Project Vito

Home » Projecten » Project Vito

beeldannotaties-Fruitsoorten-detail-vito-01

beeldannotaties-Fruitsoorten-detail-vito

Vraag van de klant

In samenwerking met Maria Culman Forero en Stephanie Delalieux van Vito(Remote Sensing) heeft ons team geholpen bij het trainen van een deep learning algoritme dat de hoeveelheid vruchten van duizenden individuele bomen in boomgaarden moet tellen.*

Slimme technologieën, zoals kunstmatige intelligentie (AI) en deep learning, hebben de potentie om diverse sectoren te revolutioneren. De landbouw is daar geen uitzondering op. De landbouwindustrie heeft altijd al gezocht naar manieren om efficiënter te werken en duurzamere praktijken te ontwikkelen. Het tellen van vruchten in boomgaarden is een cruciale taak om de oogst te optimaliseren en de opbrengsten te verbeteren.

VITO een Vlaamse onafhankelijke onderzoeksorganisatie op het gebied van cleantech en duurzame ontwikkeling, heeft nauw samengewerkt met ons team om een geavanceerd algoritme te ontwikkelen. Met dit algoritme is men in staat om de vruchten van duizenden individuele bomen te tellen. Ondanks de eenvoud van de taak, is het handmatig tellen van vruchten tijdrovend en kostbaar. Met behulp van AI kunnen deze processen geautomatiseerd worden, waardoor de efficiëntie van de fruitteelt toeneemt en de kosten worden verlaagd.

De oplossing

Ons team van experts speelde een cruciale rol in dit project. We zijn gespecialiseerd in het leveren van nauwkeurige annotaties van verschillende objecten, waaronder in dit geval fruitsoorten zoals peren. Door het fruit te annoteren, kan het deep learning algoritme leren wat een peer is en wat niet. Het leert dus om peren op correcte wijze te detecteren tussen de groene bladeren van fruitbomen. Deze geannoteerde gegevens dienen als de “basis” voor het trainen van het AI-model. Hoe meer juiste en kwaliteitsvolle annotaties we kunnen aanleveren, hoe beter het algoritme wordt in het herkennen en tellen van vruchten. Door hun uitstekende oog voor detail leverden onze medewerkers een onmisbare bijdrage aan dit project.

Naast nauwkeurige fruitdetectie, stelt deze technologie boeren in staat om tijdig in te grijpen als er zich problemen voordoen, zoals ziektes of plagen die de oogst kunnen bedreigen. Het vroegtijdig detecteren van deze problemen kan leiden tot gerichte maatregelen om de schade te minimaliseren, wat resulteert in een hogere opbrengst en een betere kwaliteit van de gewassen.

Onze conclusie

De samenwerking tussen VITO en Detail in het tellen van vruchten in boomgaarden markeert een betekenisvolle stap in de richting van duurzamere en intelligentere landbouwpraktijken. Door geavanceerde technologie te combineren met menselijke expertise, kunnen we efficiëntie en precisie naar nieuwe hoogten tillen.

FOTO’S: Voorbeelden van beeldannotaties van de automatisch gelabelde dataset over de 2020 Canon dataset. Het getal rechtsonder geeft het aantal fruitannotaties aan.

Fruitdetecties en segmentaties van een beeldvoorbeeld: (a) origineel beeld met vier peren, (b) met handmatig geannoteerde vruchten, en (c) voorspellingen door deep learning-model. Het aantal fruitannotaties of -detecties staat rechtsonder.

Lees hier het volledige artikel over automatische vruchtentelling ter ondersteuning van het gewassenbeheer.

Bron en afbeeldingen: Vito

Boek een Gratis Demo