Combien de plants de tomates sains un lot de semences produira-t-il? Des chercheurs d'Agro Food Robotics de l'Université et de la recherche de Wageningen ont développé un test de germination automatique qui donne aux sélectionneurs et aux producteurs de semences des réponses rapides et objectives à cette question, en réduisant les coûts et en augmentant l'efficacité.
Les producteurs aiment livrer des plantes uniformes et veulent donc connaître la qualité des semences qu'ils commandent. Combien de plantes un lot de graines donne-t-il ? Y a-t-il des spécimens qui ont un retard de croissance, une tige tordue ou une feuille manquante ? Les sélectionneurs et les producteurs de semences effectuent des tests de germination.
Les plantes issues de ces tests sont évaluées manuellement, et selon les propres critères et méthodes de culture de l'entreprise. Un sélectionneur de semences, par exemple, cultive exactement dans les mêmes conditions toute l'année, alors que dans une serre commerciale, ces conditions peuvent varier d'une saison à l'autre. . « Les résultats des tests de germination peuvent donc différer les uns des autres. Cela rend difficile pour les sélectionneurs de semences de se mettre d'accord sur la qualité des semences et pour les producteurs d'estimer correctement la production de semis », explique Lydia Meesters, chercheuse à Agro Food Robotics à l'Université et à la recherche de Wageningen.
Les réseaux de neurones
Dans le projet Exploitation d'outils de phénotypage végétal de haute technologie pour les entreprises de sélection et les producteurs (2018-2021), des chercheurs de l'Agro Food Robotics de l'Université et de la recherche de Wageningen ont développé un test de germination automatique et standardisé qui élimine ces problèmes.
«Avec notre système de caméra MARVIN, nous réalisons un grand nombre de films à grande vitesse de plants de tomates et les lions à un logiciel de classification», explique Meesters. « Le logiciel utilise des réseaux de neurones (deep learning), une forme d'intelligence artificielle qui permet aux ordinateurs d'apprendre en fonction des informations qu'ils reçoivent. Dans ce cas, nous créons à la fois des images en 2 dimensions et en 3 dimensions.
Meilleure prédiction
L'un des onze partenaires du projet est Paul Verbruggen, chercheur à Bejo Zaden à Warmenhuizen. « Nous cherchons toujours à mieux prédire la qualité et l'uniformité des plants de tomates à partir de nos semences », explique-t-il.
Cet objectif est désormais à portée de main grâce à la recherche de Wageningen. « Le système de caméra Marvin semble déjà prédire assez bien la qualité des plantes », explique Verbruggen. « Lorsque vous ajoutez une nouvelle technologie, telle que l'intelligence artificielle, la fiabilité augmente considérablement. Les premiers résultats indiquent également que peu importe que vous collectiez des images 2D ou 3D de plants de tomates. « Pour nous, c'est bon à savoir, car cela confirme que Bejo Zaden utilise déjà un bon système.
Travailler efficacement
Verbruggen a également noté qu'il est difficile de parvenir à un consensus avec les autres parties sur la manière exacte de mesurer la qualité des semences. « Nous travaillons désormais ensemble sur des modèles prédictifs sur mesure, avec lesquels chaque partenaire de la chaîne peut former son propre modèle. » S'il appartient à Meesters, ces modèles ne sont qu'un début. « Plus la technologie moderne est intégrée dans les serres, plus les entreprises deviennent efficaces. »