Een goede, gelijkmatige gewasgroei met zo gering mogelijk inzet van gewasbeschermingsmiddelen en kunstmest. Dat is het doel van de partners die meedoen in project Digital Farming NHN. Om dit mogelijk te maken wordt er gewerkt aan een realtime werkend, integraal spuitsysteem, waarbij het vastleggen (‘vangen’), opslaan, en analyseren van grote databestanden een essentieel onderdeel is.
Verschil tussen tulp en onkruid
Hogeschool Inholland, één van de partners in het project, houdt zich bezig met het ontwikkelen van de algoritmes die nodig zijn voor het aansturen van de spuitdoppen. Voor dit doel zijn enorme hoeveelheden data nodig, waarbij het voor een belangrijk deel gaat om fotodata. Begin juni werd de eerste camera geïnstalleerd op de spuitmachine van tulpenkweker Stef Ruijter uit Andijk. Daarna werd ook een spuitmachine van Loonbedrijf Sturm-Jacobs uitgerust met meerdere camera’s om foto’s te maken van uien- en tulpenvelden.
Met het fotomateriaal dat gedurende het teelseizoen werd geschoten, gingen mathemathical engineering studenten van Inholland aan de slag om algoritmes te ontwikkelen. Hun eerste taak was een object recognition uit te voeren. Kristel: “De computer moet het verschil leren tussen een bijvoorbeeld een tulp en onkruid. Maar de studenten bekijken ook of symptomen van ziekten of plagen zichtbaar zijn. Om een algoritme te trainen zodat die ziekten en plagen kan herkennen in verschillende omstandigheden, zijn heel veel data nodig.”
Bodem- en klimaatgegevens
Het vastleggen en analyseren van camerabeelden is essentieel voor de ontwikkeling van algoritmes. Maar in het dynamische geheel van open teelt zijn beelden alleen niet genoeg. Ook andere factoren die invloed zijn op het gewas moeten dan worden meegenomen, zoals klimaat en bodem. Kristel: “We gebruiken bijvoorbeeld sensoren om het vochtgehalte in de bodem te meten. Om de 10 centimeter steken we sensoren in de grond; hierdoor kun je in elk groeistadium zien hoeveel water de bollen nodig hebben. Verder gebruiken we een weerpaal voor de registratie van klimaatgegevens zoals temperatuur en wind.’’
De bodem- en klimaatgegevens worden gecombineerd met bodemscans van de percelen en met de cameradata in het datasysteem geladen en geanalyseerd. Daarbij lopen de ontwikkelaars tegen enkele grote uitdagingen aan. “De eerste uitdaging is,” legt Pieter Vlaar uit, “dat je in één systeem heel snel omvangrijke databestanden moet kunnen verwerken. In de bollenteelt wordt tot nu toe gebruik gemaakt van veel verschillende systemen. Dat is niet handig. In ons project willen wij alles samenbrengen in één systeem.’’ Een andere uitdaging is de data snel te verwerken, zodat het systeem ‘real-time’ beslissingen kan nemen. Pieter: “Duurt het verwerken te lang, dan kan het zijn dat je achter de wagen aanloopt, met ziekte- of plaagdruk tot gevolg.”
Betere opbrengstinschattingen
Het project Digital Farming NHN is geslaagd als er een werkend systeem is om plant- en plaatsspecifiek te kunnen spuiten. Maar Kristel sluit niet uit dat de fotodata nog meer waardevolle resultaten opleveren. “Een mogelijkheid is dat we straks mogelijk betere opbrengstinschattingen kunnen maken door te analyseren hoeveel tulpen of uienplanten zijn opgekomen en hoe het gewas zich ontwikkelt. De teler kan zijn afnemers dan tijdig informeren over de verwachte leveringen. Ook kunnen foto’s groeiachterstand laten zien. Gecombineerd met klimaat- en bodemdata kunnen we verbanden analyseren en mogelijk de oorzaak benoemen.”
Wanneer het project eenmaal een werkend systeem heeft opgeleverd, komt Vertify in beeld om te onderzoeken of het de beloofde voordelen in de praktijk waarmaakt. In het bijzonder zal worden gekeken of ziekten en plagen bij een lagere toediening van middelen voldoende worden bestreden om de opbrengsten en kwaliteit van het gewas te borgen. Pieter: ‘’Het moet natuurlijk niet zo zijn dat de opbrengsten achteruit hollen. Maar gezien de positieve ontwikkelingen in het project hebben we alle vertrouwen in een gunstige afloop.”
