Gesubsidieerde apenrots

Bijna nooit hoor je dat men zich voorneemt zich anders te gedragen. Zoiets als: minder boos worden op andere weggebruikers die iets fout doen, meer geduld hebben (ik heb geaccepteerd dat ik altijd in de trage rij voor de kassa staat, een verademing!), aardiger zijn voor jonge promovendi. Maar wat zegt deze nadruk op het goede doen ten koste van het goede zijn over ons? In ieder geval dat het pleidooi van Balkenende voor ‘meer’ normen en waarden nooit is aangeslagen. Maar wat zegt het over hoe wij met elkaar omgaan in de wetenschap?

Hoewel ik al tien jaar op de TU Delft werk, kan ik het nog steeds niet laten om vergelijkingen te maken met mijn vorige commerciële werkkring. Hoewel ook daar ‘vieze spelletjes’ werden gespeeld moet ik bekennen dat de overwegend professionele houding ook een duidelijke ethische component had. Ondanks het belang van geld verdienen begreep men echt dat men elkaar uiteindelijk nodig had. In de wetenschap, hoe zal ik het eens zeggen, verlopen de dingen anders. Natuurlijk, elkaar citeren schept een band. Maar we weten ook dat de meeste citaties het bewijzen is van lippendienst. Dus het verbond der citaties is niet geheel oprecht, om nog maar te zwijgen over welke verkeerde kanten de wetenschap wordt opgestuurd door het klakkeloos overnemen van andermans opvattingen en die vervolgens veronachtzamen. Wetenschappelijk papegaaien zorgt er beslist niet voor dat we op elkaars schouders zijn gaan staan en daarmee de wetenschap verder brengen. Eerder lijkt het erop dat de ‘wetenschappelijke piramide’ een door de overheid gesubsidieerde apenrots is.
Vaak hoor je dat het imago het grootste bezit is van een wetenschapper. Let wel: een imago van kwalitatief goed en maatschappelijk relevant wetenschappelijk werk. Maar veel wetenschappers kunnen het niet laten om collega-wetenschappers op gezette tijden een slechte naam te geven. Goedgekeurde proefschriften worden achteraf beschimpt, bijzonder hoogleraarschappen blijken toch niet zo bijzonder te zijn, veel wetenschappers blijken opvallend creatief in het tijdens een vergadering geven van saillante bijnamen aan mensen die toevallig niet aanwezig zijn, en achter ‘best paper awards’ zouden toch echt politieke motieven schuilgaan.

Collectief wantrouwen is niet productief. De van de wetenschap geëiste kritische houding mag niet doorslaan in onnodige scepsis en misplaatst sarcasme. Juist in een organisatie waar voor de komende jaren krimp wordt gepredikt, zal men meer op elkaar zijn aangewezen. Ik pleit niet voor een perfecte wereld waarin iedereen harmonieus met elkaar omgaat, maar een echte professional verliest nooit het grotere geheel en de menselijke maat uit het oog. Vooral in de wetenschap, waar we moeten meegaan met de ‘open samenleving’ en met ‘open innovatie’, zijn goede omgangsvormen cruciaal. 2011 wordt wat mij betreft het jaar van de goed opgevoede wetenschapper.

Patrick van der Duin is toekomstonderzoeker bij de sectie technology, strategy and entrepeneurship van de faculteit Techniek, Bestuur en Management.
 

Lifted on top of thin rotating poles, five young tomato plants just a few centimetres tall are pirouetting in front of a camera like tiny ballerinas in front of a jury. A second later, the plants are briskly embraced by robot arms that carry the seedlings into the adjacent room, where they are placed in one of three rows: slow, medium or fast growers. Without delay the robot arms return to the rotating poles to fetch the next batch. It’s the Select-O-Mat at work, the state-of-the-art technology developed by GreenVision at Wageningen University and Research Centre to automatically select and sort tomato seedlings at speeds of up to 15,000 plants per hour. Commercial gardeners want to know the quality of the plants they buy. “Since a good tomato plant gives up to sixty kilograms of fruit, gardeners don’t want to waste their space and efforts on a plant that produces less”, explains dr. Nicole Koenderink, from the Wageningen UR Food & Biobased Research Institute. That’s why traditionally experts always selected the seedlings. Now this can be done by the Select-O-Mat, which works better and faster than the experts, but it’s still not good enough. For one thing, the robot only inspects the leaf surface (big leaves means fast grower), which doesn’t do justice to the expert’s more subtle judgements. So Koenderink has developed a new computer vision system that makes better use of the expert’s knowledge. Last Monday at TU Delft she defended her thesis, entitled ‘A knowledge-intensive approach to computer vision systems’, where Professor Lucas van Vliet from the research group quantitative imaging (faculty of Applied Sciences) served as her PhD supervisor, together with information management specialist professor Jan Top, of VU University in Amsterdam.

“Most computer vision systems are based on black-box models”, says Koenderink. These systems are trained by showing them good and bad specimens, while simultaneously feeding them with the rating. Over the course of time, the neural network behind the system will somehow correlate the visual impression with the rating until it can mimic the judging process. The problem is that no one can really trace what the system is doing in laymen’s terms. “I’ve developed a white-box system instead”, Koenderink says. “A system that embodies the expert knowledge and is transparent in its workings.”

Koenderink worked with the plant-rating experts to find out exactly what they where looking at, and how they judged the features of plug, stem and leaves to arrive at a quality rating for the plant. “It’s a sequence of see, think, act”, she explains.

The system starts with a three-dimensional ‘point cloud’ representing the plant. Next, it should be able to recognise the various parts: thick cylinder is the stonewool plug; thin cylinder is a stem; and curved surface is leaf. A ‘sanity check’ is applied to prevent impossible interpretations. If for example the system ‘sees’ a stem within a leaf, the sanity check decides that it is simply a part of the leaf that somehow must have been folded. Once the various parts of the seedling have been identified, judgement time has come. So, for example, does the candidate plant have less than four leaves; are there dead bits on the leaves; are the leaves misshapen; is the area of the leaves less than 25 percent of the average area or is more than half of the leaf area damaged? If yes, the plant will be rejected as ‘abnormal’. Otherwise, it will be rated as a first, second or third choice plant.

Initially the system made errors in shape recognition, but with software improvements the erroneous interpretations have been reduced. In the existing prototype version it took seven minutes to create the 3-D image and another ten minutes to analyse it. Nonetheless Koenderink and colleagues have cut down the image acquisition time per plant to 0.3 seconds by using an automated imaging system and by streamlining the software. She is confident that the analysis process will be much faster as well in the market-ready machine. She thinks the white-box system is especially suited for judging natural products like flowers, eggs or apples, because of the underlying natural complexity. Koenderink: “Man-made things are quite simple: if they’re deviant, they’re no good.” 

Nicole Koenderink Video’s on www.greenvision.wur.nl