Kasautomatisering heeft een lange ontwikkeling doorgemaakt in de afgelopen twintig jaar. Geef het nog eens twintig jaar en de kans bestaat dat de teler van vlees en bloed in de kas hier volledig door overschaduwd wordt. Dat is ten minste een conclusie die je zou kunnen trekken als je kijkt naar de resultaten van de Autonomous Greenhouse Challenge en de uitwerkingen daarvan op de tuinbouwpraktijk.
In een vorige week gehouden webinar, dat door een van de sponsors, Heliospectra, werd georganiseerd, werd kunstmatige intelligentie besproken vanuit drie verschillende perspectieven: wetenschappelijk onderzoekers, technologieleveranciers en de teler. Silke Hemming, Leonard Baart en Jan Prins deden hun verhaal.
Challenge-uitkomsten
Silke Hemming, hoofd van het wetenschappelijk onderzoeksteam Greenhouse Technology van de Universiteit van Wageningen, begon het webinar door een aantal inzichten te delen die uit de challenge naar voren kwamen.
Het idee was om het AI-systeem op autonome wijze beslissingen te laten nemen, beslissingen die normaal gesproken door de teler worden genomen. Dit kan variëren van het aanpassen van de klimaatcomputer tot de keuze wanneer wat wordt geproduceerd en welke bronnen vervolgens worden gebruikt.
Om dit te bereiken, hebben de teams algoritmes gemaakt om automatisch beslissingen te nemen op vastgestelde punten voor klimaat en irrigatie. Daarnaast moesten de teams ook op afstand beslissingen nemen over gewasbeheer, zoals stamdichtheid, het uitdunnen van gebladerte en het vruchtdunnen.
De optimale strategie
De deelnemende teams gebruikten verschillende strategieën om de beste tomaten te telen op de meest duurzame manier. Velen van hen verhoogden bijvoorbeeld de stamdichtheid op een bepaald moment in het seizoen, de referentietelers verdubbelden de stamdichtheid zelfs. Het winnende team, Automatoes verhoogde de stamdichtheid ook tijdens de competitie.
Kijk hier de Autonomous Greenhouse Challenge nog eens terug
Lessen
Silke deelde daarna een aantal lessen die uit de challenge naar voren kwamen. Het blijkt dat gewasbeheer erg belangrijk is als je een combinatie van kwaliteitsproducten en een hoge nettowinst wilt behalen.
Een andere les is dat als je deze moderne technologieën wilt toepassen, je doelstellingen moet bepalen voor alle aspecten van de teelt, anders kun je de benodigde algoritmes niet ontwikkelen.
En daarnaast blijven mensen voorlopig gewoon betrokken bij de teelt. Ze zijn nog altijd nodig voor de oogstverwerking tot ook die taken door robots overgenomen kunnen worden.
Aan het eind van Silke’s presentatie keek ze ook naar eventuele verbeterpunten van de referentietelers. “We hebben onze ‘meest fancy’ modellen gebruikt,” zei ze, “en geanalyseerd of de telers een beter resultaat zouden hebben behaald als ze delen van de strategie van Automatoes hadden gebruikt.”
Het blijkt dat als de referentietelers de belichtingsstrategie van Automatoes hadden toegepast ze een hogere nettowinst en een nog hogere productie zouden hebben behaald. Dus alhoewel kunstmatige intelligentie menselijke telers nog niet volledig zal vervangen in de nabije toekomst, kunnen we al wel het een en ander leren van de machines.
Kassenbouwers worden volledige serviceleveranciers
Daarna kwam Leonard Baart de la Faille, teamleider van het winnende team, Automatoes. Met tien jaar kasonderzoekservaring is Leonard onlangs aangetreden als R&D engineer bij Van der Hoeven Horticultural Projects. “Bij Van der Hoeven ontwerpen en bouwen we kassen en we zien een heel belangrijke trend: jaren geleden ging het alleen om het bouwen van een constructie, maar nu zijn we een volledige serviceleverancier. We helpen de telers bij het opstarten, trainen hen of voorzien hen van een teler, zoals een teamgenoot die momenteel een kas aan het opstarten is in Kazachstan. Investeerders zijn op zoek naar volledige service: ze willen niet alleen een kas, ze willen een kas met een goed-presterend gewas erin.”
Deelnemen aan de challenge was de perfecte manier om deze volledige dienstverlening uit te testen. Leonard legde uit hoe zijn team deze uitdaging aanging. “We zijn begonnen met de plant centraal te stellen. Uiteindelijk kun je alleen goed presteren als de plant optimaal groeit, je ontwerpt het hele systeem daar dus omheen. Als je dat doet, bereik je niet alleen een goede productie, maar doe je het ook efficiënt."
Plantbalans
Leonard en zijn team volgden de strategie zoals beschreven in Plant Empowerment, waarbij de plantbalans centraal staat. “We hebben geen teler geïmiteerd door veel data van andere kassen te gebruiken, maar hebben alleen de data van deze kas gebruikt.”
De grootste uitdaging ligt dan in het objectiveren en kwantificeren van de doelen van de teler. “Als je dat terugbrengt tot getallen, dan kun je er iets mee. Daarna hebben we ze opgedeeld in stukken met aparte kunstmatige intelligentie voor elk blok.”
Daarna gaf Leonard voorbeelden van deze ‘puzzelstukjes’.
“Een van de beste voorbeelden is irrigatie. We hebben gekeken naar de sensoren in de platen en dit besproken met onze teler. We probeerden een bepaalde drooglegging te bereiken voor een duurzame balans van het gewas. Het moment waarop je ‘s middags stopt met irrigeren bepaalt de volgende morgen het niveau waarmee je begint. Met een eenvoudig regressiemodel konden we redelijk eenvoudig de juiste stoptijd berekenen.”
Een wat lastiger aspect is ventilatie. Leonard noemt het ‘waarschijnlijk het belangrijkste onderdeel om te beheren in een kas, maar ook de meest venijnige’. Tijdens de challenge gebruikten ze geen conventionele P-band, omdat ‘je dan de neiging hebt om te veel te ventileren. "Je wilt een hoge straling, hoge CO² en hoge temperatuur, maar niet een te lage luchtvochtigheid, anders sluiten de huidmondjes. Daarom gebruikten we een model dat het gedrag van de huidmondjes berekende, zodat we konden bepalen hoe vaak we moesten ventileren.”
Het laatste voorbeeld waarin Automatoes de plantbalans centraal stelde was het gebruik van de 24-uurs temperatuur bij het sturen van de plant. “Op een dagelijkse tijdschaal moet de straling in balans zijn met de 24-uurs temperatuur. We hebben een klimaatplan gemaakt op basis van de weersvoorspellingen en hebben daarbij een ratio aangehouden tussen temperatuur en licht. Vervolgens hebben we gekeken wat de plant ons vertelt: is deze nog altijd in balans? Zo niet, dan pasten we de ratio aan.”
Een kas zonder mensen
Toen hij werd gevraagd naar de toekomst van kunstmatige intelligentie in de kas, zei Leonard dat de lange termijn ambitie een kas zonder mensen zou zijn. “Maar dat is nog vele jaren ver weg. We doen langetermijnonderzoek om dat te bereiken, waarbij controles zijn gebaseerd op data in plaats van modellen. We gaan nog veel meer sensoren en robots nodig hebben.”
In de tussentijd is het al snel mogelijk om autonome systemen het beheer van het kasklimaat over te laten nemen. “Dat is binnen een paar jaar goed mogelijk,” verwacht Leonard. Hij ziet in de nabije toekomst mogelijkheden om het beheer in semi-gesloten kassen te verbeteren. “We zijn al bezig met tests met tomaten en sla. Er worden sommige technieken gebruikt om kassen te monitoren en te zien of ze beter kunnen presteren. De modules die uit deze research naar voren komen worden door Hoogendoorn in hun klimaatcomputers opgenomen. Een aantal daarvan zullen binnen een jaar beschikbaar zijn.”
Het perspectief van de teler
Het is prima om te spreken over het vervangen van mensen, maar wat denken de telers van vlees en bloed hier zelf eigenlijk van? Jan Prins, de derde spreker van het webinar, is een veteraan als het op kasteelt aankomt en is momenteel hoofdteler bij Pure Harvest in de Verenigde Arabische Emiraten. Hij heeft gewerkt met diverse soorten technologie in kassen en weet waar hij het over heeft. Pure Harvest teelt midden in de woestijn en daar is technologie essentieel.
Als je terugkijkt, hebben telers jarenlang gewerkt met verschillende sensoren (zoals klimaat- en irrigatiesensoren), op basis waarvan ze de juiste beslissingen moesten nemen. Nu ziet Jan dat er steeds vaker gebruik wordt gemaakt van plantsensoren. “Eerst moest je de plant ‘lezen’ door te observeren, nu gebruikt de teler dagelijks sensoren. Bij Pure Harvest willen we dit naar een hoger niveau tillen. We hebben bijvoorbeeld onlangs fotosynthesesensoren geïnstalleerd voor meer kennis over de meest belangrijke processen op deze planeet.”
Meer dan 50 sensoren
“In ons kleine teeltbedrijf in de woestijn,” vervolgt Jan, “hebben we meer dan 50 sensoren, die een ongelooflijke hoeveelheid informatie leveren. Zonder kunstmatige intelligentie en/of dashboards zou het de teler echter te veel tijd kosten om alles te analyseren.”
Het bedrijf baseert hun strategie steeds meer op datagestuurd telen. “We zijn ervan overtuigd dat we zo duurzamer kunnen telen en winstgevender worden.”
Om hen hierbij te ondersteunen, wordt er bij Pure Harvest tijdens het wervingsproces veel nadruk gelegd op IT-specialisten en data analisten als aanvulling op de traditionele telers. Jan verwacht dat traditionele telers ook steeds meer beslissingen zullen gaan nemen op basis van data. “Met meer data kunnen kastelers meer en betere resultaten behalen.”
"Een kas heeft een teler nodig net als een vliegtuig een piloot"
Jan besluit door zijn enthousiasme te uiten over de tijd waarin we leven. Nieuwe technologieën maken het telen interessanter voor menselijke telers. Telen gaat namelijk niet alleen over klimaat en irrigatie, maar over nog heel veel meer. “Je kunt niet zomaar een kas kopen, de kabel in het stopcontact steken en naar het strand vertrekken. Een kas heeft een teler nodig net als een vliegtuig een piloot. Een vliegtuig kan zelf vliegen, maar die piloot is nog steeds nodig voor belangrijke zaken.”
