Verantwoorde AI voor voedsel- en ecosystemen

Verantwoorde AI voor voedsel- en ecosystemen

Veel WUR-groepen werken steeds meer met kunstmatige intelligentie (AI). Welke kansen en dilemma’s biedt dat voor het Wageningse onderzoek? En hoe kan WUR investeren in zogenaamde ‘verantwoorde AI’?

De Wageningse onderzoekgroepen produceren en gebruiken steeds meer data. Deze gegevens zijn van fundamenteel belang voor ons begrip van voedselsysteem, ecosystemen en alle processen die in Wageningen worden bestudeerd. AI biedt veel nieuwe manieren om deze gegevens te interpreteren. Zo doet het Netherlands Plant Eco-phenotyping Centre (NPEC) in Wageningen enorm veel metingen aan planten onder gecontroleerde omstandigheden. Door meerdere gewasvariëteiten onder verschillende milieuomstandigheden te telen en door te meten, proberen onderzoekers te achterhalen hoe de interactie tussen DNA en milieuomstandigheden werkt. Deze metingen genereren enorm veel data; inmiddels meer dan 1.000 terabyte.

NPEC maakt momenteel al gebruik van AI, vertellen hoogleraar Mark Aarts en Rick van de Zedde van NPEC. Zo maken plantenonderzoekers beelden van planten in de kas, waarbij een AI-programma zorgt voor een filter op de beelden, zodat alleen de relevante plantonderdelen worden geanalyseerd en irrelevante aspecten als de achtergrond, potten en stokken worden gefilterd. Maar nu ontdekken ze dat ze meer informatie uit de enorme databerg kunnen halen dan nu gebeurt.

Ziektedetectie bij planten
Zo loopt er een project naar ziektedetectie bij planten. De onderzoekers in dit project kweken verschillende rassen in de kas, introduceren een ziekteverwekker en volgen vervolgens de gezondheid van de planten. Ze gebruiken een reeks volledig geautomatiseerde beeldvormingssystemen om vast te stellen: zijn de planten ziek of niet, en hoe ziek zijn ze? Ze trainen nu een AI-systeem om de ziektestadia op de camerabeelden te herkennen, vanuit de aanname dat de computer de ziekten met AI eerder en nauwkeuriger kan vaststellen dan wij met het blote oog.

Waar AI ook bij kan helpen, is het vinden en verklaren van gekke afwijkingen bij tests. Als de gegevens van sommige planten afwijken van het gemiddelde, komt dat dan omdat ze minder water hebben gekregen (slangetje verstopt) of omdat dat genotype anders reageert op een behandeling? Vaak zien onderzoekers dergelijke afwijkingen pas in een later stadium en dan is de betekenis - zeker in grote datasets - niet meer te achterhalen. Met AI kan de computer dat direct opmerken en analyseren, of terugzoeken in de database.

Lees hier verder

Bron: Wageningen U&R

Deel artikel



Vandaag op Tuinbouwmarktplaats...

Vandaag op Hortibiz Newsradio, luister terug!

Werken bij Holland Hortimedia?
Solliciteer!

Werken bij
Holland Hortimedia?

Contentmanager m/v – Salesmanager m/v

Meld je aan voor dagelijks Goedemorgen Nieuws
Ontvang Goedemorgen!

Meld je aan voor dagelijks Goedemorgen Nieuws

Tuinbouwnieuws, ondernemen, markt en techniek

Hortibiz Newsradio
Luister mee!

Hortibiz Newsradio

24/7 nieuws en informatie