Gerooide bloembollen zijn gepeld, gesorteerd en gecontroleerd. Al die handelingen komen de kwaliteit van de bol niet ten goede. Bovendien bestaat de kans dat te kleine bollen of beschadigde bollen over het hoofd zijn gezien. Daarom onderzoekt Business Unit Glastuinbouw & Bloembollen van Wageningen University & Research of visiontechniek en deep learning kunnen helpen met het bepalen van het volume van bollen en bij het selecteren van bollen met afwijkingen.
In de schuur van een bloembollenkweker ondergaan bloembollen na de oogst enkele bewerkingen. Ze zijn eerst ontdaan van kluiten en vervolgens gepeld. De bollen belanden vervolgens op een spijlenplaat: daar zijn de grote bollen gescheiden van kleine. Hierbij zijn echter fouten mogelijk: bijvoorbeeld kleine bollen met een ovale vorm kunnen soms tegengehouden worden door de spijlenplaat. Hierdoor kan een tulpenbroeier partijen krijgen die niet uniform zijn, en dus ongelijk gaan bloeien.
3D-camera
WUR onderzocht of met een 3D-camera het volume en maat van een bol goed bepaald kan worden. Hiervoor zijn enkele honderden bollen gemeten; de resultaten zijn vergeleken met een volumebepaling door onderdompeling. Hieruit bleek dat de 3D-camera zeer hoog scoort (correlatie: 0,92).
Deep learning en kwaliteit
Met de 3D-camera in combinatie met deep learning kan ook onderzocht zijn of de kwaliteit van een bol voldoende is. Hierbij controleert de computer of de bloembol goed gepeld is, of de bol al dan niet beschadigd is en of de huidkwaliteit voldoende is. Bollen met dergelijke afwijkingen zijn namelijk minder goed te verkopen. Bovendien is een beschadigde bol gevoeliger voor een besmetting met fusarium.
Het meten van het volume/maat en het selecteren van ‘defecte’ bloembollen blijkt dus goed mogelijk. Komend jaar onderzoekt WUR of dit ook mogelijk is bij grotere volumes: kunnen de camera en deep learning de bollen dan nog bijbenen?
Bollenrevolutie 4.0
Het onderzoek vond plaats in het kader van Bollenrevolutie 4.0. De uitvoering van deze Publiek-Private Samenwerking ligt bij een consortium van zeven partners. Dit zijn: KAVB, Anthos, Wageningen University & Research (WUR), Cremer Speciaalmachines B.V., Machinefabriek Steketee B.V., Agrisim B.V., BKD en TechNature B.V. Economic Board Greenport Duin & Bollenstreek en Rabobank Bollenstreek dragen vanuit hun Innovatiefondsen bij aan de financiering.
Bron: WUR
