Zoals de Griekse filosoof Heraclitus zei: "De enige constante in het leven is verandering." En het lastige van verandering is dat je nooit precies weet wat er gaat komen, toch? Een ambitieus nieuw project wil precies dat doen: de complexe, voortdurend veranderende eigenschappen van verse producten voorspellen en modelleren, met behulp van deep-learning- en machine-learning-benaderingen.
Het project brengt een multidisciplinair team samen van Wageningse onderzoekers van Plantenfysiologie, Machine-Learning en Agro-Food Robotics, en vier belangrijke internationale bedrijfsleiders: HortiKey International BV (NL), ioCrops (KR), Tungsram Operations Kft. (HU), en Visser Horti Systems BV (NL) met partner Corvus drones (NL).
Zij werken aan drie werkpakketten die op 1 juli 2021 zijn gestart. Het gaat om oogstvoorspelling in tomaat, groeistadiabepaling met drones in aardbeiopkweek en verkennend onderzoek naar groeisystemen in vertical farms.
Projectleider Aneesh Chauhan, senior onderzoeker en expertiseleider Computer Vision and Robotics bij Wageningen University & Research: “We richten ons op drie verschillende domeinen waarin planten worden gekweekt: een kas, een open veld en een vertical farm. Als een soortgelijk type technologie toepasbaar zou kunnen zijn op deze drie verschillende domeinen, zouden we aantonen dat het gebruik van deze technologieën verder gaat dan alleen het oplossen van één probleem. Dus de reeks technologieën die we in dit project ontwikkelen, zou iets kunnen worden dat domein overschrijdend, in de hele land- en tuinbouwsector kan worden gebruikt.”
Drie praktische uitdagingen
Het gevoel van urgentie dat uit de markt komt, is er al lang. Het modelleren van veranderende eigenschappen van verse producten is een uiterst uitdagend vraagstuk.
“Wat we proberen te doen, is die echte industrie-uitdagingen vertalen en proberen op te lossen met de nieuwste technologische innovaties van Wageningen University & Research”, zegt Aneesh. Om dit te doen, is het project opgedeeld in drie werkpakketten, met een looptijd van 3-4 jaar:
Kennisoverdracht tussen cultivars voor opbrengstvoorspelling
HortiKey International wil de opbrengstvoorspellingsmogelijkheden van hun autonome robot in kassen voor tomatenrassen verbeteren. Hoe een eerder gebouwd model toepassen op allerlei verschillende variëteiten, zonder de ongelooflijke inspanning van het verzamelen van gegevens en het bouwen van nieuwe modellen voor elk? Het project zal kijken naar technieken die kunnen hergebruiken wat ze eerder hebben geleerd, en die kennis overdragen aan een nieuwe cultivar.
Bepalen van de groeistadia van aardbeienplanten met drones
Met behulp van Corvus-drones om grootschalige gegevens te verzamelen van zo'n tienduizenden buiten gekweekte aardbeiplantjes, onderzoeken Visser Horti Systems en het team methoden voor machinaal leren om snelle kwaliteitsbeoordelingen te maken en de groeifase van de aardbeiplanten te bepalen. Aneesh: “Kunnen we technologie gebruiken om het groeistadium en de veranderende kwaliteit van planten te bepalen? Als dat kan, biedt dat grote waarde later in de keten, bijvoorbeeld wanneer planten fruit gaan produceren.”
Baanbrekende detectietechnologieën in verticale landbouw
ioCrops en Tungsram stelden een open vraag: wat moeten we meten om te begrijpen hoe goed planten groeien in een vertical farm? Omdat het een veel nieuwer groeisysteem is, moeten de onderzoekers nadenken over wat groei betekent in verticale landbouwomstandigheden en of de bestaande sensoren het daadwerkelijk kunnen meten. Het onderzoek zal de eerste paar jaar meer verkennend zijn, waarbij veel verschillende soorten detectietechnologieën en eigenschappen die van belang zijn voor verticale landbouw worden onderzocht.
Gegevensverzameling
Alle drie de werkpakketten zijn op 1 juli 2021 gestart en komen goed op stoom. Het volgende half jaar richten de onderzoekers zich op dataverzameling en starten de eerste modelleringsprocessen. De voorspelling van de opbrengst voor tomaten zal plaatsvinden, terwijl de onderzoekers aan hardware werken om de ontwikkelde modellen in te zetten.
Het team hoopt de basis te leggen voor technologieën die, net als de producten die ze modelleren, zullen blijven veranderen en ontwikkelen, en uiteindelijk leiden tot oplossingen die helpen betere beslissingen te nemen in het licht van verschillende agrarische uitdagingen. Aneesh: “De uitdagingen zijn heel breed en moeten vanuit veel verschillende perspectieven worden bekeken. Maar we werken hier zeker aan één stukje van de puzzel.”
Bron: WUR