Wageningen, The Netherlands
July 17, 2023
The colour of a rose or the shape of gerbera petals: artificial intelligence in horticulture helps to record the properties of flowers. Researchers at Wageningen University & Research see numerous future possibilities for AI. Ron Wehrens: “New varieties are allowed onto the market only if they offer something new, and AI can help to record those features.”
Breeders and growers develop a large number of new flowers and plants each year. Before these varieties enter the market, Floricode (product registration) and Naktuinbouw (Netherlands Inspection Service for Horticulture) record a number of characteristic properties in their registration system. For example, the colour of the flower or the shape of the petals. “This way, the properties of these varieties are unambiguously recorded,” said Ron Wehrens, the business unit manager of Biometris at WUR. “That’s handy for auctions. It protects the rights of the breeder and also provides a clear basis for the system of admission. New varieties are admitted to the market only if they have something new to offer.”
Descriptions must be made with the utmost care
Specialists have to describe a variety with the utmost care. To support them, the TIK project MODOMA (Morphological Descriptions of Ornamentals through Machine Learning) of Floricode, Naktuinbouw and WUR studied the possibilities offered by artificial intelligence. The researchers used photos of roses and gerberas – taken in a standardised manner – to automatically extract the properties of flowers. To do so, they linked the photos to databases of flower features.
“It appears that artificial intelligence can consistently determine some of the properties of a flower. For example, in 85% of cases, there’s no doubt about the colour,” said Ron Wehrens. “One out of six flowers has a colour that falls a bit between the categories. In the case of very pale flowers, for example, we might hesitate between white, yellow, pink and orange. It’s exactly in these sorts of cases that a computer can eventually provide better standardisation.”
Computerisation makes process more reliable
According to Wehrens, computerisation has many advantages. “The process not only becomes more reliable and reproducible, but it can also be done at places where no experts are present. Searching for comparable cultivars becomes easier, and breeders can use the registration information in their own business operations and development. And from an international perspective, harmonisation will become easier.”
The study also showed that it’s possible to register colour with relatively simple configurations. A colour standard recorded in a photo can be used to correct for any differences in lighting. Wehrens: “More classical methods sometimes arrive at the same results. But AI works more efficiently; the computer algorithms can recognise flower properties without the flower having to be separated from its background.”
In addition to colour, the researchers also tested other properties: a set of 16 properties spread across the two varieties and the databases of Floricode and Naktuinbouw. Each of these properties consisted of two to five possible values (for example, very small, small, medium, large, very large). This resulted in an accuracy ranging from 35%-99%; properties with many possible values were more difficult to identify than, for example, properties that included only two levels. “In addition, some properties are easier to see in photos than others,” said the researcher. He pointed to the heart of the gerbera as an example. “The middle of the flower consists of two sorts of petals. It’s still difficult for AI to determine what percentage of the heart is from one type and how much is of the other. And that’s also difficult for experts to see. This can be improved by training the algorithm with more photos. There are many future possibilities.”
Software package
In addition to their main project, the researchers have delivered a prototype of a software package that can be used to explore databases of flower features. For example, it’s possible to find varieties that have the correct values for certain features or to identify varieties that strongly resemble one another. This software package can be used not only for flowers but also for other crops, such as vegetables.
Kunstmatige intelligentie in sierteelt legt bloemkenmerken vast
De kleur van een roos of de vorm van gerberabloemblaadjes: kunstmatige intelligentie in de sierteelt helpt bij het vastleggen van bloemkenmerken. Onderzoekers van Wageningen University & Research zien veel toekomstmogelijkheden voor AI. Ron Wehrens: “Nieuwe variëteiten worden alleen toegelaten tot de markt als ze iets nieuws bieden en AI kan helpen om die kenmerken vast te leggen.”
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 rassen 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.”
Softwarepakket
De onderzoekers hebben naast het hoofdproject een prototype opgeleverd van een softwarepakket waarmee databases van bloemkenmerken kunnen worden ondervraagd. Het is bijvoorbeeld mogelijk om zo variëteiten te vinden die voor bepaalde kenmerken de juiste waardes hebben, of om sterk op elkaar lijkende variëteiten te kunnen identificeren. Dit softwarepakket kan niet alleen worden toegepast voor bloemen, maar ook voor andere gewassen zoals groenten.
Topics
Species
