Eigenschappen van bloembollen detecteren met 3D-camera's

Voor het onderzoek werden bloembollen met een bepaald kenmerk handmatig geselecteerd uit een geoogste partij. Denk 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. Via deep learning is op de computer een netwerk getraind om de goede en afwijkende bollen automatisch te detecteren. Om dit netwerk te trainen, is een grote dataset met foto's nodig. Bij zo'n grote dataset wordt het netwerk beter in het detecteren van de verschillende afwijkingen.

Bolvolume

Ook is 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 handmatige metingen van het volume. De relatie tussen de handmatige volumebepaling en de berekening op basis van de 3D-beelden was goed. Eind van dit jaar weten onderzoekers hoe goed de dataset zijn werk doet.

Cremer Speciaalmachines is betrokken bij dit onderzoek. Het bedrijf koppelt deze techniek bij succes aan tel- en sorteermachines. De resultaten van dit onderzoek zijn tot nu toe positief, er lijken goede technische mogelijkheden te zijn om camera's in te zetten bij de selectie van bollen.

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 om direct leverbare bollen voor de broeierij of het openbaar groen en om 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, Cremer Speciaalmachines, Machinefabriek Steketee, Agrisim, BKD en TechnNature.