Tholen - De champagne is achter de kiezen en hoewel de winnaars misschien nog in een overwinningsroes verkeren, kijkt iedereen ook alweer verder. Wat kan er met de nieuwe kennis vanuit de Autonomous Greenhouse Challenge gedaan worden? En wat is er geleerd?
Team The Automators deelt een uitgebreid stuk over hun ervaringen, net als het winnende team AuTomatoes kort deed. Verder zette organisator Wageningen University & Research een filmpje online.
Bekijk hier het verslag van het webinar met daarin de bekendmaking van de uitslag.
Driedelig model bij The Automators
De technologie waarmee de tomaten werden geteeld, was gebaseerd op een driedelig model, geeft het team met daarin specialisten van Delphy en 30Mhz na de uitslag een blik in de keuken. "Ten eerste hebben we de domeinkennis van Delphy gebruikt om de ideale dagelijkse hoeveelheid licht en extra warmtevraag, vochtigheid en CO2-behoefte te bepalen.
Vervolgens hebben we met behulp van historische data van ervaren Delphy-telers gekeken hoe het klimaat er overdag zou uitzien, onder vergelijkbare omstandigheden.
Ten slotte hebben we verschillende modellen gebruikt die aangeven wat de configuraties van de klimaatcomputer moeten zijn om vanaf stap twee het gewenste klimaat te bereiken. Deze modellen kunnen datagedreven (temperatuur) zijn of bepaald op basis van domeinkennis (irrigatie)."
De belangrijkste drijfveer van het team om deel te nemen was om deel uit te maken van de toekomst van de tuinbouw en het voedselproductiesysteem in het algemeen, vertelt Daam Rutten, datawetenschapper bij 30MHz. “Hoewel we aan het begin staan, geloof ik dat autonoom telen een enorm potentieel heeft, en dan vooral voor landen die niet de domeinexperts hebben die we hier hebben. Dit verklaart natuurlijk ook de betrokkenheid van Tencent. We worden steeds beter in staat domeinkennis om te zetten in software en dit heeft het potentieel om meer monden te voeden met minder middelen (water, energie).”
The Automators
Voor de eerste keer tomaten telen
Voor 30MHz was het de eerste keer dat er cherrytomaten in een kas werden gekweekt. “Gelukkig hadden we een ervaren partner: Delphy”, legt Flavia Paganelli, medeoprichter en CTO bij 30MHz uit. “Het is echt geweldig om te zien dat wij, en alle andere teams, tomaten van klasse A hebben geoogst. Het klinkt misschien voor de hand liggend, maar de impact van de externe weersomstandigheden is groot in het kasklimaat, zelfs op één locatie.
We begonnen in de koude grijze decemberdagen en het laatste deel van de uitdaging in het voorjaar was er veel zon. Dit liet ons zien hoe machine learning zich aan moet passen aan elk type klimaat. Het is daarom belangrijk om veel data te verzamelen. Dat geldt ook voor de verschillende landen en regio’s waar we autonoom groenten willen telen.”
Volgende stappen zijn het maken van nog betere en realtime berekeningen van groei en kosten. “Modellen verschillen ook afhankelijk van het soort groente of fruit dat je kweekt”, voegt Klaas van Egmond, Cultivation Engineer bij Delphy, toe. "We hebben gemerkt dat er een behoorlijk verschil is tussen het autonoom telen van komkommers, tijdens de eerste editie van de Autonomous Greenhouse Challenge in 2018, en tomaten."
De toekomst van de tuinbouw
30MHz streeft ernaar om voor elke teler modellen te kunnen maken op basis van hun data. Amazon Web Services heeft geholpen bij het opzetten van een schaalbare infrastructuur voor het trainen, verbeteren en hosten van modellen voor machine learning voor elke teler. Dit betekent dat het proces aan twee voorwaarden voldoet: ten eerste worden de gegevens van de ene teler niet gebruikt voor de modellen van de andere teler en ten tweede kan 30MHz daardoor de unieke teeltstrategie van een teler modelleren.
Rutten vervolgt: “Dankzij deze challenge hebben we beter inzicht in de kansen en (technische) uitdagingen voor onze klanten op het gebied van autonoom en datagedreven telen. En onze relatie en samenwerking met Delphy zijn het afgelopen jaar enorm versterkt. We zijn daardoor in staat om met een hogere snelheid betere producten voor onze klanten te creëren.”
Paganelli is het daarmee eens: “We zullen onze lessen toepassen op de zeven pilots die we hebben met Delphy-klanten wereldwijd, in Nederland, het VK, het Midden-Oosten, Rusland, China en Japan. Voor ons is dit project hier niet afgerond, maar het is net begonnen.” Van Egmond sluit dit argument af met de opmerking dat “we nu samen met deze klanten evalueren wat hun ervaringen tot nu toe zijn, en samen met de ervaring van de uitdaging bepalen we wat de focus voor de komende periode moet zijn.”
In blokken
De winnaars, o.a. van Van der Hoeven, kwamen gisteren al uitgebreid aan bod. Leonard Baart de la Faille liet na afloop weten: “We maken hiermee een enorme stap en kunnen met de kennis die we ontwikkeld hebben, teeltbegeleiding perfectioneren door de inzet van data."
Het team maakte niet één compleet systeem om de teler na te bootsen waarna het systeem 'alle goede dingen tegelijk uit zou moeten spugen', maar objectiveerde en kwantificeerde datgene wat ze van de teler nodig hadden om dat vervolgens in blokken op te splitsen en toe te passen. "Voor elk van de blokken hebben we de juiste AI gekozen en daarmee zijn we gaan bouwen." Ook werd er goed 'naar de plant geluisterd', zoals 'insiders' op LinkedIn na de uitslag bekend maakten. Naar verluid zijn de principes van Plant Empowerment, waarmee o.a. Hoogendoorn erg actief is, ingezet.
Met de kennis die is vergaard en de samenwerking met specialisten vanuit ook Hoogendoorn, KeyGene en TU Delft, kunnen weer stappen worden gezet. "De combinatie van teeltexperts, R&D en kunstmatige intelligentie stelt ons in staat het rendement voor de investeerder te optimaliseren en dit past perfect in de strategie van Van der Hoeven”, aldus Leonard.
Nieuwe inzichten over AI-inzet
En dan waren er nog drie AI-teams. Allemaal werden zij gisteren door de jury, in de persoon van Leo Marcellis van Wageningen University & Research, benoemd.
IUA.CAAS kreeg complimenten over het gebruik van crowdsourcing om innovatie te stimuleren en het maken van kennisgrafieken om gegevens en kennis te structureren. DIGILOG viel op, volgens de juryleden, met de beste wetenschappelijke inspanning om de verschillende opties van AI te verkennen, met behulp van veel verschillende AI-benaderingen, terwijl ook werd gekeken naar de beperkingen van AI. AiCU gebruikte een open source aanpak en de jury loofde de eenvoud van de algoritmen, waarbij de nadruk werd gelegd op de langetermijnstrategie op korte termijn.