Förbättrad utvärdering av officiella fältförsök genom bildanalys av drönarfoton med maskininlärning

The goal of the project is to digitize the data from the Swedish official field trials through automated estimates of important traits such as germination, growth, resistance, maturity and the effect of plant protection products. The purpose is to streamline and improve scoring of both diseases but also plant density (biomass), wintering etc. Scoring today are made by different people, which means that there is a great variation in scoring from different people. It is important that methods that save time are developed. In order to reach the goal, drones equipped with cameras will be used and the images will be processed using machine learning. This project will be a big step towards being able to use drones for image analysis in the future instead of manual ocular inspection. This is to prevent differences in grading and form a better holistic view of the grades and to be able to more easily follow an experiment and study its change when diseases occur.

Målet med projektet är att digitalisera datan från Sverigeförsökens fältförsök genom automatiserade uppskattningar av viktiga egenskaper som grobarhet, tillväxt, resistens, mognad samt effekten av växtskyddsmedel. Syftet är att effektivisera och förbättra graderingar både sjukdomar men även planttäthet (biomassa), övervintring mm. Graderingar idag görs av olika personer, vilket medför att variation är stor mellan olika personer. Det är viktigt att metoder som är tidsbesparande utvecklas. För att kunna nå målet, kommer drönare utrustade med kameror kommer att användas och bilderna behandlas med hjälp av maskininlärning. Detta projekt kommer utgöra ett stort steg mot att I framtiden kunna använda drönare för bildanalys istället för mänsklig okulär besiktigning. Detta för att förhindra olikheter vid gradering och bilda en bättre helhetssyn av graderingarna samt att lättare kunna följa ett försök och studera dess förändring när sjukdomar uppstår.