"In een vertical farm vormt het energieverbruik een van de grootste operationele kostenposten en een groot deel daarvan is afkomstig van kunstmatige belichting. Het is belangrijk om deze kosten te verlagen als we van Controlled Environment Agriculture (CEA) een winstgevende teeltmethode willen maken en dat is het grootste probleem dat we met onze technologie proberen op te lossen," zegt dr. Rakibul Islam, onderzoeker van biomedische wetenschappen van Photosynthetic, een dochteronderneming van Rift Labs.
Hij legt uit dat het R&D-lab van Photosynthetic een platform biedt om wetenschappelijke testen uit te voeren, door omgevingsvariabelen te vergelijken terwijl de plantengroei wordt gevolgd. Het biedt waardevolle inzichten waarmee de verspilling van hulpbronnen verminderd kan worden, door bijvoorbeeld de fotoperiode, golflengte, temperatuur, enz. aan te passen voor een optimale plantengroei. Het biedt vertical farms een recept voor een energie-efficiënte plantengroei, dat zij in de teeltomgeving kunnen toepassen.
Rakibul Islam
Als onderzoeker heeft Rakibul altijd een enorme belangstelling gehad voor AI. Hij heeft gewerkt in een grote AI-onderzoeksgroep, waar ze de toepassing van kunstmatige intelligentie bij de diagnose en prognose van kanker hebben ontwikkeld en geëvalueerd. Bij Photosynthetic heeft hij echter de taak om AI-oplossingen voor telers te innoveren.
"Het geeft veel voldoening om de mogelijkheden van mijn AI-kennis in te zetten in het efficiënter maken van CEA, door intelligente processen en workflows te creëren. In dit project komen zowel mijn voorliefde voor het telen van planten als mijn intellectuele nieuwsgierigheid bij elkaar."
Meegroeien met de teler
De expertise van Photosynthetic ligt in het genereren van gegevens en het nauwkeurig regelen van de input voor plantengroei met behulp van eigen software en gepatenteerde technologie voor het samenstellen van licht op verschillende golflengten. Dankzij het autonome R&D-laboratorium kunnen telers bijvoorbeeld de omgevingsbehoeften van een kandidaat-gewas beter begrijpen en kunnen ze experimenteren om efficiëntie te bereiken zonder de fysiologie van de plant in gevaar te brengen.
Door de omgevingsomstandigheden in dit lab te controleren, kan men de 'probleemsituatie' voor de telers nabootsen en zeer relevante gegevens genereren, die nodig zijn voor het trainen van modellen voor machine learning. De opgeslagen gegevens voor optimale groei kunnen worden gebruikt om de groei te simuleren en de oogsttijd van het gewas met computers te voorspellen.
"We maken niet alleen een product voor de telers, we doen het samen met hen. Met Photosynthetic willen we ons vestigen als onderzoeks-partner en technologieleverancier voor telers over de hele wereld. We hebben een gegevensgestuurde benadering, waarbij we gebruik willen maken van onze expertise binnen de wetenschap van het licht en slimme oplossingen willen bieden waarmee onze klanten hun productieproces voortdurend kunnen verbeteren", zegt Rakibul.
AI uitgelegd
Aangezien AI een groot gebied is, wordt deze term meestal door elkaar gebruikt voor Machine Learning (ML), Deep Learning (DL), enz. Het bestaat uit een reeks hulpmiddelen waarmee computers kunnen leren zonder expliciet te worden geprogrammeerd, legt Rakibul uit.
"Traditionele software is gebaseerd op regels, waarbij exacte instructies worden gegeven aan een computer om een probleem op te lossen, wat betekent dat we input en regels nodig hebben om een output te krijgen. Bij machine learning hebben we input en eerdere output nodig om een model te trainen, zodat het de output kan voorspellen wanneer het een nieuwe input krijgt. Toepassingen voor machine learning zijn tegenwoordig overal om ons heen te vinden; het belangrijkste is dat ze nuttig zijn," zegt Rakibul.
Zo werkt het machine learning-model voor het ontgrendelen van je telefoon met behulp van een gezichtsherkenningssysteem. Spamfilters in je e-mail, resultaten van zoekmachines en het filmaanbevelings-systeem op Netflix; ook dat zijn machine learning-modellen. Er zijn toepassingen van AI in vliegende drones en pratende robots, dus het is niet helemaal verkeerd als je daaraan denkt bij de term AI.
"We moeten er bij het ontwerpen van productiviteitstechnologie niet alleen op letten dat het goed klinkt, maar ook dat het waarde toevoegt voor de gebruikers door onnodige taken en complexiteit te verminderen. De beste AI-producten en -diensten zijn vaak onzichtbaar en naadloos geïntegreerd in workflows."
Het lab
De huidige rol van AI in CEA
Volgens Rakibul is CEA een van de ideale kandidaten om de kracht van AI te benutten. CEA-faciliteiten zijn namelijk ontworpen om de teeltomstandigheden te controleren en te beheren, om de duurzaamheid van de tuinbouwproductie te verbeteren. De telers nemen hun beslissingen op basis van de gegevens voor een beter gebruik van de middelen en een hogere productiviteit, kwaliteit, winstgevendheid en duurzaamheid.
AI kan op deze gebieden een rol spelen; optimalisatie van het elektriciteitsverbruik, een van de grootste kostenposten in CEA-faciliteiten; procesautomatisering om de productiviteit te verhogen; optimalisatie van de plantengroei en het voorspellen van de opbrengst om de onzekerheid te verminderen; het opsporen van slechte producten om de kwaliteit te waarborgen.
"De technologische capaciteit is aanwezig. Er zijn echter geen kant-en-klare oplossingen. Deze oplossingen zijn gegevensafhankelijk en moeten daarom in samenwerking met telers worden samengesteld, op basis van het soort optimalisatie dat zij nodig hebben," merkt hij op.
Teelt verbeteren met AI
In feite vereisen AI-oplossingen voor de indoor teelt van planten een opmerkelijk diverse set van expertise. Het coderen van een machine learning-model is natuurlijk een cruciaal onderdeel, maar niet het enige en het vormt ook niet de grootste uitdaging. Voor de ontwikkeling van AI zijn veel verschillende aspecten van een complexe infrastructuur nodig, zoals gegevensverzameling, feature-extractie, ondersteunende infrastructuur, monitoring, enz.
"Toch beschouw ik AI als een van de vele interessante instrumenten die we kunnen gebruiken om de opbrengst te verhogen en de teeltkosten te verlagen. Naar mijn mening zijn de mogelijkheden eindeloos en moet er nog veel worden onderzocht. Wij werken met AI via ons multidisciplinaire team, dat bestaat uit plantenwetenschappers, AI-productmanagers en mechatronica-, elektronica- en software-ingenieurs, om onze klanten te ondersteunen bij het omschrijven van hun uitdagingen en ze te zien als problemen die met machine learning opgelost kunnen worden. Met AI kan de hoeveelheid handmatige routinetaken worden verminderd, de besluitvorming worden ondersteund en uiteindelijk het productieproces worden geoptimaliseerd."
Voor meer informatie:
Oyvind Hasund Dahl
Photosynthetic (by Rift Labs)
oyvind@photosynthetic.com
www.photosynthetic.com