Digitale revolutie autonome kas bestormt markt

Silke Hemming en Anne Elings van Wageningen UR zijn in volle voorbereiding voor de derde Autonomous Greenhouse Challenge. Deze wedstrijd voor teams van bedrijven, studenten en universiteiten heeft in drie jaar tijd de ontwikkeling van autonoom of datagedreven telen in een stroomversnelling gebracht.

Tien jaar terug: onderwerp niet serieus genomen

Tien jaar geleden nam bijna niemand dit onderwerp echt serieus, stelt Hemming. Niet in de tuinbouw en niet in de techwereld. En toen begin 2018 bekend werd dat de WUR samen met de Chinese techgigant Tencent de eerste challenge uitschreef, toen keek ‘mkb van de tuinbouwtechniek’ ook de kat nog eventjes uit de boom. De winst ging vervolgens naar een team waar medewerkers van Microsoft Nederland de handschoen hadden opgenomen.

Voor die heel grote bedrijven was en is zo’n tuinbouwchallenge spielerei, constateert Elings. Serieuze spielerei, dat wel. Want de tuinbouw is wereldwijd een serieuze sector. Maar ICT-bedrijven zijn bezig voor álle sectoren en oefenden met die eerste challenge vooral in hoe ze hun enorme kennis op techgebied in een praktische sector als de tuinbouw konden vertalen.

_{Tekst gaat verder onder de foto}

Miranda van der Ende en Peter Hendriks in de kas van Tomatoworld, waar nu datagedreven én geautomatiseerd geteeld wordt. – Foto: Ton van der Scheer

Stimulans

Dat ICT’ers de tuinbouw direct versloegen – ook een referentieteelt met gewone tuinders aan het roer had het nakijken – bleek voldoende stimulans voor de bedrijven uit het Nederlandse tuinbouwcluster om nu toch ook mee te doen. Autonomous Greenhouse Challenge II werd vorig jaar dan ook een prooi voor een team met naast TU Delft ook de bedrijven Hoogendoorn/LetsGrow, Van der Hoeven Horticultural Projects, en Keygene.

Bedrijven die in de finale zijn gekomen of hebben gewonnen gebruiken dat nu ook in hun promotie naar klanten toe. Partijen als Hoogendoorn, Priva, Delphy en Blue Radix bestormen inmiddels de markt met heel gericht op de tuinderspraktijk toegesneden producten.

Tomatoworld en Hoogendoorn

In Honselersdijk geeft burgemeester Bouke Arends het feestelijke startsein voor het datagedreven geautomatisdeerd telen in de kas van Tomatoworld. Het markeert het 12,5 jarig jubileum van Tomatoworld en de nieuwe fase die dit Westlandse informatiecentrum over de waarde van de Nederlandse glastuinbouw ingaat. “We hebben een tijdlang de nadruk gelegd op gezondheid en duurzaamheid”, legt Miranda van der Ende uit. “Toen ging het meer over de uitdaging om een groeiende wereldbevolking te blijven voeden en kwam er meer aandacht voor de teelttechnische kant. En nu trekken we dat door naar de nieuwste technieken in Data Driven Automated Growing.”

Jezelf continu opnieuw uitvinden

Een kwestie van jezelf continu opnieuw blijven uitvinden. Dat doet Tomatoworld in dit geval samen met Hoogendoorn, Letsgrow.com en haar andere partners. “Wij wilden een plek creëren om nieuwe Data Driven-technieken in actie te laten zien”, zegt Peter Hendriks, ceo van Hoogendoorn Growth Management. “Onze klanten zijn er allemaal wel mee bezig, veel telers hebben steeds meer sensoren en dus ook steeds meer data. Maar ze hebben toch ook heel vaak de vraag: wat moet ik ermee?”

Bij het beantwoorden van die vraag heeft Hoogendoorn enig recht van spreken: vorig jaar maakte dit Vlaardingse tuinbouwautomatiseringsbedrijf deel uit van het team dat de Autonomous Greenhouse Challenge II van Wageningen UR won. Maar Hendriks wil wel een kanttekening plaatsen bij de term ‘autonoom’. Dat kan de indruk wekken dat we al een heel eind zijn om een kas samen met een zelflerend algoritme volledig autonoom een complete teelt te laten besturen zonder dat er ook maar iemand iets hoeft te doen. “Maar er zit nog steeds een belangrijke menselijke factor in.”

Onze klanten zijn er allemaal wel mee bezig, veel telers hebben steeds meer sensoren en dus ook steeds meer data

^{Peter Hendriks, ceo van Hoogendoorn Growth Management}

Het grote verschil is dat die tuinder belangrijke beslissingsondersteuning krijgt op basis van veel meer actuele data of dat hij veel beslissingen door de software laat nemen. De data komt met veel grotere precisie rechtstreeks van de plant af. Zo kunnen sensoren de stand van de huidmondjes van de plant meten. Hendriks: ”Dat geeft informatie over hoe de plant zich voelt en dat is mooi, want de plant moet centraal staan. Nu komt het er te vaak op neer dat de plant zich moet voegen naar het door de tuinder aangehouden kasklimaat. Maar andersom is beter.”

Echt autonoom

WUR maakt de derde editie van de Autonomous Greenhouse Challenge uitdagender: de autonome kassen van de finalisten van de Autonomous Greenhouse Challenge III zullen nu écht autonoom worden. Tijdens de finale teelt nog ingrijpen met ‘human intelligence’, waarna de ‘artificial intelligence’ het weer zelf moest gaan doen, dat kan deze keer niet meer.

Bij de eerste twee challenges, met komkommer en tomaat als teelt, mochten de vijf finalistenteams nog wel van afstand aan de knoppen van de teeltsystemen zitten. De slateelt die in deze derde editie door AI tot een goed einde moet worden gebracht, vergt in de praktijk sowieso al minder handwerk in de kas. Dat wordt nu ook doorgetrokken tot in de controlekamer: wát er tijdens de finale van de Challenge volgend jaar ook gebeurt in de teelt: het zelflerend algoritme moet het helemaal zelfstandig en zonder enig menselijk ingrijpen oplossen.

_{Tekst gaat verder onder de foto}

Foto: Miranda van der Ende

Een groot bijkomend voordeel daarvan is dat iedereen die mee wil kijken, dat volgend jaar tijdens de finale ook live zal kunnen doen. Hemming: “In de eerste twee edities kon meekijken in de kas van de tegenstanders het verloop van de Challenge nog beïnvloeden. Tussentijds ingrijpen kostte wel ‘strafpunten’, maar werd desalniettemin door alle teams wel gedaan. Nu komt het puur aan op de kwaliteit van de AI.”

Wizzkids lokken

Dat maakt het des te belangrijker om behalve mensen met inzicht in de teelt ook de allerbeste AI-experts in je team te hebben. Om die hardcore AI-techneuten ook te interesseren, organiseert Wageningen UR deze keer ook een aparte online challenge, als voorproefje op de grote Autonomous Greenhouse Challenge. Deelnemers aan deze extra challenge krijgen eerst een serie 3D-beelden van sla ter beschikking, waarmee ze hun beeldherkenning kunnen trainen. En vervolgens krijgen ze verse beelden van sla, van diverse soorten en rassen en in verschillende groeistadia en met allerlei verschillende tekortkomingen, zoals bladrand. Binnen een beperkt aantal minuten moeten de deelnemers al die sla-beelden analyseren op gewicht, afmetingen, bladoppervlak en voorkomende deficieten.

Digitaliseren van gewasbeelden

Het digitaliseren van gewasbeelden met gewone camera’s of met camera’s die zaken als warmte, uv of infrarood tonen, is nuttig omdat je meer ziet dan met het menselijk oog mogelijk is. Maar ook omdat het objectiever is, stelt Hemming. “De ene mens ziet wat anders dan de andere, en op maandagochtend zie je wat anders dan op vrijdagmiddag. Camera’s zien altijd hetzelfde.” In sla is beeldherkenning technisch veel makkelijker in te zetten dan tussen een hoog tomaten- of komkommergewas. De theorie van beeldherkenning komt in deze teelt dan ook dichterbij hoe het ook in de praktijk werken kan.

_{Tekst gaat verder onder het kader}

Meer AI-studenten

Er zijns steeds meer AI-studenten die de smaak van de tuinbouw te pakken krijgen. Dat kan een mooie aanvulling zijn op de toch al toegenomen belangstelling voor de voedselsector in het algemeen en de glastuinbouw in het bijzonder. Zo’n gaming challenge waar studenten los aan mee konden doen, dat is leuk en laagdrempelig. Het kan een opstapje zijn voor deze studenten en voor universiteiten met minder of geen expertise op plantkundig of tuinbouwgebied om ook aan boord te komen en in een team te gaan zitten voor de echte grote challenge. Ze zijn welkom, want juist om de tuinbouw en de ICT te leren elkaars taal en wereld beter te begrijpen, blijft het verplicht om in een team leden uit beide sectoren én minimaal één student op te nemen.

Beter worden in creëren datasets

Wat je nu nog veel ziet, is dat er wel data worden gegenereerd, maar dat er vervolgens niet of nauwelijks naar wordt gekeken of mee gewerkt. Hemming en Elings zien dat als een tussenstap, die ook nodig is. Eerst maar eens beter worden in het creëren van zo compleet mogelijke datasets. En daarna kijken hoe we die data steeds beter kunnen inzetten voor een efficiëntere teelt. In deze challenge slaan de teams die tussenstap over en proberen nú al met zoveel mogelijk digitale data een zelflerend systeem de teelt te laten runnen.

Hoe die AI-systemen dat precies doen en met welke onderliggende algortimes, dat blijft eigendom van de teams. Wel openbaar worden álle data die in de kassen van de vijf teams worden verzameld. Waardevol materiaal dat vrij is te downladen, wat ook veel wordt gedaan. “Zulke complete datasets zijn zeldzaam”, benadrukken Hemming en Elings.

Datamoeheid voorkomen

De data die in de kas van Tomatoworld worden verzameld, vormen een aanvulling op de toch al jarenlange datasets, die door Letsgrow.com zijn verzameld, uiteraard exclusief ten bate van de telers die op dit platform actief zijn. Hier bij Tomatoworld is het vooral het principe van Data Driven Automated Growing dat de aandacht moet trekken, van vakgenoten, beleidsmakers, ketenpartijen en studenten: overal extra elektronische ogen, bovenin de nok, halverwege de plant, ter hoogte van de substraatmat, de meest complete set die Hoogendoorn en Letsgrow.com nu voorradig heeft, aangevuld met technologie van andere partners. Die set verzamelt data over licht, temperatuur van de lucht en van de plant, vocht, EC en temperatuur in de mat, sapstromen in de plant, energiestromen in de plant zelfs met een soort acupunctuurnaaldjes.

Data, data en nog eens data. “Nogmaals: onze uitdaging is te voorkomen dat de tuinder door de bomen het bos niet meer ziet en datamoe wordt”, zegt Peter Hendriks. “Onze voornaamste tip is: meet zoveel je kunt, registreer het, leg het vast. Ook wat je nu nog niet gebruikt, kan later heel nuttige informatie blijken.”

Beter vooruitkijken met data

Wie zijn data over een langere periode verzamelt en daarmee langer terug kan kijken, kan ook beter vooruit kijken. De kas en de acties in een kas veranderen van reactief, als het gebeurd is, naar pro-actief: dus inspringen voordat het gebeurt. Als het weerstation een bui aan ziet komen en die kan met veel meer vergelijkbare weersgegevens worden vergeleken, gecombineerd met de stand van het gewas, dan kan de optimale actie worden berekend en uitgevoerd.

_{Tekst gaat verder onder de foto}

Alles meten is alles weten, maar de eindbeslissing blijft in handen van de tuinder. – Foto: Ton van der Scheer

‘De beste dataset is je eigen dataset’

Maar een zelflerend systeem kan de planten ook een week vooraf al voorbereiden op een donkere week die er volgens langeretermijnweersvoorspellingen zit aan te komen. Het resultaat is een veel stabielere groei, met hogere producties en minder inzet van resources zoals energie, water en gewasbeschermingmiddelen. “Er zijn nu vooral veel teeltmodellen en rekenmodellen. En bijvoorbeeld LetsGrow.com heeft al precies twintig jaar lang ervaring met datasets. Maar de beste dataset is je eigen dataset, van je eigen kas. Dan kun je ook dingen die je elk jaar in je kas ziet gebeuren, zoals een hoek in je kas waar de planten het net wat minder goed doen, beter begrijpen en verhelpen.”

Dus ook al ben je nog niet toe aan het verder automatiseren van allerlei teeltacties en -beslissingen, nu al meer data verzamelen is toch al nuttig. Hendriks: “Registreer, documenteer, straks kun je er van alles mee waar je nu misschien nog niet aan gedacht had.”

Managen grotere teeltarealen

Het gaat ook zeker helpen om steeds grotere teeltarealen tegelijk te managen. Bedrijven worden groter, krijgen meer locaties. En ook wereldwijd komen er steeds meer kassen. Met deze technieken kunnen telers en teeltadviseurs veel meer kasoppervlak tegelijk monitoren, waar ook ter wereld.

In de kas van Tomatoworld wordt dat in een notendop duidelijk gemaakt. De kas is niet groot en er komt straks een controlekamer in die de teelt op afstand bestuurbaar maakt, terwijl de plantjes een paar meter verderop staan. Maar de kas wordt van op afstand gemonitord en door het systeem automatisch bestuurd, dit principe is niet anders als de kas tien of honderd keer zo groot is en de afstand tussen de plantjes en de controlekamer niet een paar meter maar een paar duizend kilometer is.