• hlb_01

    hlb_01

  • hlb_02

    hlb_02

  • hlb_03

    hlb_03

  • hlb_04

    hlb_04

Digitale Detectie & Diagnose Dienst

LeafSpot14D plantenziekten oftewel Digitale Detectie & Diagnose Dienst is een deelproject van IJkakker en wordt gedragen door het bedrijfsleven, belangenorganisaties LTO Noord en PA, de provincies Groningen en Drenthe en Koers Noord-subsidie.

 

In de huidige diagnostiek bij plantenziekten is het bemonsteren en laten diagnosticeren relatief duur en tijdrovend. Daarnaast hebben telers steeds minder tijd voor veldinspecties. Doordat veel plantziekten dermate infectieus zijn, heeft dit grote gevolgen voor zowel de boer als zijn omgeving. Dat kan leiden tot economisch verlies.

De te ontwikkelen dienst gaat uit van een snelle en accurate digitale detectie en diagnose. Met deze dienst kunnen gewasbeschermende middelen veel efficiënter worden ingezet. Tevens zal, door de vroegtijdige signalering, de hoeveelheid gewasbeschermende middelen, die nodig zijn, aanzienlijk lager zijn.

 

Doelstellingen in dit deelproject Digitale Detectie & Diagnose Dienst waren voorafgaand aan de ontwikkeling en de validatie (onder andere op de IJKakker-percelen) als volgt opgesteld:

1. Het ontwikkelen, testen en valideren van hardware, waarin bladeren met symptomen worden geplaatst en onder optimale belichting kunnen worden gefotografeerd met behulp van een camera die goede, reproduceerbare opnames kan maken.

2. Het ontwikkelen, testen en valideren van een applicatie voor smartphones, waarin de foto genomen wordt en de aanvullende gegevens (gewas, ras, grondsoort, locatie, bespuitingen) al dan niet automatisch worden ingevoerd. De applicatie stuurt de belichting van de hardware aan en verzorgt tevens de verzending van de foto met gegevens naar de servers van het HLB, waar de automatische diagnose plaatsvindt.

3. Het ontwikkelen, testen en valideren van software voor de automatische analyse, herkenning en benoeming van ziekten.

 

Resultaten: Ziekten herkennen met de smartphone

Het deelproject Digitale Detectie & Diagnose Dienst (4D) bewijst dat de digitale diagnostiek goed werkt en met hoge betrouwbaarheid onderscheid kan maken tussen twee op het oog gelijke ziekten in aardappelen: Alternaria en Ozon. Een correcte en snelle diagnose leidt tot minder opbrengstverliezen dankzij een juiste toepassing van eventuele maatregelen.

 

Hardware:

Het ontwikkelen van de hardware was in eerste instantie erop gericht dat de foto’s genomen werden met een normale fotocamera. In de loop van het project is duidelijk geworden dat camera’s op smartphones in de loop der jaren van dusdanige kwaliteit zijn geworden dat opnames prima met de telefoon gemaakt kunnen worden. Communicatie tussen de smartphone en de belichtingshardware is daarom in dit project geregeld middels WiFi: de smartphone met applicatie, ontwikkeld voor dit project (zie onder), schakelt de belichting van de hardware aan op het moment dat deze wordt geopend. Automatische aan- en uitschakeling van het licht komt ten goede van het gebruiksgemak. Idealiter is de hardware niet nodig en wordt de foto rechtstreeks in het veld gemaakt. Andere zaken als reliëf en zonlicht/schaduw zijn echter storende factoren in het automatisch herkennen van ziekten. Doelstelling is wel om in de (nabije) toekomst de analysesoftware erop te ontwerpen dat het met deze storingen kan omgaan. Dankzij de WiFi-component en de aanwezigheid van een batterij is de module draagbaar en kan deze meegenomen worden naar de percelen.

 

Smartphone applicatie:

Hoewel oorspronkelijk niet in het plan opgenomen om binnen dit project te realiseren, zijn we toch al overgestapt naar het gebruik van smartphones voor de aansturing van de hardware, het maken van de foto en het invoeren van de bijkomende gegevens en communicatie naar de analyse software. Voor smartphones is een speciale applicatie ontwikkeld. Wanneer de hardware is ingeschakeld, maakt de smartphone automatisch contact met de WiFi-component van de hardware. Bij opening van de applicatie wordt de belichting van de hardware aangezet en kan de foto worden genomen, nadat het blad is geplaatst. In de applicatie is tevens een menu geplaatst. Naast de menu’s voor ontwikkelings- en testdoeleinden is er een menu aangemaakt voor de gebruikers. Hier worden aanvullende gegevens ingevuld, waaronder ras, gewas, grondsoort en eventuele bespuitingen. Samen met de GPS-locatie worden foto’s en gegevens via reguliere WiFi of mobiele data verstuurd naar het HLB, waar software draait voor de analyse.

 

Foto’s en gegevens van de smartphone worden verstuurd naar een specifieke locatie op de servers van het HLB. De ontwikkelde analysesoftware zoekt deze locatie zeer regelmatig af op zoek naar nieuw binnengekomen monsters. Bij binnenkomst van een monster wordt dit direct geanalyseerd: vlekken worden gevonden en geanalyseerd op een aantal eigenschappen, waaronder kleur, hoeveelheid en een aantal andere zaken, die specifiek wijzen richten een bepaalde oorzaak. De software kent een rekenmodel dat is gebaseerd op ruim 15.000 bladvlekken, die sinds 2009 zijn geïnventariseerd, gefotografeerd en in het microbiologisch laboratorium zijn onderzocht op de daadwerkelijke oorzaak. De focus ligt vooralsnog op bladvlekken in aardappel. De rekenregels in de software zijn dusdanig op te stellen dat op basis van alle gemeten eigenschappen en ingevoerde gegevens een betrouwbaarheid kan worden behaald van ruim 98% bij het maken van een onderscheid tussen de ziekte Alternaria en schade door ozon. Gezien het feit dat beide aandoeningen visueel vaak bijzonder lastig te onderscheiden zijn, kunnen we spreken van een goede betrouwbaarheid in de diagnosesoftware. Het doorontwikkelen en het constant blijven aanpassen van de rekenregels verhogen de betrouwbaarheid verder.

 

IJKakker validatie:

De afgelopen jaren zijn op de diverse IJKakker-percelen met name de aardappelvelden bemonsterd op de aanwezigheid van bladziekten. Foto’s van monsters, genomen in 2014, zijn met name gebruikt voor het ontwikkelen van het diagnosesysteem. Foto’s van monsters uit 2015 zijn ingezet om het systeem te valideren. Hoewel niet vaak aangetroffen op de percelen, zijn zowel Alternaria- als ozonmonsters gevonden. Resultaten van de laboratoriumanalyses kwamen hierbij prima met elkaar overeen.

 

Toekomst:

Het principe van digitale detectie werkt prima. We gaan de komende jaren door op de ingeslagen weg. Van percelen met andere gewassen, waaronder suikerbieten, zijn ook bladmonsters genomen met als doel de belichting door bijvoorbeeld dikke bietenbladeren te testen. De kwaliteit van deze foto’s is goed voor toekomstige ontwikkeling van digitale diagnostiek in suikerbieten. Ook andere gewassen en ziektes zitten in de pijplijn voor toekomstig onderzoek. De koppeling met andere, al dan niet bestaande, technieken en producten in (precisie) landbouw ligt voor de hand.

 

Laatste Tweets

HLBbv RT @SoilCaresWorld: Happy #WorldFoodDay!🍒🍉🍎 #DYK 95% of our food is directly or indirectly produced on our soils? Healthy #soil means heal…
HLBbv RT @SoilCaresWorld: Nutrient deficiency in #soils impacts people’s health! Fertilizing crops can improve human health #FertilizerDay @Ferti
HLBbv RT @TTjarda: We konden weer los vanmorgen, na alle nattigheid. #HLBbv https://t.co/VMC96Rt94q

 

 

 

 
© 2012 - Designed by CommPro Automatisering