"De land- en tuinbouwsector maakt een digitale revolutie door. Dankzij de grootschalige beschikbaarheid van sensoren, camera's en andere mobiele en computertechnologieën waar we vroeger alleen maar van konden dromen, beschikken telers over grote hoeveelheden data", zegt Gajendra Pratap Singh.
Oorzaak van de revolutie
Volgens hem zijn er drie hoofdcomponenten die de oorzaak zijn van de digitale revolutie in de land- en tuinbouw. Ten eerste is er de beschikbaarheid van betaalbare en draagbare sensoren, die telers in staat stellen hun gewassen nauwlettender in het oog te houden. Ten tweede hebben telers dankzij communicatietechnologie nauwer contact met elkaar en met leveranciers. Maar vooral de massale beschikbaarheid van data-analyse die het gebruik van Artificial Intelligence (AI) technologie mogelijk maakt, helpt om op tijd slimme beslissingen te nemen en de productiviteit te verhogen.
Gajendra Pratap Singh
Gajendra is hoofdonderzoeker en wetenschappelijk directeur bij Disruptive & Sustainable Technologies for Agricultural Precision (DiSTAP) van Singapore-MIT Alliance for Research and Technology (SMART), de onderzoeksonderneming van MIT.
"AI-technologieën maken realtime interpretatie mogelijk van gewasgezondheidsgegevens die zijn verkregen van veldsensoren. Sensoren in irrigatiesystemen zijn zo ontworpen dat ze alleen water geven als er geen regen wordt voorspeld, om maar een voorbeeld te noemen. Dit bespaart water en creëert betere gewasopbrengst," legt Singh uit.
De waarde aan nuttige informatie die nieuwe technologieën opleveren, kan ook worden gebruikt om weerbare gewassen te kweken die bestand zijn tegen plantenziekten. "Naar mijn mening hebben AI-technologieën in combinatie met sensor- en mobiele communicatietechnologieën het potentieel om telers mondiger te maken dan ooit tevoren in de geschiedenis. Zo kunnen de enorme hoeveelheden gegevens die met behulp van nieuwe sensoren van planten worden verkregen, helpen om de productiviteit van land- en tuinbouwbedrijven te verhogen, nieuwe hittebestendige variëteiten van gewassen te ontwikkelen en het voorspelde voedseltekort als gevolg van de klimaatverandering en de bevolkingstoename in te dammen."
Nog steeds ruimte voor verbeteringen
De sector is er echter nog niet, beweert Singh. "AI-technologie alleen is niet krachtig genoeg om de land- en tuinbouw een impuls te geven. Er is samenwerking nodig met sensor- en communicatietechnologieën om ze nuttig te maken. Op dit moment meten sensoren alleen de morfologie of het uiterlijk van de planten of omgevingsfactoren zoals temperatuur. Ze volgen de biochemische veranderingen in de planten nog niet in realtime. Maar wanneer een plant gestresseerd is door een gebrek aan voedingsstoffen of het juiste licht, genereert het een schat aan biochemische informatie. Door deze informatie te kunnen gebruiken, kunnen telers nog verder worden geholpen."
En dat is precies wat DiSTAP wil bereiken met hun nieuwe, draagbare Raman-sensoren die binnen een paar uur gegevens meet over nitraatstress, schaduwvermijdingssyndroom en bacteriële infecties in planten. "Om die reden hebben we nano-sensoren ontwikkeld die plantenhormonen kunnen meten, waardoor de teler dagelijks vitale feedback krijgt. Zo is het mogelijk om de gezondheid van elke plant elke dag te monitoren door de plant zelf te meten en niet alleen de symptomen of de omgeving. Ook voor vertical farms zijn het deze nano-sensoren in combinatie met AI die het potentieel hebben om de productiviteit van de gewassen vele malen te verbeteren."
"In Bangladesh bijvoorbeeld vernietigde slechts twee dagen hitte in april van dit jaar meer dan 60.000 hectare rijst, waardoor meer dan een kwart miljoen telers werden getroffen met verliezen van ongeveer 40 miljoen dollar. De beschikbaarheid van mobiele technologie in de meest afgelegen delen van de wereld zal een universele deelname van telers aan de digitale revolutie in de land- en tuinbouw mogelijk maken."
Voor meer informatie:
Dr. Gajendra Pratap Singh, Principal Investigator and Scientific Director
Disruptive & Sustainable Technologies for Agricultural Precision (DiSTAP)
gajendra@smart.mit.edu
distap@mit.edu
www.smart.mit.edu