Foto: Yuanxu Xue Voor haar Animal Breeding and Genetics scriptie, maakte Xue gebruik van zelflerende systemen en deep learning-algoritmen, om de kwalitatieve en kwantitatieve eigenschappen van de goudbrasem te voorspellen. Om dit te bereiken voerde ze 2300 beelden van de vis in de computer in en maakte ze gebruik van fenotypering, waarbij de “buitenkant” wordt vastgelegd, dus de uiterlijke verschijningsvorm. ‘Het invoeren is een betrekkelijk eenvoudige stap in automatische fenotypering. Het algoritme legt een verband tussen de pixels en bepaalde fenotypes van de vis, zoals formaat, vorm en gewicht.’
‘Normaal moet je bij fenotypering de vis opensnijden om dingen te meten’, zegt Xue. ‘Door gebruik te maken van beelden en algoritmen hoeft de vis niet te worden verwond.’ Het algoritme voorspelt het gewicht en hoe mager hij is.
Foutje?
Xue wist niet dat ze voor de prijs was genomineerd. ‘Ik kreeg een email dat ik gewonnen had, en ik dacht: ‘Dit is een foutje! Aangezien mijn naam nogal eens verkeerd geschreven wordt leek dit mij logisch… Maar, toen zag ik mijn begeleider in de cc staan. Ik bleek door anderen te zijn aangemeld voor de prijs.’
Het prijzengeld is 2500 euro. ‘Ik weet nog niet wat ik daarmee ga doen. Ik ben net verhuisd, misschien koop ik wel wat meubels.’
Xue studeerde in Augustus 2019 af en werkt momenteel bij Livestock Research, waar ze zich vooral bezighoudt met video en beeldanalyse en big data voor fokprogramma’s. ‘Mijn scriptie was het begin van mijn droom om geavanceerde computertechnieken toe te passen ten behoeve van dieren fokkerij en welzijn. Daar werk ik nu ook aan. Deze prijs toegekend krijgen is erg motiverend en ik hoop dat meer mensen betrokken zullen raken bij slimmere en duurzamere dierwetenschappen.’
John Bastiaansen (onderzoeker Animal Breeding and Genomics) was Xue’s scriptiebegeleider. ‘Het bijzondere is dat in haar werk drie verschillende disciplines gecombineerd worden, Machine Learning (of AI), image analyse, en diergenetica. De methodes die ze toepast kunnen een oplossing bieden om aan de ene kant meer te meten aan (gekweekte) vissen en, aan de andere kant te voldoen aan de wens om deze vissen zo min mogelijk te verstoren. Het kan dus zowel het welzijn van de vis en de kwaliteit van de data verzameling verbeteren.’