Is het mogelijk om ‘neuzen’ te tellen in aardbeiplantgoed met visiontechnologie?
Een update rond de geautomatiseerde kwaliteitsbeoordeling van aardbeiplantgoed door projectpartner Aris.
Plantgoed | 28/05/2026
Innovatieve kwaliteitscontrole met een prototype camerasysteem
Binnen dit project heeft Aris een innovatief prototype ontwikkeld voor de geautomatiseerde kwaliteitsbeoordeling van aardbeiplantgoed. In deze opstelling worden trayplanten op een roterend draaiplateau geplaatst en vanuit meerdere hoeken vastgelegd met een camerasysteem. Dit maakt een 360-graden analyse van elke individuele plant mogelijk.
Het doel van deze ontwikkeling is om te onderzoeken in hoeverre visiontechnologie en kunstmatige intelligentie (AI) kunnen worden ingezet voor betrouwbare, geautomatiseerde kwaliteitscontrole in de vermeerderingsketen van aardbei. Hoewel automatische handling van planten reeds breed beschikbaar is binnen de tuinbouwsector, ligt de innovatieve focus van dit project specifiek op het ontwikkelen van geavanceerde beeldanalyse voor kwaliteitsbeoordeling.
Van handmatige beoordeling naar datagedreven analyse
Momenteel worden trayplanten handmatig gesorteerd op basis van kenmerken zoals wortelmassa en plantomvang. Deze parameters blijken goed meetbaar met behulp van camera- en beeldverwerkingstechnologie. Een centrale onderzoeksvraag in dit project is echter of ook complexere kenmerken, zoals het aantal ‘neuzen’, automatisch bepaald kunnen worden.
De ‘neuzen’ van jonge aardbeiplanten zijn vaak slecht zichtbaar, doordat ze zich tussen het blad bevinden of gedeeltelijk onder het substraat liggen. Uit de eerste resultaten blijkt dat directe, betrouwbare detectie van deze neuzen met visiontechnologie momenteel niet haalbaar is.
Alternatieve benadering: indirecte kwaliteitsindicatoren
Om toch tot een betrouwbare kwaliteitsinschatting te komen, richt het project zich op het meten en combineren van secundaire plantkenmerken die sterke correlaties vertonen met het aantal neuzen. De volgende parameters worden geanalyseerd:
- Planthoogte en bladoppervlakte
- Rizoomdiameter en -oppervlakte
- Worteloppervlakte en -kleur
- Aanwezigheid van roodkleuring in de plant
Tijdens de rotatie van de plant worden meerdere beelden vastgelegd, waardoor een gedetailleerd en volledig beeld ontstaat van zowel het bovengrondse als ondergrondse deel van de plant.
Met behulp van AI-algoritmen worden verschillende onderdelen van de plant nauwkeurig herkend en gesegmenteerd, waaronder de kluit, wortels en het rizoom. Ook wordt onderscheid gemaakt tussen substraat en wortelmateriaal, inclusief kleurverschillen die indicatief zijn voor plantgezondheid.
Impact en meerwaarde voor de sector
Door de combinatie van meerdere meetbare parameters kan een datagedreven kwaliteitsbeoordeling worden opgesteld, die sterk correleert met het aantal neuzen en daarmee met de uiteindelijke productiepotentie van de plant. Dit biedt perspectief voor:
- Efficiëntieverbetering door automatisering van arbeidsintensieve sorteerprocessen
- Objectieve kwaliteitsstandaarden gebaseerd op meetbare data
- Verbeterde plantkwaliteit en opbrengstvoorspellingen
- Opschaalbaarheid binnen de Europese teeltsector
