Bloembollen controleren met visiontechniek
Geplaatst op 08 februari 2021
In de schuur van een bloembollenkweker ondergaan bloembollen na de oogst enkele bewerkingen. Ze worden eerst ontdaan van kluiten en vervolgens gepeld. De bollen belanden vervolgens op een spijlenplaat: daar worden 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 (de afnemer van de bollenkweker) partijen krijgen die niet uniform zijn, en dus ongelijk gaan bloeien.
WUR onderzocht of met een 3D-camera het volume en maat van een bol goed bepaald kan worden. Hiervoor werden enkele honderden bollen gemeten; de resultaten werden vergeleken met een volumebepaling door onderdompeling. Hieruit bleek dat de 3D-camera zeer hoog scoort (correlatie: 0,92).
Met de 3D-camera in combinatie met deep learning kan ook onderzocht worden 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?
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.
Meer nieuws
