¿Cuántas plantas de tomate sanas producirá un lote de semillas? Investigadores de Agro Food Robotics en Wageningen University & Research han desarrollado una prueba de germinación automática que brinda a los fitomejoradores y productores de semillas respuestas rápidas y objetivas a esta pregunta, ahorrando costos y aumentando la eficiencia.
A los productores les gusta entregar plantas uniformes y, por lo tanto, quieren saber la calidad de la semilla que solicitan. ¿Cuántas plantas produce un lote de semillas? ¿Hay especímenes que se retrasan en el crecimiento, tienen un tallo torcido o le falta una hoja? Tanto los fitomejoradores como los cultivadores realizan pruebas de germinación.
Las plantas cultivadas a partir de estas pruebas se evalúan manualmente y de acuerdo con los propios criterios y métodos de cultivo de la empresa. Un obtentor, por ejemplo, cultiva exactamente en las mismas condiciones durante todo el año, mientras que en un invernadero comercial estas condiciones pueden variar según la temporada. . “Los resultados de las pruebas de germinación pueden, por tanto, diferir entre sí. Esto dificulta que los fitomejoradores se pongan de acuerdo sobre la calidad de la semilla y que los agricultores estimen correctamente la producción de plántulas ”, dice Lydia Meesters, investigadora de Agro Food Robotics en Wageningen University & Research.
Redes neuronales
En el proyecto Explotación de herramientas de fenotipado de plantas de alta tecnología para empresas de mejoramiento y productores (2018-2021), investigadores de Agro Food Robotics en Wageningen University & Research desarrollaron una prueba de germinación automática y estandarizada que elimina estos problemas.
“Con nuestro sistema de cámara MARVIN, hacemos una gran cantidad de películas de alta velocidad de plántulas de tomate y las vinculamos al software de clasificación”, dice Meesters. “El software utiliza redes neuronales (aprendizaje profundo), una forma de inteligencia artificial que permite que las computadoras aprendan en función de la información que reciben. En este caso, hacemos imágenes bidimensionales y tridimensionales ".
Mejor predicción
Uno de los once socios del proyecto es Paul Verbruggen, investigador de Bejo Zaden en Warmenhuizen. “Siempre buscamos predecir mejor la calidad y uniformidad de las plantas de tomate a partir de nuestra semilla”, explica.
Ese objetivo está ahora al alcance gracias a la investigación de Wageningen. “El sistema de cámara de Marvin ya parece predecir bastante bien la calidad de las plantas”, dice Verbruggen. “Cuando agrega nueva tecnología, como inteligencia artificial, la confiabilidad aumenta significativamente. Los primeros resultados también indican que no importa si recolecta imágenes 2-D o 3-D de plantas de tomate. "Para nosotros es bueno saberlo, porque confirma que Bejo Zaden ya está usando un buen sistema".
Trabajando eficientemente
Verbruggen también señaló que es difícil llegar a un consenso con otras partes sobre cómo medir exactamente la calidad de la semilla. "Ahora estamos trabajando juntos en modelos predictivos hechos a medida, con los que cada socio de la cadena puede entrenar su propio modelo". Si depende de Meesters, estos modelos son solo el comienzo. "Cuanto más se integra la tecnología moderna en los invernaderos, más eficientes se vuelven las empresas".