”Tekniken överlägsen det mänskliga ögat”

Ett nytt forskningsprojekt ska undersöka om manuell gradering i fältförsök kan ersättas med drönarfoton och bildanalys genom maskininlärning. Bakom projektet står SLU, Hushållningssällskapet och Lantmännen Lantbruk. 

Dagens manuella gradering är i dag en flaskhals i utvärdering av försök då den är både tidskrävande, dyr och kräver erfaren personal. Det menar projektörerna som nu vill undersöka om man med hjälp av drönarfoton som genom maskin­inlärning analyseras kan göra fältförsök mer effektiva och ge säkrare resultat. När det gäller att skilja efterfrågade egenskaper från övrig påverkan på växterna är ”tekniken överlägsen det mänskliga ögat”, skriver forskarna bakom projektet som menar att bilderna kan fungera som en kvalitetssäkring. 

– Vi hoppas att projektet ger tillräckligt användbara resultat från den automatiserade analysen för att intressenterna ska bli nöjda. Lyckas vi väl har vi en innovation som kan automatisera arbetet med försöksutvärdering i hela landet, säger Aakash Chawade, forskare och projektledare vid SLU, i ett pressmeddelande. 

Brister i dagens metoder

Över 600 officiella fältförsök utförs varje år i Sverige för att ge svar om sorters odlings­egenskaper i olika delar av landet. Här undersöks också ofta optimala nivåer på tillförsel av växtskyddsmedel och växtnäring. Försöken graderas manuellt för viktiga egenskaper såsom grobarhet, tillväxt, mognad och effekt av växtskyddsmedel. 

Men då arbetet utförs av olika personer och resultaten därmed varierar beroende på vem som har utfört arbetet har den manuella graderingen sina brister. Enligt forskarna behöver sjukdomsgraderingar göras vid rätt tillfälle för att ge användbara och rättvisande resultat, men med den manuella graderingen är det ibland praktiskt omöjligt att hinna utföra allt i rätt tid. Dagens metoder gör det också svårt att följa fältförsöken kontinuerligt. 

Under tre år ska nu drönarflygningar och bildanalys utföras i 20 av Sverigeförsökens fältförsök. Genom detta sätt kan de efterfrågade egenskaperna bestämmas automatiskt och försöken kan också följas mer frekvent. Drönarbilderna fångar även upp andra problem i fälten som kan påverka resultaten, såsom ogräs och bristfällig dränering. Tanken är att utvärdera om automatiserad utvärdering med drönarbilder och maskininlärning kan ersätta manuella graderingar.