EMVA

Young Professional Award 2023 verliehen

24. Mai 2023, 11:50 Uhr | Inka Krischke

Dr. Pieter Blok (links), Gewinner des EMVA Young Professional Award 2023, und EMVA-Präsident Dr. Chris Yates

Der EMVA Young Professional Award 2023 geht an Dr. Pieter Blok für seine Arbeit ‚Advanced deep learning for harvest robotics’. Der Preisträger wurde am 5. Mai im Rahmen der 21. EMVA Business Conference in Sevilla bekanntgegeben.

Die manuelle Ernte von Obst und Gemüse ist eine arbeitsintensive Aufgabe, die unter dem derzeitigen Mangel an Arbeitskräften in der Landwirtschaft leidet. Um zu verhindern, dass der Arbeitskräftemangel zu einem geringeren Angebot an Obst und Gemüse führt, wird nach robotergestützten Alternativen gesucht. Damit ein Roboter erfolgreich eine Ernte einbringen kann, muss das Obst und Gemüse mit Hilfe von Computer-Vision-Methoden erkannt werden. Bislang sind die meisten Computer-Vision-Methoden jedoch nicht in der Lage, bei ihrer Anwendung auf verschiedenen Feldern generisch und zuverlässig zu funktionieren. Dies steht dem kommerziellen Erfolg von Ernterobotern noch im Weg.

Ziel der Doktorarbeit von Pieter Blok war es, neue Bildverarbeitungsmethoden zu erforschen und zu entwickeln, die einem Ernteroboter helfen können, mit Schwankungen und Unsicherheiten umzugehen. Blok ist Wissenschaftler für Deep Learning und Computer Vision an der Wageningen University and Research in den Niederlanden mit einem Bachelor und Master of Sciences in Agrartechnik von der Universität Wageningen. Er erlangte seinen Doktortitel an der Universität Wageningen mit der Arbeit ‚Perception models for selective harvesting robots in fruit and vegetable production‘ im Dezember 2022.

Der Schwerpunkt der Doktorarbeit lag auf drei Aufgaben, die jeder Ernteroboter erfüllen muss: die Erkennung des Ernteguts, die Einschätzung der Größe jedes Ernteguts und die Bestimmung der Qualität des Ernteguts. Im Zusammenhang mit der Erntegut-Erkennung konzentrierte sich Bloks Arbeit auf die Verbesserung der Generalisierungsleistung von Convolutional Neural Networks (CNNs), um mit Variationen innerhalb desselben Ernteguts umzugehen. Normalerweise gibt es innerhalb einer Kulturpflanze viele Variationen, was dazu führen kann, dass das trainierte CNN nicht ausreichend generalisieren kann. Daher konzentrierte sich Bloks Forschung auf die Anwendung verschiedener Arten der Datenerweiterung, um das Training eines CNN zu optimieren. Mit geometrischer Datenerweiterung (Rotation, Beschneidung und Skalierung des Bildes) konnte gezeigt werden, dass das CNN besser auf mehrere Pflanzenvariationen verallgemeinern kann.

Ein weiteres Forschungsthema in Bloks Dissertation befasste sich mit der Verbesserung der Größenschätzung von Nutzpflanzen. Die Größenschätzung ist für einen Ernteroboter wichtig, da sie darüber entscheidet, ob eine Pflanze geerntet werden soll oder auf dem Feld verbleibt, um weiter zu wachsen. Eine Herausforderung bei der Schätzung der Größe einer Pflanze besteht jedoch darin, dass sie von Blättern verdeckt sein kann, was die Sichtbarkeit der Pflanze einschränkt. Blok führte eine neue Wahrnehmungsmethode ein, um dieses Problem zu beheben. Seine neue Methode nutzt die amodale Wahrnehmung, das heißt die Fähigkeit, sowohl die sichtbaren als auch die verdeckten Teile von Objekten in einem Bild vorherzusagen. Durch die Integration dieses Verfahrens in ein CNN konnte die amodale Form verdeckter Pflanzen für die dreidimensionale Abschätzung der Pflanzengröße und die Roboterpositionierung präzise geschätzt werden.

Das dritte Forschungsthema in Bloks Doktorarbeit befasste sich mit der Bestimmung der Erntequalität. Konkret ging es um den Einsatz von aktivem Lernen zur automatischen Auswahl und Notierung sporadisch auftretender Pflanzenkrankheiten. Die neu entwickelte Methode des aktiven Lernens nutzte den Output des CNN, um unmarkierte Bilder auszuwählen, bei denen das Netzwerk am unsichersten war. Diese Bilder wurden dann interaktiv auf semi-überwachte Weise gelabelt und zum erneuten Trainieren des Netzes verwendet. Durch diese aktive Lernmethode konnte der Aufwand für die Annotation um 1400 Bildannotationen beziehungsweise 120 Stunden deutlich reduziert werden.

Die Einbindung der Deep-Learning-Technologien von Blok in fünf Ernteroboter hat die erfolgreiche Vermarktung dieser Roboter ermöglicht und steht beispielhaft für einen gelungenen Technologietransfer von der Wissenschaft in die Industrie.

Ab dem 1. Juli 2023 wird Dr. Blok seine wissenschaftliche Laufbahn als Assistenzprofessor am Laboratory of Field Phenomics an der Universität Tokio in Japan fortsetzen und sich dort auf maschinelles Lernen und Bildverarbeitungstechnologien für die Phänotypisierung von Pflanzen konzentrieren.

Der EMVA Young Professional Award

Der EMVA Young Professional Award ist ein jährlich ausgelobter und auf der EMVA Business Conference verliehener Preis, der die außergewöhnliche und innovative Arbeit von Studierenden oder Berufseinsteigern in der Bildverarbeitung honoriert. Mit dem Preis möchte die EMVA speziell Studenten/Studentinnen dazu ermuntern, sich auf die technischen Herausforderungen der industriellen Bildverarbeitung zu fokussieren und die neuesten Forschungsergebnisse der Bildverarbeitung auf die praktischen Erfordernisse in der Industrie anzuwenden.

Die European Machine Vision Association (EMVA) ist ein 2003 gegründeter, gemeinnütziger und nicht-kommerzieller Verband, der die Bildverarbeitungsindustrie in Europa vertritt. Er ist offen für alle Organisationen, die sich mit Bildverarbeitung, Computer Vision, Embedded Vision oder Bildverarbeitungstechnologien beschäftigen: Hersteller, System- und Maschinenbauer, Integratoren, Distributoren, Beratungsunternehmen, Forschungseinrichtungen und Hochschulen.