In de eerste jaren van het AGROS-project zijn bouwstenen ontwikkeld voor autonoom aangestuurde komkommerteelt. Het ging hierbij om plantkenmerken die essentieel zijn voor besluitvorming, sensoren om deze kenmerken te meten, een Digital Twin en een getraind algoritme voor kunstmatige intelligentie op basis van Reinforcement Learning. Deze bouwstenen zijn samengebracht en getest in een validatieproef, waarin drie komkommerteelten werden uitgevoerd. De teelten werden aangestuurd door respectievelijk een groep teelt- en irrigatie-experts, de Digital Twin en het Reinforcement Learning-algoritme.
De Digital Twin hield expliciet rekening met variaties in elektriciteitsprijzen, wat resulteerde in de laagste kosten per gebruikte kilowattuur. Het Reinforcement Learning-algoritme wist het klimaat volledig autonoom te regelen en leverde daarmee een gezonde, productieve komkommerteelt op. In de teelt die werd aangestuurd door de teeltexperts kwam het aantal geoogste vruchten zeer dicht in de buurt van de productie die vooraf in het teeltplan was voorspeld. Investeren in deze teeltstrategie bleek gunstig, aangezien het nettoresultaat in het compartiment van de teeltexperts het hoogst was.
PAR-lijnsensoren en weeggoten bleken goed bruikbaar als respectievelijke proxy's voor lichtabsorptie en wateropname door het gewas. De camera's die werden ingezet om de bladinitiatie te bepalen functioneerden goed bij het detecteren en volgen van bladeren, al kan de datakwaliteit worden verbeterd door een groter gewasoppervlak te meten. Visietechnologie kan daarnaast worden ingezet om de duur van de vruchtgroei te bepalen en opbrengsten te voorspellen, en is ook toepasbaar in hand-held sensoren.
Om nutriëntenemissies in grondgebonden teelten te verminderen, zijn chrysantenteelten uitgevoerd in containers met twee verschillende irrigatiestrategieën. Hierbij werden plant- en substraatsensoren gebruikt om plantgewicht, planttemperatuur en drain te monitoren. Bodemvochtsensoren bleken zeer effectief bij het aansturen van (gereduceerde) irrigatiestrategieën en voorkwamen drain bij de 'lage irrigatie'-strategie. De transpiratie, bepaald met behulp van een soft sensor, vertoonde een sterke overeenkomst met zowel wateropname als plantgewicht. De verschillende behandelingen hadden geen effect op stengellengte en gewicht van de chrysantenscheuten, wat aantoont dat gewassturing op basis van sensoren goed mogelijk is en de weg vrijmaakt voor vervolgstappen richting autonome teelt.
Lees hier het onderzoeksrapport
