Az Agro Food Robotics (AFR) és a Wageningen University & Research (WUR) egy új, csírázási tesztrendszer fejlesztésén dolgozik, amely gyors és objektív információkkal szolgál a vetőmag-nemesítők és termelők számára annak kapcsán, hogy egy vetőmagtételből hány egészséges növény kelése várható. A termelők az egységes növényállomány érdekében minél több információt igényelnek a vetőmagok minőségét illetően. A fejlesztésben a vetőmagok minősítése a palánták tulajdonságainak megfigyelésén: gépi tanulással történő feldolgozáson alapul.
Mivel a különböző céllal (kereskedelmi vagy vetőmag-nemesítési) termelt növények esetében a termelési körülmények változók, a csírázási vizsgálatok is eltérő eredményeket mutatnak, és nehéz egy egységes vetőmag-minősítési rendszer felállítása. Lydia Meesters kutató szerint ez megnehezíti a vetőmag-nemesítők dolgát a tekintetben, hogy megegyezzenek a vetőmag minőségét illetően, a termelőkét pedig a palánták leendő hozamának megbecslésében korlátozza. Az „A csúcstechnológiás növényi fenotipizáló eszközök kiaknázása nemesítő vállalatok és termelők számára (2018-2021)” elnevezésű projekt keretein belül a WUR és az AFR szakemberei kifejlesztettek egy automatizált, szabványos csírázási tesztrendszert, amely kiküszöböli ezeket a problémákat.
A fejlesztésben alkalmazott MARVIN nevű kamerarendszer segítségével számos felvétel készíthető a kérdéses vetőmagból növekedő palántákról, amelyek ezt követően egy kategorizálást végző szoftverrel kerülnek összeköttetésbe. Egy mesterséges intelligencia alapú algoritmus segítségével történik a növények osztályozása (deep learning), 2, illetve 3 dimenziós fényképek felhasználásával. A minősítés segítségével világossá válik, hogy adott körülmények között milyen palánták fejlődnek a vetőmagokból.
A fejlesztési folyamatba bevont termelő partnerek véleménye szerint a vetőmag minőségének mérhetőségét illetően nehéz konszenzusra jutni. Jelenleg az egyedi, vállalati igényekre szabott előrejelző modellek kidolgozására irányul a munka.
