Tholen – De productie van aardbeien gaat met pieken en dalen. Dat maakt nauwkeurige oogstvoorspellingen een uitdaging. Tot op heden is een foutmarge van zo’n dertig tot vijftig procent geaccepteerd.
Niet gek als je bedenkt dat telers nog handmatig tellen en dat vaak niet dagelijks, geeft Pieterjan Oomen aan. Hij is Product Manager, Designer en Partner bij YieldComputer. Het bedrijf telt met behulp van camera’s wel dagelijks vruchten en heeft er ook software bij ontwikkeld. Nu is het doel om naar een kilovoorspelling op dagniveau door te ontwikkelen. De eerste telers testen hier inmiddels mee.
Paul Rooimans en Pieterjan Oomen op de International Soft Fruit Conference 2023
Tuinbouwfocus
BerryWorld ging al in 2019 van start met de eerste versie voor oogstvoorspelling in aardbeien. Dat was destijds zelfs nog met beelden van een GoPro-camera, weet Pieterjan nog. “Daarmee zijn we de eerste data gaan verzamelen.” Het aardbeienteelt – en veredelingsbedrijf kreeg de eer van de eerste pilot.
De oprichters van de startup uit Eindhoven, die inmiddels op het randje zit van scale-up, waren in contact gekomen met Wil Beekers. Tot dat moment hadden ze ook naar andere sectoren gekeken om met hun technologie op basis van artificiële intelligentie problemen op te lossen. Wil schetste het probleem van oogstvoorspelling aan de techneuten. Daarmee kwam de focus voor YieldComputer op de tuinbouw te liggen en was het zaadje gepland voor de oogstprognose-oplossing.
Onnauwkeurige voorspellingen
YieldComputer begreep al snel dat oogstvoorspelling een grote uitdaging was in de aardbeiensector. Afwijkingen van dertig tot vijftig procent tussen de voorspelde volumes en de gerealiseerde volumes waren en zijn nog altijd gemeengoed. Zowel aan de kant van de teler als aan de kant van handel en de kopers doet dat pijn.
“Onnauwkeurige voorspellingen resulteren vaak in een lagere prijs per kilogram. Bij een overschot omdat het overtollige volume tegen dumpprijzen wordt verkocht. Vaak komt een overschot onverwachts en kan de retail niet op tijd meer een promotie plannen. Bij schaarste moet er dan weer tegen hoge prijzen bijgekocht worden om aan het verkochte volume te komen.”
Datagedreven
YieldComputer biedt een datagedreven oplossing om oogstvoorspellingen te optimaliseren. Pieterjan: “Telers tellen één keer per week handmatig de vruchten aan de plant, maar vaak ook minder. Ook het één keer per oogst handmatig tellen gebeurt. Dat is weinig en maakt nauwkeurige voorspellingen onmogelijk.”
Telers hebben vaak wel veel ervaring en kennis, maar dat lost niet alle problemen op. “Er wordt nog vaak de vergelijking met een warme periode in een eerder jaar gemaakt. Om een inschatting te maken, maar dit geeft geen accuraat beeld voor de huidige oogst. Een warme periode net twee weken eerder of later in de oogstcurve of net iets hogere of lagere temperaturen maken uit. Daarom bieden wij feitelijke (historische) inzichten en die kunnen telers combineren met hun kennis en ervaring.”
De start-up wil de afwijking tussen voorspelling en praktijk terugbrengen naar vijf à tien procent. “We zien nu al bij onze huidige klanten een optimalisatie van de foutmarge van wel dertig procent met onze huidige oplossing.” YieldComputer werkt met een performance based pricing model. De teler betaalt een bepaalde basisfee en daar bovenop een fee naarmate de voorspellingen beter worden. “Aangezien we met onze oplossing ook echt meerwaarde willen bieden aan de teler betaalt hij pas meer wanneer de voorspelling ook daadwerkelijk geoptimaliseerd wordt, zodat hij er ook zijn meerwaarde uit kan halen.”
In het verleden zijn al wel stappen ondernomen voor oogstvoorspelling in aardbei. “Die pogingen slaagden nooit echt. Soms merken wij dat telers hierdoor nog wat terughoudend zijn. In onze ogen misten ze bij het voorspellen, vaak op basis van globale historische data en weersvoorspellingen, het lokale beeld van de teelt. Die hebben wij wel. Dat is ons onderscheidend vermogen.”
Klimaatstation met camera
Met alleen al data gedreven software ziet YieldComputer dat er in de keten tussen teelt en verkoop winst te boeken is met nauwkeurigere voorspellingen. Het bedrijf biedt echter ook een SmartCropCam aan. Voor optimale voorspellingen is dit autonoom klimaatstation belangrijk. Het station meet temperatuur, relatieve luchtvochtigheid, CO2 en licht. Bovendien is het station uitgerust met een camera die zowel in de kasteelt als in buitenteelt geplaatst kan worden. Er zijn er minimaal vier nodig per teeltlocatie. Afhankelijk van de lokale omstandigheden en de homogeniteit van het veld kan het nodig zijn er meer te plaatsen. “Bijvoorbeeld in een buitenteelt op een helling of met bomen eromheen, waarbij er hoogteverschil is en verschil in zon en schaduw gebieden. Deze fysieke omstandigheden kunnen ertoe leiden dat er meer camerameetstations nodig zijn.”
Die SmartCropCam neemt de teler het handmatig tellen uit handen. Voor bevestiging van de SmartCropCam is een speciale cameravoet ontwikkeld. “Die past op bijna alle bakken, potten of goten waarvan telers gebruik maken. In landen zoals Spanje zetten we de camera’s ook wel in bij ruggenteelt. Daar zetten we de camera met een prikker in het bed. Met een rek rond de camera voorkomen we dat de bladeren voor de lens groeien.”
YieldComputer koos bewust voor een eigen klimaatmeetstation. Daarmee is het bedrijf niet afhankelijk van eventuele benodigde koppelingen met klimaatcomputers en heeft men grip op de data. De mogelijkheid om te koppelen is er wel. De data van telers blijft van de telers. Wel leert het model gaandeweg van de data om er slimmer van te worden. “Bij de stap van de kas naar buiten, en dus van wit grondfolie naar gras, raakte de camera eerst in de war. Het model zag aardbeien in het gras. Na hertrainen werd dat beter. Ons model is er robuuster door geworden. De stap naar ruggenteelt met zwart plastic ging daarna al makkelijker.”
Kilovoorspelling op dagniveau
Door bladeren heen kijken kunnen ook de camera’s van YieldComputer niet. “Onze camera’s maken dagelijks een foto van het gewas. De vruchten achter het blad, zien wij niet. Maar dat maakt niet uit in ons geval, omdat we de foto’s met cijfers over de gerealiseerde oogst kunnen combineren. We maken gebruik van feedbackloops om dit ‘probleem’ in de data te corrigeren. Met behulp van onder meer het gemiddeld vruchtgewicht kunnen we alsnog uitrekenen wat de oogst gaat worden.”
Het voorspelmodel van YieldComputer waarmee op dit moment al telers in Nederland, Spanje, het Verenigd Koninkrijk en Duitsland werken, werkt op basis van trendvoorspelling. Het uiteindelijke doel is kilovoorspelling op dagniveau. “Afgelopen herfst hebben we hiermee proefgedraaid”, geeft de Product Manager aan. “In 2023 willen we dit model verder uit gaan rollen bij alle telers waarmee we sinds 2019 werken en waar dus volledige datasets van zijn.”
Interesse in oogstvoorspelling is er al sinds de marktintroductie van YieldComputer. Met de nieuwe stap die het bedrijf aan het zetten is richting kilovoorspelling zal die interesse alleen maar toenemen, verwacht Pieterjan. “De belangstelling is groot, maar we zijn nog een relatief klein bedrijf. Alle telers waarmee we werken willen we onze volle aandacht kunnen geven. Volgend jaar verwachten we snel te kunnen gaan opschalen. Onze softwareoplossing is al klaar voor de grote uitrol. Onze AI-ontwikkeling zijn we nu aan het optimaliseren.”
Op termijn kijkt YieldComputer ook naar andere gewassen om de oogst te voorspellen. Framboos is daarbij het eerst in beeld. “Daarbij heb je wel andere foto’s nodig. Het liefst fotografeer je hier van onderen om een beter beeld op alle vruchten te krijgen.” Klik hier voor vergroting
Recente ontwikkelingen
De aardbeienoogst voorspellen was al niet eenvoudig, maar recente ontwikkelingen hebben het er niet makkelijker van gemaakt. Teeltschema’s zijn ook in de aardbeienteelt gaan schuiven. Bovendien wordt er minder belicht en verwarmd. Doordragende rassen zijn populair. “Wij kijken ook naar temperatuur, maar gebruiken die data vooral om bij te sturen en verschillen te berekenen”, geeft de Product Manager aan. “Anders dan in tomaat, waarin ook oogstvoorspelling in ontwikkeling is, is aardbei lang niet zo constant. Wij kijken in aardbei juist ook naar veranderingen en berekenen daar de impact van uit.”
De datagedreven oplossing van YieldComputer is nu vooral ingericht op junidragers. Daarin is veel ervaring opgedaan. “Over doordragende rassen is er nog veel onduidelijk.” Pieterjan weet dat er zelfs microscopisch onderzoek aan te pas komt om meer inzicht in het gewas te krijgen. “Wij werken nu nog met een generiek voorspelmodel, maar kijken wel naar de marktontwikkelingen.”
Voor meer informatie:
Pieterjan Oomen
YieldComputer
[email protected]
www.yieldcomputer.com