Fremtidens landbrug er ikke kun store traktorer og droner i luften. Nu er også den ydmyge frøanalyse på vej ind i den digitale tidsalder. Et nyt studie fra Aarhus Universitet og TystofteFonden viser, hvordan kunstig intelligens og billedgenkendelse kan revolutionere en af landbrugets mest manuelle discipliner.
Når man tænker på moderne landbrugsteknologi, går tankerne måske mod førerløse traktorer, droner, der flyver hen over markerne – eller sensorer, som måler jordens fugtighed i realtid. Men midt i denne hightech-udvikling er der en mindre synlig, men ikke mindre vigtig opgave, som nu står foran sin egen revolution: frøanalysen.
I dag foregår arbejdet med at sortere og klassificere frø i høj grad manuelt. Trænede eksperter sidder med lup og lamper og vurderer frøenes kvalitet heriblandt identificering af fremmedfrø og fysiske defekter.
-Det er et ekstremt specialiseret arbejde. Man skal kende frøene ud og ind, og det kræver både erfaring og præcision, forklarer Martin Himmelboe, ph.d.-studerende ved Institut for Agroøkologi på Aarhus Universitet og TystofteFonden, som står bag en ny videnskabelig artikel om emnet.
Når computeren kigger med
Men hvad nu, hvis en maskine kunne gøre det samme – og måske endda bedre? Det spørgsmål danner grundlag for den nye publikation i ”Computers and Electronics in Agriculture”, hvor Martin Himmelboe og hans medforfattere gennemgår den eksisterende forskning inden for billedbaseret frøanalyse med brug af kunstig intelligens.
Ved hjælp af teknikker som billedbehandling og maskinlæring har forskere verden over udviklet modeller, der analyserer frø visuelt – på en måde, som minder om menneskelig vurdering. Mange af studierne viser lovende resultater, især når det gælder klassificering af ukrudtsfrø.
-Vi ser i litteraturen, at modellerne i flere tilfælde når en høj nøjagtighed. Det gælder især identifikation af forskellige korn- og ukrudtsarter. Det tyder på, at teknologien har potentiale til at kunne understøtte den manuelle analyse, fortæller Martin Himmelboe.
I artiklen fremhæves en række studier, hvor billeder af frø fodres ind i maskinlæringsalgoritmer, som derefter trænes til at skelne mellem fx rene og urene frø. Disse modeller har derefter lært at skelne mellem rene frø og urenheder – og ikke mindst genkende specifikke ukrudtsarter, som ellers kan være svære at identificere selv for trænede øjne.
Frøenes digitale fremtid
Det lyder måske som en lille niche i landbrugsverdenen, men konsekvenserne kan være store. Danmark er en af verdens største eksportører af græsfrø, og frøenes kvalitet er altafgørende – både i forhold til produktion, eksport og certificering.
-Hvis vi kan automatisere frøanalysen, kan vi potentielt gøre processerne både hurtigere og mere præcise. Det betyder, at frøfirmaerne kan reagere hurtigere, og det giver i sidste ende en mere pålidelig produktion, siger Martin Himmelboe videre.
Og det stopper ikke ved renhedsanalyse. Når først billederne er taget, åbner der sig nye muligheder.
-De tidligere forskningsresultater viser, at vi med tiden måske også vil kunne identificere sygdomssymptomer eller genetiske variationer i frøene, fortsætter han.
Mennesker eller maskiner?
Selvom teknologien er lovende, er den endnu ikke klar til at erstatte de menneskelige frøeksperter. I stedet peger forskerne på et samarbejde mellem mennesker og maskiner.
-Målet er ikke at fjerne mennesker fra processen, men at understøtte dem. Vi forestiller os et værktøj, som frøanalytikere kan bruge til at dobbelttjekke deres fund eller til at håndtere store mængder data, siger han.
Der ligger også et potentiale i at bruge teknologien til at uddanne nye frøanalytikere. I dag tager det år at opbygge den nødvendige erfaring. En automatiseret analysemodel kan fungere som en slags digital læremester og sikre en mere ensartet oplæring.
Det begyndte med nysgerrighed
Ideen til studiet opstod i mødet mellem klassisk agronomi og moderne datavidenskab. Martin Himmelboe har selv en baggrund i landbrug og planteavl, men har altid været fascineret af teknologiens muligheder.
-Jeg synes, det er spændende at tage noget så lavpraktisk som frøanalyse og tænke det ind i en moderne, digital kontekst. Det handler ikke om at gøre tingene smartere for smarthedens skyld – men om at skabe reel værdi for landbruget, siger han.
Med sin forskning er han med til at lægge grunden til et landbrug, hvor data og digitale værktøjer bliver en naturlig del af hverdagen – også i de dele af produktionen, der ellers sjældent får opmærksomhed.
Vejen videre
Den nye publikation er et vigtigt skridt, men der er stadig lang vej igen, før teknologien er klar til udrulning i stor skala. De næste faser i forskningen handler om at gøre modellerne mere robuste og teste dem på endnu større datasæt og i virkelige produktionsmiljøer.
Publikationen giver et samlet overblik over, hvor forskningen står lige nu – og hvor den kan være på vej hen. Fremtidig forskning bør inkludere videreudvikling af modellerne, afprøvning i praksis og evaluering på større datasæt.
-Vi havde et ønske om at samle og skabe et overblik over den viden, der allerede findes på området. Vores artikel viser, at teknologien har stort potentiale og at der allerede er gjort mange fremskridt. Det næste bliver at omsætte den viden til praksis, og det bliver spændende at følge, hvordan feltet udvikler sig, siger Martin Himmelboe afslutningsvis.
