Dr. Krishna Nemali en zijn onderzoeksgroep aan de Amerikaanse Purdue University hebben zich tot doel gesteld gebruiksvriendelijke, snelle en betaalbare technologieën te leveren voor de gecontroleerde teeltomgeving. Ze concentreren zich daarbij op de uitdagingen waarmee telers bij gewasmonitoring worden geconfronteerd en zoeken de oplossing bij foto’s genomen met smartphones en microcontrollers.
Praktisch en betaalbaar
In de buitenteelt worden de gewassen gecontroleerd met beeldanalyse via satellieten, drones en op camera's gemonteerde voertuigen. Deze technologieën zijn niet praktisch in de binnenteelt omdat de bewegingen van drones of op camera's gemonteerde voertuigen worden beperkt door de infrastructuur.
Dr. Nemali en zijn onderzoeksgroep werken nu aan beeldgebaseerde gewasmonitoring met behulp van smartphones. Voor installaties waar het gebruik van vaste camera's de voorkeur heeft (bijv. stellingteelt met meerdere verdiepingen) of toepassingen waar continue monitoring nuttig is, werkt het onderzoeksteam aan een systeem met een Raspberry Pi-microcontroller en een camera met hoge resolutie die de beelden naar een centrale computer stuurt voor verwerking en interpretatie.
Links: Dr. Krishna Nemali. Rechts: smartphonesensor
Vergelijking met menselijke beoordeling
Om de effectiviteit van beeldgebaseerde gewasmonitoring te testen, teelde het onderzoeksteam sla en tomaten onder optimale en suboptimale omstandigheden. In een blinde proef werd de gewasgroei dagelijks visueel beoordeeld door mensen (met behulp van een beoordelingssysteem) en door beeldgebaseerde sensoren.
Nemali legt uit dat het op beelden gebaseerde systeem 3 à 4 dagen voordat het menselijk oog daartoe in staat was, statistisch significante verschillen registreerde in de gewasgroei tussen optimale en suboptimale omstandigheden. “Als je regelmatig foto's maakt en groeicurves ontwikkelt, kun je vaststellen hoe je gewas zich verhoudt tot de verwachte optimale groei. En als deze beelden wijzen op een probleem, kunnen telers het nog oplossen voordat het te laat is."
De foto’s kunnen ook worden gebruikt om de stikstofstatus, het kiempercentage, de groeisnelheid en het kleurverloop te beoordelen, zodat de teler de gezondheid van het gewas en de oogsttijd kan inschatten. De stikstofstatus van planten wordt meestal gemeten in een laboratorium, wat duur en tijdrovend is, of met behulp van dure chlorofylmeters. Nemali's onderzoek ontwikkelde nauwkeurige algoritmen met behulp van smartphonefoto’s om snel de stikstofstatus van planten te ramen.
Verschillende parameters kunnen worden gemeten met behulp van foto’s genomen een smartphone of microcontroller.
Directe beoordeling stikstofstatus
“Met een onmiddellijke beoordeling van de stikstofstatus kunnen telers soepel inspelen op de meststoffenbehoefte van de planten en over- of onderdosering vermijden”, aldus Nemali.
Aangezien deze technologieën worden ontwikkeld aan de Purdue University, zullen ze tegen een lage kost beschikbaar worden gesteld aan telers, waarbij de inkomsten zullen worden aangewend voor verder onderzoek en ontwikkeling. De smartphone-app moet in het voorjaar van 2022 beschikbaar zijn, met een lage aanschafprijs en op basis van een jaarlicentie.
Omdat de fotokwaliteit afhankelijk is van het soort camera, het omgevingslicht en de afstand tot het gewas, zijn normalisatieprocessen opgenomen in de algoritmen om analyses van hoge kwaliteit te garanderen. Om de verschillen in afstand tot het gewas tussen meerdere fotosessies uit te vlakken, wordt elke foto gemaakt met een standaard, gemeten object in het kader.
Een demonstratie van de op smartphones gebaseerde beeldtechnologie kan worden bekeken op de website van Nemali via deze link.
Voor meer informatie:
Dr. Krishna Nemali
Assistant Professor in Controlled Environment Agriculture
Purdue University
www.purdue.edu