© iUNU
Jarenlang werkte Gerard Flinterman in de glastuinbouw, met data en sensortechnologie. Hij zag hoe telers hun teelten steeds beter konden sturen met klimaatcomputers, dashboards en sensoren. Toch bleef er volgens hem altijd één zwakke plek, vooral bij de hogedraadteelten: de meting van de plant zelf.
"Die moest nog altijd handmatig worden gedaan in de kas. Hoe groeit de plant, wat is de groeisnelheid, de kopdikte, wat is het bladoppervlak? Dat is veel werk en bovendien foutgevoelig," zegt Gerard. Met de techniek van IUNU ziet hij nu mogelijkheden om dit te veranderen.
"Er zijn meer oplossingen om data te analyseren en te sturen, maar het automatiseren van die handmatige metingen op dit niveau is uniek."
Op het familiebedrijf waar Gerard opgroeide, begon men eind jaren '80 met de teelt van paprika's. "In die tijd was het genoeg om als eenmanszaak een boterham te verdienen," vertelt hij. Door de jaren heen zag hij de sector enorm veranderen: de schaal van een gemiddeld bedrijf nam toe, met alle gevolgen van dien.
"Er moeten veel beslissingen worden genomen: over apparatuur, WKK, belichting, energie, water, bemesting, en ga zo maar door," somt hij op. "Het aantal schaakborden is groter geworden, en de onderlinge afhankelijkheid is de afgelopen twintig jaar alleen maar toegenomen. Telers beslissen nog steeds op basis van kwetsbare handmatige plantmetingen en hebben hulp nodig om het overzicht te bewaren."
Het familiebedrijf werd in 2007 verkocht. In de jaren daarna zag Gerard steeds meer toepassingen van data in kwekerijen. "In potplanten is de automatisering al ver, vooral met camera's en visiontechnologie. Het meten van knoppen en bloemen zijn mooie toepassingen. In de groenteteelt is de klimaatsturing juist veel verder," vertelt hij.
"Het is een monocultuur, waardoor je een hele afdeling of sectie op basis van bepaalde input kunt aansturen. Dat is lastiger bij potplanten, waar je altijd zoekt naar een gemiddelde van verschillende opkweekfases en variëteiten."
In de groenteteelt bleven plantmetingen echter lange tijd handmatig – en daardoor foutgevoelig. "Na een periode tomatenplanten meten, ben je behoorlijk doorgedraaid – en morgen doe je het net even anders. De kwetsbaarheid is dat je beslissingen neemt op basis van die metingen, die grote consequenties kunnen hebben." Hij vergelijkt het zo: "Alsof je vanaf je woonplaats naar Barcelona rijdt en maar één keer per uur je positie doorkrijgt. Met wekelijkse metingen in de teelt is er simpelweg te weinig data voor de strategie die je hanteert."
© iUNU
Dat hij nu bij IUNU werkt, komt doordat hij daar de mogelijkheid ziet om deze metingen kwalitatief te automatiseren. Het bedrijf ontwikkelde enkele jaren geleden al visiontechnologie voor slateelt en heeft ook de LUNA AI ontwikkeld: een robot die door het gewas rijdt en uniform duizenden planten fotografeert. Dat combineren ze met een AI-gedreven dataplatform.
"Het automatiseren van handmatige metingen met vision en AI op dit niveau had ik nog niet eerder gezien. Dat maakt deze technologie uniek: door het grote aantal metingen ontstaat betrouwbare gemiddelde data. Het subjectieve element verdwijnt volledig. Camera-visiontechnologie haalt alle variatie tussen mensen weg en maakt er harde data van."
Bovendien kan de teelt nauwkeuriger worden gevolgd doordat er vaker wordt gemeten. "Een teler die één keer per week meet, ziet te laat dat de plant verandert of achteruitgaat. Met geautomatiseerde visiondata kun je veel eerder ingrijpen. Zo kun je de plant beter in balans houden, stress voorkomen en bouwen aan een sterke, weerbare teelt."
De data die IUNU verzamelt, wordt ook gebruikt voor oogstvoorspellingen, waarbij de combinatie van data-analyse en betrouwbare metingen de kwaliteit verder verbetert. "Soms loopt een teler door omstandigheden een aantal keren per jaar mis, waardoor veel geld of omzet blijft liggen, of de kosten hoger uitvallen dan nodig. Dat maakt de investering interessant."
Een volgende stap is het inzetten van teeltinformatie voor arbeidsregistratie en de herkenning van ziekten en plagen. Daarvoor worden volgend jaar nieuwe modules geïntroduceerd. "De camera's detecteren afwijkingen in de planten razendsnel. Ter vergelijking: als ik ergens in een kas van vier hectare een paperclip verstop, kan AI die vinden. Die mogelijkheden kun je gebruiken om ziekten en plagen te herkennen en de kwaliteit van arbeid te monitoren. Ook een luis of spint veroorzaakt afwijkingen die de AI-modules snel kunnen detecteren – mits je over betrouwbare data beschikt."
© iUNU
Naast Gerard is het Europese team uitgebreid met Huub Fransen in Polen, waarmee IUNU zijn Europese aanwezigheid versterkt. Gerard merkt dat de markt er klaar voor is. LUNA rijdt inmiddels in Nederland, België, Frankrijk, maar ook in Finland en Griekenland.
"Telers willen graag meer inzicht in hun teelt en die verbeteren – dat speelt mee in de keuze voor automatisering. Niet elk inzicht is direct in geld uit te drukken, maar kennis leidt toch vaak tot verbeteringen." Ook in West-Europa verwacht hij verdere groei. "Telers beseffen steeds meer dat handmatige input niet haalbaar is – zeker niet op de schaal van de huidige tuinbouw. De belangen zijn te groot om het nog te laten afhangen van verschillende mensen. Ons doel is om elke hectare van een teler winstgevender te maken: voorspelbaar, meetbaar en continu."
Voor meer informatie:
IUNU
[email protected]
iunu.com
