Realtime feedback van de plant voor hogere tomatenproductie

Klimaatverandering maakt buiten telen lastiger, en daarom wordt gekeken naar het opschalen van beschermde teelt in kassen. Een uitdaging is dat bij het opschalen van projecten er soms een tekort is aan ervaren telers. Technieken voor autonoom telen kunnen helpen dit probleem op te lossen, aldus Gardin, dat deelnam aan de vierde Autonomous Greenhouse Challenge van de WUR. De sensoren van Gardin helpen bij het nauwkeurig voorspellen van hoe het gewas reageert op ontwikkelingen in de teelt.

"Autonomie in kassen is vooral een uitdaging, omdat het klimaat binnen, het weer buiten en de reactie van de planten samen een sterk gekoppeld, niet-lineair dynamisch systeem vormen", legt Julian Godding, Hoofd Wetenschap bij Gardin, uit. "Kleine veranderingen in licht, temperatuur of vochtigheid leiden tot zeer complexe veranderingen in de plantendynamiek. Realtime metingen van de fotosyntheseprestatie geven een directe indicatie van de plantstatus. Hierdoor kunnen controlestrategieën zich aanpassen aan de fysiologie in plaats van alleen op omgevingsfactoren te vertrouwen."

Realtime plantfeedback meten
Gardin gebruikt een techniek genaamd chlorofylfluorescentie om de efficiëntie van de fotosynthese van planten in realtime te meten. Als onderdeel van team MuGrow (een samenwerking tussen TU Delft, Gardin en Rijk Zwaan) nam Gardin deel aan de 4e Autonomous Greenhouse Challenge; de eerste editie die volledige autonomie vereiste van planten tot oogsten. Teams beheerden een kascompartiment met dwergcherrytomaten, een gewas dat goed geschikt is voor robotoogst en vergelijkbaar is met veel potplanten en snijbloemsoorten.

Het algoritme van MuGrow was geïnspireerd door de manier waarop telers tegenwoordig beslissingen nemen. Elke ochtend lopen telers door de kas om het gewas te observeren, huidige productieprognoses te monitoren en vervolgens de nodige aanpassingen aan hun klimaatstrategie te maken. De architectuur van MuGrow bootste deze stappen na met gebruik van Gardins sensor voor biofeedback, model voorspellende controle voor optimalisatie en versterkend leren voor langetermijndoelen.

Resultaten uit de Autonomous Greenhouse Challenge
De resultaten zijn een bevestiging van deze aanpak. MuGrow behaalde de hoogste opbrengst per pot (340 gram/pot), de hoogste kwaliteit (7,3% droge stof) en de kortste cyclus (69 dagen); gelijk aan 44 kg/m²/jaar. Dit is een toename van 45% in de jaarlijkse productie vergeleken met het industriële gemiddelde van 30 kg/m²/jaar voor typische hogedraad cherrytomaten en 30% hoger dan de referentieteler in de Autonomous Greenhouse Challenge. Er is uitgegaan van een kilo-opbrengst voor de tomaten van €2. In dat geval genereerde MuGrow een extra waarde van €200.000/ha per jaar vergeleken met de referentie (zie tabel). Bovendien was de winst van MuGrow 35% hoger, oplopend tot 60% met geoptimaliseerde oogsttijden.

Het algoritme van MuGrow was een proof of concept in samenwerking met het Delft Center for Systems and Control, maar de sensor van Gardin is al commercieel beschikbaar. Dit rapport richt zich op het biofeedbackaspect van het MuGrow-algoritme door de lens van Gardin's Plant Indicators. Hoewel telers mogelijk nog niet volledig autonoom werken, maken zij al gebruik van Gardin's inzichten als feedback voor hun eigen strategieën en behalen ze vergelijkbare verbeteringen in hun productie.

© Gardin

Gardin plantindicatoren: Feedback voor telers
Gardin biedt vier innovatieve indicatoren om telers te helpen bij het monitoren van de prestaties van planten. Deze zelfde indicatoren werden opgenomen in het MuGrow controle-algoritme om kritieke aspecten van de teeltstrategie te sturen, waaronder verlichting, scherming en CO₂-dosering. Door deze indicatoren op optimale niveaus te handhaven, kunnen telers uitzonderlijke resultaten behalen voor hun gewas.

© GardinAlle teams moesten computervisiemodellen gebruiken voor autonome fysieke fenotypering, om de langetermijnontwikkeling van het gewas te monitoren. MuGrow ontwikkelde meerdere modellen om groeistadia van planten te classificeren (vegetatief, bloeiend, vruchten vormend), potafstand te bepalen en autonoom oogsten te activeren.

Competitieregels maximaliseerden de inkomsten bij 150 gram tomaat per pot, maar net als alle andere teams stelde MuGrow de oogst uit tot ongeveer 250 gram per pot als voorzorgsmaatregel. Deze vertraging was het resultaat van te strikte voorwaarden op de computervisie-algoritmen; zeven dagen eerder oogsten zou de jaarlijkse winst met 50% hebben verhoogd door snellere gewasrotatie.

Gezondheid
Robuuste en gezonde planten vormen de basis van elk succesvol teeltseizoen. Echter, onverwacht weer, ziekte of systeemstoringen kunnen de normale kaswerkzaamheden ernstig verstoren. Het vroegtijdig detecteren van deze problemen is een cruciale verantwoordelijkheid voor telers en blijft een van de meest uitdagende aspecten voor autonome teeltsystemen om effectief te repliceren.

Chlorofylfluorescentie meet de efficiëntie van fotosynthese, wat dient als een zeer gevoelige indicator van de gezondheid van planten. Onderzoekers wereldwijd vertrouwen erop, omdat het zowel biotische als abiotische stress meer dan twee weken voordat zichtbare symptomen verschijnen kan detecteren.

De HEALTH-metriek van Gardin stelt telers in staat om de prestaties van planten te monitoren en de effectiviteit van hun teeltstrategieën te beoordelen. Deze mogelijkheid is vooral belangrijk voor autonome controlesystemen, waar veiligheidsmaatregelen nodig zijn om ervoor te zorgen dat algoritmen de gezondheid van planten op lange termijn prioriteren boven kortetermijnproductiviteit die kan leiden tot toekomstige achteruitgang.

Het evenwicht tussen onmiddellijke opbrengstwinst en langdurige gewasvitaliteit is de kernwaarde van de HEALTH-score van Gardin.

© GardinIn de Autonomous Greenhouse Challenge bleef de HEALTH-metriek gedurende het grootste deel van het seizoen matig hoog, maar begon te dalen tijdens de laatste maand. De complementaire plantindicatoren van Gardin zullen helpen om de oorzaken van deze verandering te verklaren.

Balans
Het beheren van de bron–sink-balans is een van de meest uitdagende aspecten van het controleren van vruchtgewassen. Tegen de tijd dat zichtbare veranderingen in de plant optreden, is corrigerende actie vaak te laat. Controle-algoritmen moeten continu de fysiologische toestand van het gewas beoordelen en bepalen of vegetatieve of generatieve groei moet worden bevorderd.

© GardinGardin's BALANCE-indicator biedt een continue meting van de bron–zink relatie binnen de plant. Een uitgebalanceerd gewas scoort 0; positieve waarden duiden op zinkbeperking (onvoldoende vraag naar assimilaten), terwijl negatieve waarden bronbeperking aangeven (onvoldoende fotosynthetische toevoer). Het doel is om de dagelijkse fotosynthese en temperatuur te regelen, zodat de productie van assimilaten in de bladeren overeenkomt met de groeibehoeften van het fruit.

Telers kunnen deze plantfeedback gebruiken om belangrijke teeltparameters, zoals Daily Light Integral (DLI), minimum-maximum temperatuur en RTR, bij te stellen. In deze proef viel de daling in HEALTH tijdens de laatste maand samen met een piek in Balance, wat op zinkbeperking wijst. Dit gebeurde toen de vruchten volledig rijp waren en niet meer zoveel assimilaten nodig hadden.

Echter, vergelijkbaar met het vertraagde oogsten, zorgden conservatieve veiligheidsbeperkingen in het algoritme voor een te hoge DLI, wat, in combinatie met suboptimale irrigatie, tot stress leidde. Toekomstige implementaties zouden meer direct gebruik kunnen maken van Balance om RTR te reguleren en de afhankelijkheid van strikte door mensen opgelegde beperkingen te verminderen.

Efficiëntie
Aanvullende belichting vertegenwoordigt de grootste operationele kosten voor kasproductie in de winter. Toch blijft het begrijpen hoe planten reageren op kunstlicht een van de meest complexe aspecten van gewasbeheer.

Gardin's Efficiency kwantificeert het vermogen van planten om lichtenergie om te zetten in suikers tijdens fotosynthese. Naarmate de lichtintensiteit toeneemt, neemt de efficiëntie natuurlijk af; echter, planten hebben nog steeds voldoende licht nodig om optimale groeisnelheden te behouden.

Het evenwicht tussen deze tegengestelde effecten bepaalt het lichtverzadigingspunt - het meest efficiënte PPFD-niveau voor lichtconversie. Voorbij dit punt levert extra licht afnemende opbrengsten op.

Wanneer zonlicht de verlichting levert, is het overschrijden van deze optimale intensiteit niet per se problematisch, omdat natuurlijk licht geen extra kosten met zich meebrengt en de fotosynthese verbetert. Echter, als de lichtintensiteit te hoog wordt, ervaren planten foto-inhibitie, waarbij de fotosynthetische systemen beschadigd raken door overbelichting.

© GardinGardin identificeert zowel het lichtverzadigingspunt als de foto-inhibitiegrens, waardoor telers hun belichtingsstrategieën kunnen evalueren en verfijnen. In de Autonomous Greenhouse Challenge werd een planten licht-responssmodel gebruikt om de intensiteit van LED-lampen en schaduw dynamisch te regelen en zo het rendement op investeringen in verlichting te maximaliseren.

Productiviteit
Het bepalen van de meest kostenefficiënte plantgroeisnelheid is een cruciale beslissing. De meeste telers gebruiken een doelgerichte Daily Light Integral (DLI) in combinatie met een 24-uurs temperatuur om een consistente Radiance-Temperature Ratio (RTR) te handhaven, die de groeisnelheid van planten regelt. Het identificeren van de optimale DLI voor efficiënte teelt blijft echter moeilijk te voorspellen. Telers vertrouwen momenteel op ervaring, waarbij ze de gezondheid van het gewas en de fruitbelasting beoordelen om hun strategie te leiden.

Gardin ondersteunt telers door fotosynthese te gebruiken als een directe maatstaf voor gewasprestatie. Productiviteit kwantificeert de omzetting van licht in chemische energie, waardoor assimilaten voor groei worden geproduceerd. Opgeteld over de dag geeft Productiviteit de Daily Photosynthesis Integral (DPI). Door de relatie tussen DPI en DLI te analyseren, kan Gardin het meest kosteneffectieve groeitempo voor elke soort of variëteit identificeren.

Deze benadering werd toegepast in de Autonomous Greenhouse Challenge om de algehele teeltstrategie te definiëren. De DPI-DLI-relatie werd gebruikt om de doellichtsom te bepalen, terwijl vastgestelde RTR-waarden voor cherrytomaten de 24-uurs temperatuurdoelstelling boden.

© GardinEen temperatuurdoel informeert de verwarming, ventilatie en schermstrategie. Bovendien kan Productiviteit worden gebruikt om setpunten voor klimaatvariabelen zoals CO₂ en VPD te optimaliseren, waardoor fotosynthetische beperkingen worden vermeden.

Conclusie
Team MuGrow nam deel aan de Autonomous Greenhouse Challenge om de waarde van plantfeedback te demonstreren, met 30% opbrengstverhogingen in vergelijking met standaard teeltpraktijken.

Julian Godding, Hoofd Wetenschap bij Gardin, overweegt de impact van de projectresultaten voor telers vandaag: "Chlorofylfluorescentie is een van de krachtigste indicatoren om de prestaties van planten in real-time te volgen. De technologie van Gardin brengt deze capaciteit naar de moderne kas, door eenvoudige inzichten aan telers te leveren die hun teelt ondersteunen".

© Gardin

Robert D. McAllister, assistent-professor aan het Delft Center for Systems and Control en leider van Team MuGrow, beschouwt plantenmetingen als een cruciaal onderdeel van het succes van het team: "Betrouwbare feedback is vaak het belangrijkste onderdeel van elk controle-algoritme; als je het niet kunt meten, kun je het niet controleren. De sensor van Gardin leverde een geheel nieuw type biofeedback, waardoor MuGrow een uniek intelligent kascontrolealgoritme kon ontwerpen dat anders ondenkbaar zou zijn geweest."

Hoewel volledige autonomie nog in opkomst is, worden de sensoren van Gardin al vandaag de dag wereldwijd in kassen ingezet. Door gebruik te maken van de Gardin Plant Indicators gebruiken telers feedback van hun planten om hun teelt voortdurend te verbeteren en de volgende stap in de tuinbouw te bevorderen.