Granplantor behandlades på plantskola med ett latexbaserat barriärskydd mot snytbagge. Dessa plantor frystes sedan ned innan latexbehandlingen hunnit torka. Syftet med studien var att undersöka om plantor som frysts ned direkt efter behandling med latex går att tina upp, för att sedan låta behandlingen torka färdigt i kartongerna de är förpackade i. Metoderna för studien innefattade litteraturstudier och ett experiment. I de försök som genomfördes på plantorna påvisades fläckar utan latex, främst då en större andel av latexbeläggningen var fuktig. Dessa fläckar verkade ha ett samband med skyddets fuktnivå, då det blev fler fläckar ju fuktigare behandlingen var. Gemensamt för de 3 grupper där latex torkat mest är att de var placerade i miljöer där temperaturen låg på 20 ⁰C eller högre.

Detta arbeta har utförts för att undersöka hur höstplantering av täckrotsodlad gran (Picea abies) och tall (Pinus sylvestris) överlever och utvecklas jämfört med vårplanterad. Detta i ett led för att se om man kan utöka planteringssäsongen för att få en jämnare arbetsbelastning över säsongen både i plantskolorna och ute i fält. Man har undersökt hur en planteringstidpunkt på sensommaren och hösten påverkar granplantors överlevnad jämfört med plantering på våren. Studien är utförd som en survey studie i södra Sverige på täckrotsplantor av gran som planterats på medelboniteter 2007-2009 och inventerats 2010. Höst och vårplanterade granplantor är jämförda parvis med samma planttyp, ålder, proveniens och geografiskt område. Följande saker har jämförts; plantor per hektar, höjdtillväxt, toppskottstillväxt, rothalsdiametern, frostskador, viltskador samt snytbaggeskador. Höstplantering av täckrotsodlad gran (Picea abies) ger ett lika bra resultat som vårplantering vad gäller överlevnad hos plantor. Höjdtillväxt och diametertillväxt blev något bättre på de höstplanterade plantorna jämfört med vårplanterade efterföljande vår. Höstplanterade plantor skadades något mer av frost än de vårplanterade gjorde, speciellt första säsongen. Vårplanterade plantor fick något mer viltskador än höstplanterade vilket kan bero på färre frostskador. Vårplanterade plantor skadades något mer av snytbagge än de höstplanterade. Snytbaggeskadorna var störst på de torra jordarna i östra området. Höstplantering av täckrotsodlad tall (Pinus sylvestris) gav ett lika bra resultat när det gäller överlevande plantor som gran. / This work has been performed in order to investigate if Norway spruce (Picea abies) and pine (Pinus sylvestris) container-grown seedlings planted in autumn gives the same quality as planting in spring in terms of surviving plants. This is in part to see if one can extend the planting season to get a more even workload over the season, both in nurseries and in the field. The study is designed as a survey study in Southern Sweden on container-grown seedlings of Norway spruce and pine planted 2007-2009 and inventoried 2010. The following things have been compared; plants per hectare, height growth, leading shoot growth, stem diameter, frost damage, damage by wild animals and pine weevil damage. Planting of Norway spruce (Picea abies) container-grown seedlings in autumn gives the same quality as planting in spring in terms of surviving plants. Height growth and diameter growth were slightly better the following season for seedlings planted in autumn compared to seedlings planted in spring. Seedlings planted in autumn were damaged by frost more than seedlings planted the spring, especially the first season. Seedlings planted in spring were slightly more damaged by wild animals than seedlings planted in autumn which may be because of less frost damage. Seedlings planted in spring were slightly a little more damaged by pine weevil than seedlings planted in autumn. Pine weevil damage was greatest in the arid soils in the eastern area. Container-grown seedlings of pine (Pinus sylvestris) planted in autumn gave equally good results as seedlings planted of Norway spruce.

This report presents the results of investigations into whether, and how well, Artificially Intelligent (AI) algorithms can be used to estimate the height of plants by using images from regular surveillance cameras, setup over one of Svegros basil farms. The project is of great economical importance as too tall basil plants will not fit the shelves at stores and too small plants will disappoint customers. This is a part of a bigger movement at Svegro to automate the monitoring and caring for the growing plants, aiming at lowering energy consumption and minimizing waste. To measure the heights, rulers (Robel poles) were placed behind the plants that moved on conveyor belts under cameras so the plants’ heights could manually be established from the number of visible lines on the Robel pole, not covered by the plant. The research problem was to engineer an AI based solution to predict how many lines were visible above the plant. After two months of gathering images and manually annotating them, three Convolutional Neural Network (CNN) models of varying complexity were trained on the images of individual Robel poles from the basil field. Results obtained with Grad-CAM showed that the networks do not learn to count the lines but to correlate the leafs size and shape to the height. The best score was a Mean Absolute Error of 0.74 and a Mean Squared Error of 0.83, where a MAE of 2.53 and MSE of 11.11 corresponded to just predicting the data sets median. This was achieved with EfficientNet0B. The results were compared with a human being’s performance which showed that the human still performed better but due to the noisy data, the results are considered impressive and the score exceeded the expectations of the team at Svegro so the final model is now used there today. It was also shown that reasonably good results could be obtained even without the Robel pole in the training images, meaning the Svegro team could stop setting out the Robel poles but with a slight loss in precision. Suggestions for improvements, like changing the design of the Robel poles, are presented to aid future research to fully automate the process with higher accuracy. / I denna rapport presenteras resultaten från undersökningen av huruvida en Artificiellt Intelligent (AI) algoritm kunde användas för att estimera höjden på plantor från bilder tagna med övervakningskameror som satts över en av Svegros basilikaodlingar. Projektet är av stor ekonomisk vikt eftersom basilikan inte får vara för lång för att inte passa i hyllorna i butiker eller för korta för att göra konsumenterna missnöjda. Detta är en del av ett större projekt som innebär övergång till automation av övervakandet och odlandet hos Svegro med förhoppningen om att kunna minska energiförbrukningen och svinnet. För att mäta höjden placerades linjaler (Robel-pinnar) bakom plantorna som rörde sig längs ett stort rullband under kameror så att plantornas höjd manuellt kunde bestämmas från antalet sträck på linjalen som täcktes av plantan. Forskningsuppdraget blev därmed att ta fram en AI som kunde uppskatta hur många linjer som syntes. Efter två månaders samlande av data samt manuellt annoterande av dem testades tre CNNs (Convolutional Neural Network) med olika komplexitet genom att tränas på bilderna av individuella Robel-pinnar från basilikafältet. Resultat som erhölls med Grad-CAM visade att nätverken inte lär sig räkna linjerna utan istället korrelerar basilikabladen form och storlek till höjden. Det bästa resultatet som erhölls var ett MAE (Mean Absolute Error) på 0.74 samt MSE (Mean Square Error) på 0.83, där ett MAE på 2.53 och ett MSE på 11.11 hade motsvarat gissande på datasettets median. Detta resultat erhölls med EfficientNet0B. Resultatet gämfördes med en människas prestation vilket visade att människan presterade bättre, men på grund av osäkerhet i datan ansågs resultaten vara imponerande och överträffade förväntningarna från teamet på Svegro som idag använder modellen. Det visades även att tillfredsställande resultat kunde erhållas med bilder som inte innehöll Robel-pinnen vilket innebär att teamet på Svegro skulle kunna sluta sätta ut Robel-pinnarna i krukorna men då med en liten förlust i precision. Förslag på förbättringar, som att förbättra desingnen på Robel-pinnarna, tas också upp för att hjälpa framtida forskning att snabbare komma till resultat som kan leda till en fullständigt automatiserad process med bättre noggrannhet.