Die Entwicklung einer App, die in der Lage ist, Olivensorten anhand von Fotos von Olivenkernen zu identifizieren, ist das ultimative Ziel von „OliVaR“, einem neuronalen Netzwerk, das mit der größten fotografischen Datenbank von Endokarpen von Olivenfrüchten trainiert wird, die von den Partnern des europäischen Projekts GEN4OLIVE erstellt wurde .
Die Entwicklung des Tools war dank der Katalogisierungs- und Dokumentationsarbeit von fünf Keimplasmabanken in verschiedenen Ländern und dank Fortschritten bei Systemen der künstlichen Intelligenz möglich. Die Universität Cordoba spielte eine entscheidende Rolle, da sie mit Daten zu 63 Sorten aus ihrer Keimplasma-Bank die Institution war, die die meisten Informationen bereitgestellt hat.
Die Studie ist veröffentlicht im Tagebuch Computer und Elektronik in der Landwirtschaft.
An der Initiative, die Teil des europäischen Projekts GEN4OLIVE zur Verbesserung von Olivenbäumen ist und von der Ucolivo-Gruppe der María de Maeztu Unit of Excellence – Department of Agronomy (DAUCO) koordiniert wird, waren Olivenkeimplasmabanken aus Marokko, Griechenland und Italien beteiligt , und die Türkei, um mehr als 150.000 Fotos von 133 Olivensorten aus dem Mittelmeerraum zu sammeln.
Die Informatikabteilung der Universität Sapienza in Rom war für die Sammlung der Informationen und die Erstellung des Algorithmus für dieses Tool verantwortlich, das einen neuen Ansatz zur Identifizierung von Sorten vorschlägt und den traditionellen morphologischen Klassifizierungsprozess automatisiert.
Dies erklärten die Forscher Hristofor Miho und Concepción Muñoz Díez, die auch die Genauigkeit des Modells mit einer Effizienz von etwa 90 % hervorhoben. „Es handelt sich um ein System des Lernens durch Versuch und Irrtum, das auf maschinellem Lernen basiert und bei dem wir der Maschine beibringen, durch ihre eigenen Fehler zu lernen“, sagten sie.
Die Forscher erklärten, dass das System umso effektiver sein wird, je mehr Bilder die Datenbank bilden. Die am Projekt beteiligten Unternehmen haben sich auf sehr strenge Protokolle geeinigt, um ihre Arbeitsmethoden zu vereinheitlichen und Bilder zu generieren, die eine Optimierung des Algorithmus ermöglichen.
Das Ergebnis ist ein Werkzeug der künstlichen Intelligenz, das nachweislich in der Lage ist, morphologische Details zu erkennen, die selbst dem menschlichen Auge entgehen. Nach der Verarbeitung der Daten wird eine Liste der möglichen Sorten mit unterschiedlichem Kompatibilitätsgrad mit der fotografierten Probe zurückgegeben.
Dieses maschinelle Lernsystem wird die Grundlage einer Anwendung sein, die es Landwirten und Baumschulen ermöglicht, die Olivenbaumsorte, mit der sie arbeiten, einfach und schnell zu identifizieren. Laut Ucolivo wird es durch die Bereitstellung für den gesamten Sektor als öffentliches und kostenloses Tool auch dazu dienen, das allgemeine Wissen über alle vorhandenen Olivensorten zu verbessern.
Mehr Informationen:
Hristofor Miho et al, OliVaR: Verbesserung der Olivensortenerkennung mithilfe tiefer neuronaler Netze, Computer und Elektronik in der Landwirtschaft (2023). DOI: 10.1016/j.compag.2023.108530