Van het intelligent meten van plantstress tot het vroegtijdig ontdekken van schadelijke insecten met camera’s en drones. In de halfjaarlijkse uitgave "Buitenste binnen" van Naktuinbouw licht directeur Bart van Meurs van Division Q zijn missie toe.
Op 12 oktober organiseerde Naktuinbouw een goed bezocht kennispodium. Tijdens deze bijeenkomst gingen vijf sprekers in op de vraag wat de toepassingen van Artificial Intelligence (AI) in de tuinbouwsector zijn.
Bart wil met het zusterbedrijf van cressenteler Koppert Cress bijdragen aan een emissieloze glastuinbouwsector. “Koppert Cress heeft hoge duurzaamheidsdoelstellingen. Zo wil het bedrijf al in 2025 helemaal emissieloos telen. Dit betekent bijvoorbeeld: geen fossiele brandstoffen meer gebruiken en alleen nog maar schoon water lozen.” Men richtte Division Q op om alle duurzaamheidsprojecten bij Koppert Cress uit te voeren. “Daarnaast investeren we in veelbelovende vernieuwende en duurzame startups en maken we ons sterk voor kennisdeling.”
Geen doel op zich
Voor Van Meurs is AI geen doel op zich, maar een gereedschapskist naar bijvoorbeeld snellere productie of hogere productkwaliteit. “Ook kan AI helpen om routinematig werk makkelijker uit te voeren of om meer informatie in een kortere tijd te verwerken. Een voorbeeld van de eerste categorie is de digitale keurmeester van Gearbox Innovations, hier was ik als projectleider bij betrokken. Het resultaat is een tool, die de kwaliteit van geoogste tomaten objectief kan vaststellen. Een camera registreert een groot aantal kenmerken, die een indicatie zijn voor de kwaliteit van het eindproduct. Denk aan de kleur van de tomaat, de aan- of afwezigheid van scheurtjes en de hoeveelheid tomaatjes aan een tros. Door deze oplossing hoeft de keurmeester niet meer met een planbord langs de geoogste partijen te gaan.”
Cressen spotten
Nog een bijzondere toepassing waaraan Division Q werkte, is de ontwikkeling van een slimme tool die het internet afspeurt op zoek naar cressen van Koppert Cress. Van Meurs: “Koppert Cress wilde de handelsketen beter in beeld brengen. De cressen leveren we aan een groot aantal handelsbedrijven, die de producten weer verzenden over de hele wereld. Maar in welke restaurants de cressen uit Monster op het bord liggen, dat wisten ze niet. Wij ontwikkelden een algoritme.
Dat is best goed om op foto’s te herkennen of een chef-kok cressen van Koppert Cress gebruikt. Bijvoorbeeld door de bladvorm of een bijondere krulling van het blad.” Met deze combinatie van vision technologie en AI struint het cressenbedrijf het internet af. Hierbij zoekt het systeem naar foto’s van gerechten die mensen tijdens het restaurantbezoek op social media plaatsen. “Met de GPS-locatie kunnen we bepalen om welk restaurant het gaat.”
Plantstress registreren
Van Meurs is enthousiast over de mogelijkheden van een nieuw instrument waaraan Division Q samen met Gearbox Innovations werkt. “De teelt van kiemplantjes kent een ultrakorte doorlooptijd. Van zaadje tot eindproduct duurt maar twee weken. Met één teeltman op vijf hectare zijn de signaleringsopties klein. Veel ruimte voor teelttechnische bijsturing is er dus niet. Wat je als teler eigenlijk wil, is dat de plant jou vertelt hoe hij zich voelt. Krijgt hij bijvoorbeeld te veel licht of te weinig water?”
Met dit gegeven ontwikkelde het team van Van Meurs een soort superoog. Dit vision- en AI-systeem kan plantstress registreren met gelijkenissen op foto’s uit stressreeksen. Met een camera, die uit verschillende cameraposities opnames maakt van plantjes, werkte men eerder een groot aantal van dit soort visuele stressreeksen. Eén zo’n stressreeks bestaat bijvoorbeeld uit foto’s van plantjes, waarbij men de impact van uiteenlopende hoeveelheden licht visueel vastlegde.
Fijnmazig regelen
“Door de actuele beelden te vergelijken met de foto’s uit de stressreeksen, krijg je een goed beeld van hoe de plant zich voelt. Met deze data kun je heel specifiek het klimaat en andere zaken, zoals de watergift, regelen. Dit geldt ook voor bijvoorbeeld de aansturing van luchtbehandelingskasten of het regelen van het lichtniveau.” Nu leiden we het cressplantje nog handmatig langs het superoog. “Waar we naar toe willen is dat we de technologie naar het plantje brengen,” aldus Van Meurs.
“We kijken daarom naar de mogelijkheden om bijvoorbeeld drones of een monorail in te zetten.” In de tussentijd kijkt Van Meurs ook alweer een stap verder. “We willen de teler niet vervangen, maar hem stateof-the-art informatie aanreiken, waarmee hij betere beslissingen kan nemen. Wat je uiteindelijk wilt, is dat je met analyse van de sensoren het klimaat en andere teeltomstandigheden volautomatisch bijstuurt. En dat op een heel fijnmazig niveau.”
Jagen op schadelijke insecten
Bram Tijmons, oprichter van PATS, werkt aan een andere innovatie, waarbij vision technologie en AI een cruciale rol spelen. Zijn bedrijf ontwikkelt kleine drones, die net als vleermuizen ’s nachts op schadelijke insecten jagen. Tijmons: “Met het wegvallen van veel chemische bestrijdingsmiddelen wordt het steeds belangrijker om ziekten en plagen vroeg te ontdekken. Dit vraagt om een andere manier om schadelijke insecten te signaleren en bestrijden.” Tijmons startte zijn zoektocht naar een oplossing voor deze uitdaging in de teelt van gerbera’s.
“Hier vormt de Turkse mot een groot probleem. Om een uitbraak te voorkomen, moet je er tijdig bij zijn.” PATS ontwikkelde nieuwe camera- en dronetechnologieën, om het luchtruim boven het gerberagewas te bekijken. “Motten vliegen vaak in het donker. Daarom tellen en differentiëren we elke nacht motten en andere insecten die door het beeld van de camera vliegen.” Tijmons leerde dat iedere mottensoort zich weer anders gedraagt. “Door onder meer grootte, snelheid en vluchtpatroon van de geregistreerde insecten te analyseren, weten we om welke motsoort het gaat.”
Weken eerder
Proeven in de teelt van gerbera’s wezen uit dat het systeem van PATS motten weken eerder ziet dan het menselijk oog. “Hierdoor kun je een grote uitbraak voor zijn en tegen lagere gewasbeschermingskosten schade aan het gewas voorkomen.”
Specifiek voor de bestrijding van de Turkse mot verfijnde PATS het systeem tot next level niveau. “Met een analyse van de beweging kunnen we de locatie van individuele motten bepalen. Het camerasysteem stuurt met locatiegegevens van de mot de drone aan. De drone kruist het vliegpad van de mot en de propeller verhakselt dan het insect.” De technologie zet PATS al in 20 verschillende teelten, in binnen- en buitenland in.
“Met cameratechnologie kunnen wij nu al bijna ieder vliegend plaaginsect zien en determineren, onafhankelijk van de omgeving,” aldus Tijmons. “Met deze data kunnen we voor een aantal plagen, zoals Turkse mot, heel precies de levenscyclus en fasen van het plaaginsect in de kas bepalen.” Het resultaat is dat de inzet van natuurlijke bestrijders eerder kan starten, en men daardoor de inzet van middelen veel preciezer kan timen met een beter resultaat.
Bron: Naktuinbouw