Aaltjes
Hoe kan het momenteel handmatig tellen en classificeren van aaltjes in een bodemmonster worden geautomatiseerd?
Onderdeel van:
Projectdoelstelling
Het resultaat van dit project betreft een Proof of Concept van een flatbedscanner voor aaltjesanalyse, die in staat is om aaltjes te tellen en te classificeren waarbij gebruik wordt gemaakt van Deep Learning en virtual modelling technieken.
Voortgang juli 2021
Inmiddels is er een proefopstelling ontwikkeld van de X-Y opstelling. De docent onderzoekers hebben dit in samenwerking gedaan met afstudeerder mechatronica Sebastion Suwalski. Er zijn eerste opnames gemaakt met deze proefopstelling waarop duidelijk de aaltjes te zien zijn. De volgende stap is de detectiesoftware die al ontwikkeld is te gaan combineren met de videobeelden. Dan zal in eerste instantie duidelijk moeten worden hoe nauwkeurig deze software aaltjes kan detecteren. Het is bij de proefopstelling nog de vraag of dit uiteindelijk de beste opstelling is, er is nu gekozen om het sample onder de camera te laten bewegen maar mogelijk is het i.v.m. trillingen toch beter om de camera te laten bewegen. Beide hebben voor- en nadelen. De volgende stap is om de software die aaltjes kan herkennen te implementeren, daar wordt momenteel aan gewerkt. Er is hiervoor reeds software ontwikkeld die werkte m.b.v. foto’s, het is nu de vraag of deze ook werkt in combinatie met deze resolutie video opnames.
Foto: gerealiseerde model GreenTechLab aaltjes scanner
Periode
Januari 2020 t/m december 2021
Projectteam
Fontys: Anton Winkelmolen, Wowa Pavlov, Daniel Rateike, Alexander Warkus, Kim Zegers
CytoSMART Technologies B.V.: Jan Willem van Bree
ROBA laboratorium: Iwan Gijsbers
Video
Partners
