Wie data-gedreven wil ondernemen heeft veel én betrouwbare data nodig. Zo willen tomatentelers weten hoe het gaat met de groei van hun gewas; die groei zegt namelijk veel over de te verwachten productie van tomaten. Gewasregistratie is echter nog vaak handwerk. AI-expert Sobolt, data-expert LetsGrow.com en de tomatentelers van Prominent werkten samen aan automatische beeldherkenning via een tablet. “Het grootste voordeel is dat er geen ‘human error’ is tijdens het invoeren van de data.” De partijen ontvingen een AgriTech voucher vanuit het programma om hun project te ondersteunen. Innovation Quater beantwoordt de vraagt hoe dat tot dusver geeft uitgepakt.
Telen is topsport. Een goede productie is afhankelijk van tientallen parameters. Telers zijn dan ook bijna voortdurend bezig de groei van hun gewas te monitoren. Met de informatie die dat oplevert kunnen ze bijvoorbeeld het kasklimaat optimaliseren. Dat monitoren gebeurt momenteel voornamelijk met de hand en is dus arbeidsintensief en subjectief
AI-expert Sobolt, data-expert LetsGrow.com en de tomatentelers van Prominent ontwikkelden samen een oplossing om snel en objectief belangrijke gegevens vast te leggen: een app met beeldherkenning en bijhorend algoritme. De eerste tests zijn veelbelovend. Want automatische beeldherkenning zorgt voor objectieve gegevens én is een stuk sneller.
AI en algoritme
Dit verhaal begint bij Sobolt. Dit Rotterdamse bedrijf is gespecialiseerd in kunstmatige intelligentie voor overheden en bedrijven. Zo ontwikkelde het de Treetracker: een app waarmee gemeenten snel de status van de bomen in de openbare ruimte kan monitoren door middel van digitale beeldherkenning. Dat is vele malen sneller dan een menselijke inspecteur.
Zou een dergelijke techniek ook van waarde kunnen zijn voor de tuinbouw, vroeg Sobolt zich af. Via het Innovatieprogramma AgriTech kwam het in contact met enkele bedrijven, zoals Prominent en LetsGrow.com. Prominent is een telersvereniging van tomatentelers, met 29 leden en in totaal ruim 365 hectare tomaten. LetsGrow.com ontwikkelde een dataplatform waarmee telers data uit verschillende bronnen kunnen combineren. Die bronnen zijn vooral sensoren in de kas en door telers ingevoerde gegevens (met de gewasregistratie-app van LetsGrow.com).
De AI-techniek van Sobolt werd ‘omgebouwd’ tot een tuinbouwoplossing die via beeldherkenning en een algoritme onder meer de kopdikte meet. Dat is een belangrijke parameter als het gaat om de groei van het gewas. Daarvoor werd het algoritme gevoed met 3D foto’s van het gewas en gevalideerd met handmatige registraties. LetsGrow.com werkte aan het weergeven van de data uit de registraties op het platform.
Objectievere data
Afgelopen najaar en voorjaar werd de app getest bij een van de Prominent-bedrijven. Jasper van der Auweraert van Sobolt: “Het is belangrijk om een toepassing in verschillende seizoenen te testen. In het voorjaar ziet het gewas er anders uit dan in het najaar. Bovendien is het licht in de kas anders, onder meer door toepassing van LED-licht.”
De resultaten van de tests zijn veelbelovend, vertelt Ilva Stijnen van Letsgrow.com. De grote winst zit ‘m volgens haar vooral in de tijdwinst en de objectiviteit. Met de gewasregistratie-app kunnen gebruikers gegevens invoeren. Maar de ene gebruiker doet de gewasregistratie net even anders dan de andere. Bovendien is het mogelijk dat een gebruiker tijdelijk vervangen moet worden, bijvoorbeeld door vakantie.
Stijnen: “Het grootste voordeel van automatische beeldherkenning is dat er geen ‘human error’ is tijdens het invoeren.” Van der Auweraert: “Wat ook meetelt: een kas is een ingewikkelde omgeving om handmatig te registreren. Het is er heel dynamisch: gewas, licht, warmte, medewerkers. Probeer dan maar eens goed te registreren.”
Veel tijdwinst
En dan de tijdwinst. Telers zijn wekelijks enkele uren kwijt met handmatig registreren van gegevens over het gewas. Niet dat ze na die paar uur klaar zijn; meer tijd willen ze er eigenlijk niet in steken. Door automatische beeldherkenning kunnen ze dus in dezelfde tijd meer registeren. Data wordt betrouwbaarder door het meten met een camera en het gebruiken van algoritmes. Door meer te registreren heeft een teler meer datapunten, wat dus een betere representatie van de kas oplevert.
Meer én meer betrouwbare data betekent een flink voordeel voor de teler. Maar die data hebben pas echt waarde als een teler ze gebruikt voor het maken van betere beslissingen, vertelt Stijnen. De kans is namelijk groot dat oude klimaatinstellingen – gebaseerd op oude, subjectieve data – geoptimaliseerd kunnen worden, zodat bijvoorbeeld de productie stijgt of bespaard kan worden op het energieverbruik.
Samen kom je verder
Van der Auweraart: “Bij dit soort innovaties is een goede samenwerking essentieel. Soms dacht ik: wéér een overleg, dat kost veel tijd. Maar op de lange termijn is het belangrijk, want het zorgt ervoor dat je de juiste dingen op het juiste moment doet.” Stijnen: “Alleen ga je sneller, samen kom je verder.”
Van der Auweraart: “De tuinbouw is een heel ondernemende sector die voorloopt op andere sectoren, onder meer op het gebied van productiviteit. De mindset van de ondernemers is: blijven leren en jezelf verbeteren. Dat is heel inspirerend en leerzaam. Maar op het gebied van digitaliseren van gewaswerkzaamheden gaat het eigenlijk nog relatief langzaam in de tuinbouw. Daarom is het zo fijn dat Prominent wél in dit project wilde stappen, en het risico durfde te nemen om tijd te investeren in deze innovatie.”
De volgende stap? Misschien toepassingen voor andere vruchtgroenten, aldus Stijnen. “Het meest voor de hand ligt deze innovatie toepassen in andere vruchtgroenten. Zo is beeldherkenning ook zeer geschikt voor een snelgroeiend gewas als komkommers.” Van der Auweraert: “Het mooie is: de basis staat. Doorontwikkelen naar een ander gewas is een stuk laagdrempeliger dan het geheel van nul neerzetten.”
Bron: Innovation Quarter