Deel dit artikel:

24 mrt 2021

|

Industrie

“Growing data”

Journalist: Féline van der Linde

Ons land is rijk aan kennis over data, technologie en innovaties. Deze hightech kennis begint zijn weg te vinden naar de agrisector.

Nederland zet inmiddels vol in op de mogelijkheden van nieuwe data-technologie: van autonome sorteeroplossingen tot het digitaal in kaart brengen van percelen of planten.

Daarnaast dragen automatisering en robotisering bij aan oplossingen voor maatschappelijke problemen: de beschikbaarheid van (gekwalificeerde) arbeid, productkwaliteit en het milieu. Maar hoe zet je deze innovatie in gang?




Een goed voorbeeld van de inzet van data-technologie is het gebruik van image recognition algoritmes om inzicht uit foto’s te halen; of deze nu gemaakt zijn met je mobiele camera of met een geavanceerde spectraal camera. Denk aan een foto van een vliegenvangplaat om automatisch het aantal vliegen te tellen, en deze aantallen te vergelijken met die van de week ervoor om plagen te voorspellen in de kas. Of het gebruik van fotobeelden om de lengte van een plant te bepalen en af te zetten tegen de gemiddelde lengte van de gehele batch. Maar ook het automatisch tellen van aantal gekiemde zaadjes voor cijfers over kiemkracht en kiemvitaliteit.  


Innoveren met sensoren en algoritmes: autonoom telen
Bovenstaande voorbeelden zijn samen met telers uitgetest. “Denk innovatief”, vertelt Marianne Faro, Managing Director bij Itility. “Zo combineren we bijvoorbeeld hightech-ervaring, machine learning kennis en softwarekunde om volledig autonoom sla te telen. 

Hoe? Startpunt is het omzetten van plantgroeimodellen: van wiskundige formules naar data science code. Hiermee wordt een recept gegenereerd voor de kas: hoe hoog moet de temperatuur, CO2 en luchtvochtigheid zijn op welk moment van de dag om goed sla te groeien? Om dit continu te optimaliseren heeft het model gegevens nodig van het drooggewicht van de plant – via foto’s van de zijkant en bovenkant van de plant wordt dit automatisch berekend. Het optimale recept stuurt vervolgens de sensoren van de klimaatkamer aan met exact de juiste settings.” 

Combineren van datacollecties
Maar ook zonder camera’s en extra sensoren kan al veel bereikt worden, gaat Faro verder. “Je huidige dataset is een goed startpunt. Het slimmer omgaan met die data is vaak een eyeopener die nieuwe toepassingen zichtbaar kan maken; een mooie en relatief eenvoudige eerste stap in agri innovatie. Gebruik je oogstgegevens, gegevens uit de klimaatcomputer, de sorteercomputer, het spuitschema, welke middelen (en wanneer, waar en hoeveel) zijn gebruikt, en zo nog veel meer. Wanneer je teeltspecifieke uitdagingen vanuit dataperspectief benadert en datastromen met elkaar verbindt, worden oplossingen mogelijk waar je waarschijnlijk niet eerder aan gedacht hebt.” 

Gesponsord