Project: SIVOL: Snelle Implementatie van Vormgebaseerde Objectherkenningsalgoritmes in Landbouwtoepassingen
TETRA: Technologie-transfer gerichte projecten door instellingen van hoger onderwijs
01/10/2009
01/10/2010
In de moderne landbouw wordt steeds vaker gebruik gemaakt van gesofisticeerde technische hulpmiddelen. Met
behulp van mechatronische installaties kan het manueel werk verlicht worden, de kwaliteit opgedreven en
economischer en ecologischer omgesprongen worden met grondstoffen.
Landbouwmachines worden steeds meer gerobotiseerd. Zoals bij elke mechatronische installatie verzamelen
deze landbouwmachines informatie over hun omgeving d.m.v. sensoren. De sensoren met het meeste potentieel
zijn visiesensoren. Een camera levert immers een zeer rijke bron van informatie over de omgeving.
Traditioneel worden visiesensoren ingezet als reflectiemeters. Op basis van de reflecties van specifieke
golflengten IR licht kan een gewas onderscheiden worden van de achtergrond. Het onderscheid tussen bepaalde
planten kan in sommige gevallen gemaakt worden, zodat bijvoorbeeld specifiek herbiciden kunnen gesproeid
worden op de plaatsen waar onkruid groeit. Ook gewasrijen kunnen gedetecteerd worden om de
landbouwmachines hiertussen heen te sturen. Deze reflectiemeters hebben wel een aantal nadelen. De
mogelijkheden zijn eerder beperkt qua specifieke herkenning van gewassen, en de sensoren zijn duur.
Met 'normale' camera's, die werken in het spectrum van het zichtbaar licht, is ook al resultaat geboekt. Zo is
onlangs nog een appelplukmachine gedemonstreerd die rijpe appels vindt op basis van camerabeelden.
De beeldverwerkende methodes die op dit moment gebruikt worden in dit soort toepassingen zijn nog zeer
rudimentair. Ze werken puur op kleurdetectie op pixelbasis. Dit heeft zo zijn nadelen. De appelplukmachine
bijvoorbeeld, kan enkel mooi blinkende rode appels detecteren. Groene appels of minder glanzend fruit zoals
peren vallen niet op tussen het bladerdek.
In dit project zal een studie worden gedaan naar de haalbaarheid van meer geavanceerde
beeldverwerkingsmethodes in landbouwtoepassingen. De focus ligt op zogenaamde vormgebaseerde (shape-
based) herkenningstechnieken. In plaats van elke beeldpixel apart te beschouwen, wordt hierbij de vorm van de
te herkennen objecten geanalyseerd. In de literatuur binnen het domein van de beeldverwerking zijn deze
technieken al geruime tijd bekend.
De belangrijkste redenen waarom vormgebaseerde herkenning nog niet is doorgedrongen
landbouwtoepassingen zijn de hoge eisen die de omgeving stelt en de hoge vereiste verwerkingssnelheid.
Inderdaad, de omstandigheden zijn bij een op het veld rijdende landbouwmachine niet ideaal om beelden te
nemen. Door het ruwe terrein zijn trillingen en stof niet uit te sluiten. Bovendien is er geen gecontroleerde
belichting. Maar de belangrijkste uitdaging is de grote variabiliteit van de te detecteren objecten. Planten
hebben organische vormen die er steeds iets anders uit kunnen zien. Gesofisticeerde, robuuste
vormherkenningsalgortimes kunnen hier een uitweg bieden.
Een zeer belangrijke eis is de verwerkingssnelheid. De algoritmes moeten de binnenkomende beelden op een
zeer hoog tempo kunnen verwerken. Spuitmachines, bijvoorbeeld, rijden tegen een snelheid van 12 tot 20 km/h
over het veld.
De in de literatuur voorgestelde vormgebaseerde herkenningsalgortimes zijn zeer complex, en hebben dus
inherent een trage uitvoeringssnelheid. Het doel van dit project is vormgebaseerde herkenningsalgoritmes tot
een aanvaardbare snelheid te versnellen door gebruik te maken van specifieke hardware. Het visielaboratorium
van de onderzoeksgroep EmSD heeft door vorige projecten al ruim ervaring met het versnellen van
beeldverwerkingsalgoritmes, door een specifieke implementatie in programmeerbare logica en embedded
systemen.
Dit éénjarig TeTra-project zal een voorstudie vormen voor een later, meer diepgaand, vervolgproject. Eerst zal er
een grondige literatuurstudie uitgevoerd worden. Ook zullen contacten gelegd worden met de landbouwindustrie
om te komen tot een 'match' tussen vraag van de bedrijven en de beschikbare technologie. Een voorlopige
demo zal uitgewerkt worden om het potentieel van snelle vormgebaseerde objectherkenning aan te tonen.
De toepassing waar we initieel op zullen focussen is gewasherkenning om specifiek herbiciden te sproeien op
een akker. Men heeft berekend dat 50 tot 80% actieve stoffen uitgespaard kunnen worden als enkel gesproeid
wordt op de plaatsen waar het nodig is, welke naast een economische besparing ook een heel goede zaak is op
ecologisch vlak.
