerken.

“Het blijkt dat kunstmatige intelligentie sommige kenmerken van een bloem consequent kan vastleggen. Zo is er in 85% van de gevallen geen twijfel over de kleur”, zegt Ron Wehrens. “Een op de zes bloemen heeft een kleur die een beetje tussen de categorieën in zit. Dan zien we bijvoorbeeld in heel licht gekleurde bloemen twijfel tussen wit, geel, roze en oranje. Juist in dit soort gevallen kan automatisering uiteindelijk tot een betere standaardisatie komen.”

Automatisering maakt proces betrouwbaar

Volgens Wehrens heeft automatisering vele voordelen. “Het proces wordt niet alleen betrouwbaarder en reproduceerbaarder, maar kan ook worden uitgevoerd op plaatsen waar experts niet aanwezig zijn. Het zoeken van vergelijkbare cultivars wordt gemakkelijker en veredelaars kunnen de registratie-informatie in hun eigen bedrijfsvoering en ontwikkeling gebruiken. Ook internationaal gezien wordt harmonisatie eenvoudiger.”

In het onderzoek is ook naar voren gekomen dat een goede kleurregistratie mogelijk is met betrekkelijk eenvoudige opstellingen. Een in het beeld opgenomen kleurenstandaard kan worden gebruikt om te corrigeren voor eventuele verschillen in belichting. Wehrens: “Meer klassieke methoden komen soms tot dezelfde resultaten. Maar AI werkt sowieso efficiënter: de computeralgoritmes kunnen bloemkenmerken herkennen zonder dat de bloem op de foto gescheiden moet worden van de achtergrond.”

De onderzoekers hebben, naast de kleur, ook andere kenmerken getest: een set van 16 kenmerken, verdeeld over de twee gewassen en de databases van Floricode en Naktuinbouw. Elk van deze kenmerken bestond uit twee tot vijf mogelijke waarden (bijvoorbeeld heel klein, klein, middel, groot, heel groot). Hierbij werden nauwkeurigheden behaald van 35-99%, waarbij kenmerken met veel mogelijke waarden moeilijker zijn te herkennen dan bijvoorbeeld kenmerken waarin maar twee niveau’s te vinden zijn. “Daarnaast zijn sommige kenmerken makkelijker te zien in foto’s dan andere”, zegt de onderzoeker. Als voorbeeld geeft hij het hart van de Gerbera. “Het midden van de bloem bestaat uit twee soorten blaadjes. Het is nog moeilijk voor AI om te bepalen hoeveel procent van het hart uit de ene en hoeveel procent uit de andere soort bestaat. Overigens is dat ook moeilijk te zien voor experts. Dat is te verbeteren door het algoritme te trainen met meer foto’s. In de toekomst is veel mogelijk.”