Digitized and big data driven plant breeding

Offentlig prosjektsammendrag

For å nå målene om økt nasjonal matproduksjon (St. meld. no. 9, 2011-2012) er det nødvendig å ta i bruk nye virkemidler. Korn (hvete, bygg og havre) spiller en nøkkelrolle for en bærekraftig produksjon av mat og fôr i Norge. For å nå målene er det er avgjørende for Graminor å ta i bruk, og øke bruken av nye teknologier for å kunne tilby bedre sorter til den norske bonden. DigiBreeding-prosjektets mål er å øke effektiviteten i Graminors foredlingsprogrammer gjennom digitalisering av aktiviteter og implementering av «Big-Data» foredlingsmetoder. Sensorteknologi og genomikk gir mulighet for raskere foredling av nye sorter. Nye fremskritt innen genomikk- og fenotyping -teknologi gir muligheter for å øke den genetiske gevinsten i sortsutvikling ved en mer presis seleksjon samt en forkortelse av foredlingssyklusen. For å kunne oppnå dette i praktisk foredling er det et stort behov for forskning på utvikling, statistisk modellering og tekniske løsninger. Prosjektet vil fokusere på utvikling av robuste metoder for å ta bilder med høy oppløsning i feltforøk og i tillegg bruke nye beregningsmodeller for å integrere «toppbilder» fra droner med nærbilder fra roboter. Spesifikke algoritmer inkludert maskinlæringsmodeller vil bli brukt for å estimere viktige egenskaper (f.eks. PHS, FHB, avling). Det vil bli utviklet et databasesystem med brukervennlige verktøy for effektiv håndtering og visualisering av data i prosjektet. «Big-data» vil bli tatt i bruk i prosjektet ved å kombinere data fra Graminors feltforsøk over flere år og lokasjoner med bondens avlingsdata koblet med multispektrale drone bilde-data. Arbeidet vil bli utført i nært samarbeid NMBU, NOFIMA, NIBIO, bønder, landbruksrådgivningen (NLR) og dronetjenesteleverandør (ubemannet). Prosjektet vil også samarbeide med verdensledende ekspertise på statistisk modellering (CIMMYT, Mexico) og maskinlæring for bildeanalyse i planteforedling (University of Minnesota).