Op weg naar een kas zonder arbeid...

Vorige week schreef ik over de wedstrijd waarbij vijf teams het tegen elkaar op gaan nemen om met behulp van kunstmatige intelligentie Cherry tomaten te gaan telen. Medewerkers uit mijn team aangevuld met twee top tomatentelers zullen de referentie vormen. Inmiddels is men aan het warm lopen en er heerst een gezonde spanning voor de wedstrijd. En dat doen we allemaal voor u immers met de toenemende welvaart in de wereld, worden consumenten steeds kritischer: ze willen jaarrond verse en gezonde producten met een continue, hoge kwaliteit. Dit is goed mogelijk met beschermde teelten, maar de beperkende factor wordt de beschikbaarheid van voldoende gekwalificeerd personeel met kennis van het telen van een hoogwaardig product en die alle aspecten van een efficiënte productie met minimale inzet van resources (water, energie, gewasbeschermingsmiddelen) kan overzien.

Ik denk dat daarom de stap naar meer automatisering in de teelt nodig is. Het toekomstbeeld is een "autonome kas", waarin de arbeid in de kas wordt vervangen door geautomatiseerde systemen, de productie duurzaam is en de teelt op afstand met computers gestuurd wordt via kunstmatige intelligentie op basis van informatie van intelligente sensoren. In dit systeem wordt het productieproces gestuurd op basis van teeltinformatie en kennis van de markt.

Op dit moment zijn we bezig met het vormen van een consortium voor ons project "Naar een autonome kas".  De doestellingen van het project zoals wij dat beogen zijn:

· Automatisch sturen van de teelt op basis van sensor informatie

· Planning van productie naar de eisen van de markt (timing, kwaliteit)

· Rendabele, efficiënte en duurzame teelt met effectieve inzet van middelen (energie, water, nutriënten, gewasbeschermingsmiddelen).

Het resultaat wat wij als Wageningen UR Glastuinbouw beogen is het realiseren van de "autonome kas" waarin de teelt wordt gestuurd door kunstmatige intelligentie, gebaseerd op metingen van gewaseigenschappen met behulp van intelligente sensoren en waarin teelthandelingen ondersteund of gerealiseerd worden via automatische systemen om daarmee de teeltdoelen te halen. Om dit toekomstbeeld te realiseren zijn er innovaties nodig op het gebied van sensor technologie, analyse en interpretatie van data, automatisering, robotica en klimaatsturing, maar ook op de gebieden van fenotypering, veredeling en productie. Cruciaal hier is het verbinden van technologie en planten fysiologie.

Om met behulp van sensoren een gewas waar te nemen en geautomatiseerd teelthandelingen uit te voeren of te oogsten, kan het nodig of wenselijk zijn de plantvorm aan te passen. Op basis van 3D modelberekeningen en expert kennis bepalen hoe het "ideale" gewas er uit moet ziet om automatische teelthandelingen mogelijk te maken. Dit ideale gewas kan dan verkregen worden door rassen te selecteren met de gewenste eigenschappen, maar ook via klimaat. In dit werkpakket wordt onderzoek gedaan naar de plasticiteit van het gewas: hoe is de plantvorm te sturen met kasklimaat (licht en temperatuur), en wat is de reactiesnelheid van plantprocessen op deze veranderingen? Deze kennis maakt het mogelijk het gewas zo te sturen dat geautomatiseerd oogsten of automatische gewashandelingen uitvoeren mogelijk wordt. Op basis van deze verzamelde informatie wordt er een vertaling gemaakt naar specifieke gewasparameters en

reacties van het gewas op externe factoren. De sensoren meten met optische en imaging

technieken verschillende plantkenmerken, waardoor de plant zelf fungeert als sensor van zijn

eigen biologische status en zijn omgeving. De vertaling van deze sensordata naar

biologisch relevante plantkenmerken is complex. Deze zal daarom plaatsvinden met behulp van

kunstmatige intelligentie algoritmes. Deze algoritmes zijn zelflerend, zodat bij het beschikbaar

komen van meer data de performance van deze modellen zal verbeteren.

Nu we een beeld hebben van plantkenmerken van de plantstatus en de plantomgeving (klimaat) zal deze data gebruikt gaan worden als input voor de zelflerende kas. Onze bedoeling is om in verschillende kasafdelingen planten te telen waarbij in de referentie op een "traditionele" wijze geteeld wordt op basis van de stand van het gewas. In de "autonome kas" wordt automatisch gestuurd op basis van de sensorinformatie over het gewas en kunstmatige intelligentie algoritmes. Deze systemen zijn zelflerend en kunnen naarmate ze met meer data gevoed worden beter bepalen wat de eigenschappen zijn waarop ze regelen en wat de doelen zijn waarop de kas gestuurd wordt. De algoritmes die hierin ontwikkeld worden, worden gevalideerd in een grote teeltproef die automatisch gestuurd wordt.  Alle

relevante informatie ten aanzien van kasklimaat (verwarming, belichting, schermgebruik etc.),

energie, water en nutriëntengift wordt verzameld, evenals de productie en productkwaliteit. Op

basis hiervan wordt bepaald wat de prestatie is van de autonome kas, en op welke wijze de algoritmes verbeterd kunnen worden.

De volgende grote uitdaging is om in de gewashandelingen te automatiseren. De gewashandelingen gebeuren tot nu toe nog altijd handmatig, waarbij verschillen in kwaliteit van deze vaak delicate handelingen snel leiden tot (ongewenste) variaties in het gewas. Gewerkt zal gaan worden aan slimme (semi-)automatische oplossingen met als doel om allerlei arbeidshandelingen te reduceren of zelfs volledig te vervangen. Dat loopt uiteen van de ontwikkeling van geautomatiseerde oogstsystemen op basis van sensor informatie. Mocht u nu als tuinbouw toeleverancier of misschien wel als kweker nieuwsgierig zijn en misschien wel op één of andere manier mee willen doen in dit project laat het ons dan weten. Wij bieden u de mogelijkheid om een bijdrage te leveren aan heel veel nieuwe kennis ontwikkeling. U kunt met u neus vooraan staan.

Jan Willem de Vries
Wageningen University & Research
Business Unit Glastuinbouw