Nuchter in het licht: fotonica en landbouw door de ogen van Gerrit Polder

Tweemaandelijks stellen wij een specialist voor. Geven we een insight in de persoon, zijn onderzoek en verwachtingen. Deze keer Gerrit Polder, senior onderzoeker Beeldanalyse en Machine Vision. Over de nieuwe wereld van Terahertz en Photonic Integrated Circuits, en hoe ramanspectroscopie en quantum dots de landbouw gaan veroveren.

‘Fotonica is plat gezegd niks anders dan het manipuleren van fotonen, van lichtdeeltjes’, zegt Gerrit Polder. ‘Vergelijk het met het bewerken van elektronen in de elektronica’. Een ander belangrijk onderdeel binnen fotonica is de wisselwerking tussen fotonen en elektronen, zegt hij. Zo kun je in bijvoorbeeld lasers elektrische stroom omzetten in fotonen, en fotonen omzetten in elektrische stroom in optische sensoren, denk aan de camera in je smartphone. ‘Fotonica speelt een groeiende rol als het gaat om een meer efficiënte, geavanceerde en duurzame landbouw’. Hij noemt: ‘Multispectraal camera’s onder een drone om de groei en productiviteit van een aardappel of ander gewas te monitoren; 3D camera’s op oogstrobots die grijpers naar oogstklare appels dirigeren. Of lasers die onkruid in het veld wegbranden’.

Prutsen met transistors

Gerrit Polder is senior onderzoeker Beeldanalyse en Machine Vision bij Vision+Robotics, de business unit Glastuinbouw van WUR en sinds kort ook bij de leerstoelgroep Agricultural Biosystems Engineering, waar hij Master en PhD studenten begeleidt. Zijn achtergrond: HTS Electrotechniek aan de Hogeschool in Arnhem. Dat hij na zijn middelbare school voor een technische opleiding kiest, verbaast eigenlijk niemand. Al op de lagere school heeft hij interesse voor elektronica, radiotechniek en dat soort dingen. Hij is zo’n jongetje dat transistorradio’s uit elkaar haalt om ze daarna weer in elkaar te zeten. Of hij maakt ervan iets anders met onderdelen van afgedankte apparaten. ‘Dat prutsen met ontvangertjes en robotjes doe ik nog steeds. Eerst met mijn kinderen, nu met mijn kleinkinderen.’

Tijdens de HTS loopt hij stage bij de vakgroep Natuur en Weerkunde van Wageningen University & Research, dan nog Landbouwhogeschool. Lekker dicht bij zijn woonplaats Veenendaal, in tegenstelling tot zijn tweede stage in Indonesië, waar hij voor een zendingsorganisatie vliegtuigradio’s repareert. Voor zijn afstudeeronderzoek keert hij terug in Wageningen, bij dezelfde vakgroep. ‘Mijn scriptie gaat over het automatiseren van landbouwwerktuigen. Zeg maar de verre voorloper van precisielandbouw, nu een belangrijk thema binnen Vision+Robotics’.

Interface kaarten en analoge camera’s

Vlak voor zijn afstuderen hoort Polder over een vacature op de Landbouwuniversiteit bij de vakgroep moleculaire fysica, en ja, dat lijkt hem wel wat. ‘Lasers en NMR. Magnetische resonantie met grote helium gekoelde magneten. Allemaal interessante dingen’. Hij moet zorgen dat alle apparatuur in het lab werkt, en geeft een practicum vak aan studenten. Toch besluit hij na enkele jaren verder te kijken. Hij komt terecht in de wereld van telecom, maar die bevalt niet. Dus keert hij -ruim 30 jaar geleden- naar Wageningen terug. Om het kwekersrechtonderzoek, waarbij voor nieuwe gewassen honderden handmatige metingen gedaan moesten worden, te ondersteunen met behulp van beeldverwerking. In die tijd een nieuwigheid: camera’s zijn nog niet digitaal. Polder: ‘We gebruikten zogenaamde framegrabbers, interface-kaarten in de computer die het analoge videosignaal van een videocamera omzetten in een digitaal beeld’.

Bij de Landbouwuniversiteit zijn ze er eind jaren negentig van de vorig eeuw vroeg bij als het gaat om de toepassing van spectrale beeldverwerking in de landbouw. Zodra de eerste beeldvormende spectrografen op de markt komen, willen ze daar starten met onderzoek naar ‘spectrale beeldvorming voor het meten van bio chemicaliën in plantaardig materiaal’. In samenwerking met TU Delft, gefinancierd door de toenmalige Technologiestichting STW. Een mooie klus voor een PhD. Polder steekt zijn vinger op en zegt dat hij die promovendus wil zijn. Daarmee groeit hij door naar ‘een volgende stap’ binnen fotonica. Van zwart-wit en kleurenbeelden naar spectrale beelden. ‘Die eerste spectrografen heb ik nog op de zolder van het lab liggen. Een stukje historie. Ik zou die eigenlijk in een vitrine moeten etaleren’.

Lab-opstelling van Gerrit’s eerste spectrografen in 2004.

Een spectrograaf moet je zien als een apparaat dat met behulp van een prisma licht splitst in verschillende golflengtes. ‘Daarmee kun je een spectraal beeld maken met op elk beeldelement een compleet reflectie spectrum’, zegt Polder. ‘Een regenboog van kleuren die overeenkomen met verschillende golflengtes van licht. Als je dit spectrum analyseert, krijg je informatie over de fysische en chemische eigenschappen van het object of materiaal dat je met zo’n camera vastlegt’.

Lycopeen in tomaten

Tijdens zijn PhD houdt Polder zich bezig met het meten van lycopeen in tomaten. Een krachtige antioxidant, en een van de inhoudsstoffen in tomaten naast onder meer betacaroteen, chlorofyl, vitamines en mineralen. Met de spectrograaf kan hij lycopeen per pixel traceren. Nog interessanter: ‘Je kunt met die camera heel nauwkeurig lokaliseren waar binnen een tomaat en andere gewassen afwijkingen zijn’. In 2004 behaalt hij zijn doctoraat aan de TU in Delft. De publicaties in zijn proefschrift behoren tot de eerste over de toepassing van spectrale beeldverwerking in de landbouw. Trots: ‘Vooral het artikel ‘Spectral image analysis for measuring ripeness of tomatoes’, gepubliceerd in ‘Transactions of the ASAE’ is enorm vaak geciteerd’.

Integrated Pest Management

Sinds zijn promotie in 2004 richt Polder zich voornamelijk op spectrale beeldverwerking. Met name in relatie tot ziektedetectie. ‘Verschillende ziektes kun je in een vroeg stadium lastig detecteren. De symptomen zie je nog niet en dat wil je wel graag’. Met spectrale beeldverwerking of spectroscopie zie je meer dan met het menselijk oog. Dat is mooi, want hoe eerder je een ziekte detecteert, hoe eerder je kunt ingrijpen. Hij wijst op Integrated Pest Management (IPM), een hot topic. Boeren mogen steeds minder bestrijdingsmiddelen gebruiken, maar ze willen wel controle houden over hun gewassen. Om een mogelijke plaag en daarmee het mislukken van hun oogst te voorkomen. Polder: ‘Als je heel gericht kunt spuiten, alleen op die plek waar de ziekte is, gebruik je minder bestrijdingsmiddelen. Beter voor het milieu en kostenbesparend. En hoe eerder je spuit, hoe eerder die ziekte weg is’.

Polder refereert aan het EU-project OPTIMA. Geïntegreerde gewasbescherming. Holistisch en milieuvriendelijk. De basis daarvan vormt een slim camerasysteem waarmee je al in een vroeg stadium verschillende ziekten in een gewas kunt vinden. Daarmee kun je het gebruik van gewasbeschermingsmiddelen aanzienlijk verminderen. ‘OPTIMA bestaat uit een combinatie van machine learning, kleurencamera’s en spectrale camera’s. We zijn begonnen met het verzamelen van beelden van ziektes in het veld. Valse meeldauw in wijngaarden in Piemonte in Italië, schurft in appelboomgaarden in het Spaanse Epila en Alternaria in wortelen in de Bordeaux-streek. Op basis van deze beelden hebben we met deep learning een ziektedetectiemodel getraind. Als je een beeld aan dat algoritme presenteert, kan het direct bepalen of er een ziekte is en waar die zich in dat beeld bevindt’.

Gerrit Polder en collega tijdens een veldproef voor het OPTIMA-project in de boomgaard.

De camera met dat ziektedetectiesysteem zit op een tractor, uitgerust met GPS en een 4G-antenne. Die rijdt met een sukkelgangetje door het veld en schiet rap achter elkaar beelden. Polder: ‘We weten waar de camera zich bevindt wanneer die een beeld maakt. Het is een slimme camera, dus hij maakt niet alleen de beelden, maar verwerkt ze ook’. De beslissing of je wel of niet moet spuiten, wordt genomen door een decision-support-systeem in de cloud. ‘Op basis van die informatie kun je een taakkaart maken die je koppelt aan een veldspuit. Daarmee doseer je de juiste hoeveelheid gewasbeschermingsmiddelen op de juiste plaats en op het juiste moment’.

Hoe meer spectrale kleuren, hoe hoger de prijs

Voor het opnemen van de spectrale beelden in het veld worden linescan-camera’s gebruikt. Als het buiten waait, zijn die onhandig: dan gaan de bladeren bewegen, en dat is lastig scannen. Een spectrale snapshotcamera brengt uitkomst, zegt Polder. ‘Multispectraal camera’s met enkele banden zijn al langer op de markt, maar je ziet ook meer en meer snapshotcamera’s met een hoge spectrale resolutie. Daarmee kun je in één klik meerdere spectrale banden vastleggen. Andere spectrale camera’s hebben daarvoor verschillende opnames of scans nodig’.

Probleem van al die mooie spectrale camera’s: ze zijn kostbaar. Polder: ‘Die eerste spectrograaf die ik enkele jaren geleden gebruikte, heeft nog ongeveer dezelfde prijs’. Spectrale camera’s gaan nu eenmaal niet als warme broodjes over de toonbank. Dat maakt ze duur. Startprijs 20.000 euro. ‘Hoe meer spectrale kleuren zo’n camera kan waarnemen, dus hoe meer chemicaliën, stoffen en bestanddelen je in een beeld kunt onderscheiden, hoe hoger de prijs’.

Multispectraal en InGaAs

Veel onderzoek richt zich op het vinden van golflengtes. Welke camera heb je daarbij voor welke taak nodig? Polder: ‘Van een camera met een hoge spectrale resolutie met honderden golflengte banden ga je terug naar een multispectrale camera met enkele banden die goedkoper en sneller werkt’. Veel van die camera’s opereren in het zichtbare en nabij infrarood gebied (400-1000 nm). Silicium is het basismateriaal van de sensor in die camera’s en dat werkt goed tot 1000nm. Boven die golflengte zit je in het voor veel toepassingen zeer interessante korte golf infrarood gebied (SWIR, 900-1700 nm). Hier werkt silicium niet meer en heb je dus ander materiaal nodig. Hij noemt de InGaAs-beeldsensor, wat staat voor Indium Gallium Arsenide. En nee, met een prijs van drie of vier keer de prijs van op silicium gebaseerde camera’s zeker geen koopje.

Quantum dots

Toch ziet Polder hier, ook prijstechnisch, hoopgevende ontwikkelingen. Hij spreekt over quantum dots. Extreem kleine halfgeleiderdeeltjes, meestal slechts enkele nanometers klein, die licht met een zeer hoge precisie kunnen omzetten. ‘Je kunt die afstemmen om specifieke golflengtes van licht te absorberen en uit te zenden en zo de gevoeligheid en het bereik van silicium sensors flink verbeteren. Quantum dots bieden op die manier een kosteneffectieve en alternatieve technologie voor SWIR spectroscopie’.

Photonic integrated circuits

Met belangstelling volgt Polder de ontwikkeling rond photonic integrated circuits: lasers, sensoren, spectrografen en andere onderdeeltjes die je goedkoop in een chip kan bakken. Hij noemt als voorbeeld: ramanspectroscopie. Polder: ‘Je schijnt daarbij met een laser op een materiaal. Meet hoe het licht spectrum verandert wanneer het daar doorheen gaat, hetgeen je van alles leert over de samenstelling van dat materiaal’. Binnen zijn vakgroep is het toegepast op bladeren van chrysanten te onderzoeken op de aanwezigheid van meeldauw. ‘We konden met deze techniek het verschil tussen gezonde en zieke bladeren goed kwantificeren’. Op dit moment zijn Raman spectroscopen nog bulky en duur, met name omdat er gevoelige sensoren en lasers nodig zijn. In de toekomst kun je ramanspectroscopie als Photonic Integrated Circuit (PIC) integreren op één enkele chip, zegt Polder. Een laser samen met een sensor. ‘Dan kun je een chip maken die in één keer zo’n raman-signaal kan meten. Het is er nog niet, maar in potentie zouden ramanspectroscopen met deze PICs kleiner en goedkoper geproduceerd kunnen worden.

Terahertz toepassen in de landbouw

Bij WUR zijn ze samen met OnePlanet en Eindhoven University of Technology (TU/e) bezig met het uittesten van nieuwe technieken, op het terrein van Terahertz (THz). Dat is het gebied tussen radio en optica, tussen microgolven en infraroodstraling. Een leeg terrein dat heel lang niet is onderzocht omdat het niet mogelijk was hier signalen te maken of detecteren. Polder: ‘Bij radiosignalen praat je over Megahertz en Gigahertz. Daarna volgt Terahertz. Ga je nog hoger, dan krijg je te maken met lichtfrequenties. Dat zijn tientallen zo niet honderdtallen Terahertz’.

Onderzoekers kunnen de deur naar Terahertz maar lastig openen. Niet met optische, noch met radiotechnieken. Dat is veranderd. Polder: ‘Vanuit radio kunnen ze dat Gigahertzsignaal nog een paar keer vermenigvuldigen om er te komen. Via de andere optische kant kan het ook met fotonica. Met een laser en ZnSe- of GaSe kristal’. Fotonica- of radiogedreven, welk apparaat straks op de markt komt om Terahertz te meten, nee, Polder weet dat niet. Bij WUR wachten ze dat niet af en zijn ze al bezig te kijken hoe ze Terahertz kunnen toepassen in de landbouw. ‘Je kunt ermee de hoeveelheid water op de oppervlakte van bladeren onderzoeken, wat weer iets zegt over de gevoeligheid voor schimmelziektes’. Met infrarood spectroscopie kun je ook prima de aanwezigheid van water op bladeren meten, maar door de aanwezigheid van zonlicht en infrarood straling in groeilampen, worden die metingen verstoord. In zonlicht en groeilampen zit geen Terahertz. Als je daarmee dus metingen doet, word je onderzoek  nergens door verstoord. Dat kan heel interessant zijn’. Hij weet niet wat je met Terahertz straks nog meer kunt meten. ‘Maar het is belangrijk dat je nu alvast gevoel voor die techniek krijgt’.

Klein, kleiner, kleinst

Hij houdt niet van glazenbolkijken. Technische ontwikkelingen gaan zo hard. Je kunt de toekomst amper nog voorspellen. Polder verwacht niettemin steeds meer fotonicatechnieken in sensoren, en echt, die goedkope spectrale camera’s gaan komen. Klein, kleiner, kleinst is zijn riedeltje. ‘Kijk naar de eerste GPS-ontvanger, dat was een enorm ding. Nu is dat een mini-chipje’. En ja, natuurlijk, Artificial Intelligence (AI). ‘Voor het kwekersrechtonderzoek schreven wij vroeger zelf algoritmes om kenmerken zoals het puntje van een boon of de curvatuur van een wortel te bepalen.’ Tegenwoordig leunt moderne beeldverwerking zwaar op AI waarbij je diepe neurale netwerken traint om kenmerken van objecten vast te stellen. ‘De resultaten van deze neurale netwerken zijn indrukwekkend, zeker, maar gebruik bij AI wel je gezonde verstand’.

In strijd met informatietheorie

Hij ziet publicaties waarin schrijvers claimen dat je met behulp van generatieve AI vanuit RGB-kleurenbeelden spectrale beelden kunt genereren. Mooi, maar wat is het nut daarvan, vraagt Polder zich af. Bovendien is zo’n stap in strijd met de informatietheorie, zegt hij. ‘Je kunt geen informatie genereren uit het niets noch hoog dimensionale informatie genereren uit laag dimensionale data’. Een RGB-beeld bestaat uit drie banden (rood, groen en blauw), een spectraal beeld uit meer banden die elk een specifieke golflengte van het licht representeren. Een spectraal beeld bevat dus meer informatie dan een standaard RGB-beeld. Wanneer je probeert een spectraal beeld te genereren vanuit een RGB-beeld met behulp van generatieve AI, dan probeer je extra informatie te creëren die niet in het oorspronkelijke RGB-beeld bestaat. Daarom komt het gegenereerde spectrale beeld waarschijnlijk niet overeen met het werkelijke reflectie spectrum van het betreffende object, en ja, hoe betrouwbaar en nuttig is zo’n AI-onderzoek dan. Bovendien wat voor nut heeft het? ‘Je kunt een spectraal beeld veel lastiger visualiseren dan een kleurenbeeld en voor het classificeren van objecten lijkt dit een nodeloze omweg’. Polder blijft liever met beide benen op de grond. Dan kun je in zijn ogen pas echt het verschil maken. ‘Als je na jaren onderzoek iets nuttigs ziet ontstaan, waaraan jij een bijdrage hebt geleverd, ja, dat blijft voor mij bijzonder’.

Senior onderzoeker Beeldanalyse en Machine Vision