Dit jaar vindt alweer de derde editie plaats van de ‘Autonomous Greenhouse Challenge’. De opdracht is om volledig autonoom en zonder menselijke interventie sla te gaan telen in een kas door gebruik te maken van AI. De sla moet ook nog eens een hoge kwaliteit en opbrengst hebben en gebruik maken van zo min mogelijk resources als water, bemesting en energie. In de wedstrijd moesten de deelnemers het opnemen tegen een teler die wel de kas in kan lopen om het gewas te beoordelen.
In eerdere edities werden komkommer (2018) en cherrytomaten (2019/20) autonoom geteeld. De teams moesten de ideale instelling bepalen voor de temperatuur, de hoeveelheid licht, watergift en een aantal andere parameters zoals de plant- en stengeldichtheid.
Voor de teelt maken de teams gebruik van een aantal standaardsensoren in de kas. Daarnaast mochten ze zelf sensoren en camera’s in de kas ophangen om extra informatie te verzamelen tijdens de teelt.
Kan de technologie de teler verslaan?
Aan de eerste twee edities deden teams mee met medewerkers van techreuzen als Microsoft, Intel, Tencent, NXP en Samsung. De eerste wedstrijd werd gewonnen door een team van Microsoft-medewerkers en studenten van een Deense en Nederlandse universiteit. De tweede versie werd gewonnen door een team bestaande uit medewerkers, studenten en onderzoekers van Hoogendoorn Growth Management, Van der Hoeven Horticultural Projects, TU Delft en Keygene. Dit team presteerde op alle onderdelen uit de wedstrijd beter dan het referentieteam van telers. Dit leidt tot de vraag ‘kan de technologie nu de teler al verslaan en zijn mensen overbodig?’
In de glastuinbouwkassen maken we al jarenlang gebruik van allerlei soorten technologie. De tuinder hoeft al lang niet meer zelf de luchtramen open te draaien op het moment dat het te warm is of de ketel op te stoken als het koud is buiten. Al meer dan 50 jaar zijn er klimaatcomputers die dat voor hem doen. Door de meting van de temperatuur te koppelen aan een regeling die de luchtramen kan openen of de ketel hoger kan zetten vinden dit soort acties automatisch plaats. Om het nóg slimmer te maken werd in de tuinbouw 30 jaar geleden al gebruikt gemaakt van kennissystemen. Deze systemen, die regels bevatten met ‘menselijke kennis’, worden tegenwoordig gezien als voorlopers van AI.
‘Domme klimaatregeling’
Bij een standaard, ‘domme’ klimaatregeling zou je bijvoorbeeld de kas warmer stoken als de thermometer een temperatuur aangeeft die 1 graad te laag is. Als een tuinder dat nog met de hand zou moeten regelen, zou hij die keuze echter niet maken als hij weet dat het morgen een hele warme dag gaat worden. De gemiddelde etmaaltemperatuur is namelijk veel belangrijker voor de plant dan de huidige temperatuur. Met andere woorden, hij kan het nu een graad kouder laten worden omdat dat morgen, als het erg warm wordt ‘gratis’ wordt ingehaald omdat de kas door de zon wordt verwarmd. Dit simpele voorbeeld geeft aan dat de tuinder het klimaat in zijn kas regelt op basis van zijn kennis, ervaring en ‘gevoel’.
Het lijkt dus logisch om ervoor te zorgen dat alle kennis op het gebied van de teelt uit het hoofd van de telers wordt gehaald en in een model wordt gestopt. Dat zou dan gegarandeerd leiden tot het winnen van de volgende autonomous greenhouse challenge en ook nog eens zonder mensen!
Dat is echter voorlopig nog niet mogelijk…. Ten eerste besturen de deelnemers van de challenge slechts een beperkt aantal parameters tijdens de teelt. Daarnaast vindt er ook nog veel arbeid plaats in de kas die nog door mensen moet worden uitgevoerd. Verschillende gewashandelingen zoals bladplukken, scouting om ziekten en plagen op tijd te ontdekken en het plukken van bijvoorbeeld de vruchten kunnen nog steeds niet worden geautomatiseerd. Al wordt er op dit moment wel heel hard aan gewerkt.
Groene kennis digitaliseren
Belangrijker nog is het feit dat er ook voor de AI modellen die gebruikt worden mensen nodig zijn! Denk hierbij aan de AI-specialisten maar zeker ook aan de mensen met de ‘groene kennis’. Niet alles is zomaar in regels te vatten of te meten. Een tuinder kan zijn gewas heel goed ‘lezen’ zonder dat altijd in eenduidige regels of woorden te kunnen uitdrukken. Bovendien gaat het om een levend gewas en zeer variabele omgeving. Er moet nog veel werk worden gedaan om de groene kennis van de tuinder te digitaliseren.
Wel geven de eerste twee edities van de challenge aan dat er al veel mogelijk is. Zeker als AI- en technisch specialisten samenwerken met mensen met teeltkundige kennis.
We hopen dat het op korter termijn mogelijk is gebruik te maken van modellen die de dagelijks voorkomende beslissingen kunnen nemen. Daardoor is er voor degene met groen kennis meer tijd over voor het oplossen van de ingewikkeldere vraagstukken en uitzonderingen. Kortom beter gebruik maken van de steeds minder beschikbare mensen met de teeltkennis en hopelijk meer gebruik van technologie!
Robottrainers en dataspecialisten
Dus nee, de mens is zeker niet overbodig. Nu niet en ook niet in de nabije toekomst! Wel hebben we andere mensen nodig. Geen tomatenplukker maar een robottrainer, dataspecialist en mensen die de tools maken om groene kennis te digitaliseren.
Ben jij nou zo’n technisch specialist of student die graag eens in de tuinbouw zou willen kijken? Kansen te over in onze mooie sector. Wie weet wil je als AI-specialist je kansen zelfs wagen in de derde editie van de Autonomous greenhouse challenge. Stuur me dan een bericht. Wie weet kan ik je koppelen aan slatelers die graag een team willen vormen voor de challenge!
Voor info over de challenge van 2021/22 kijk hier:
Foto: GearSense van Gearbox Innovations gebruikt voor data-analyse in de tweede challenge door het winnende team. Foto in tomatengewas.
Over deze column
In een wekelijkse column, afwisselend geschreven door Wendy van Ierschot, Eveline van Zeeland, Eugene Franken, Jan Wouters, Katleen Gabriels, Mary Fiers en Hans Helsloot probeert Innovation Origins te achterhalen hoe de toekomst eruit zal zien. Deze columnisten, soms aangevuld met gastbloggers, werken allemaal op hun eigen manier aan oplossingen voor de problemen van deze tijd. Morgen zal het dus goed zijn. Hier zijn alle voorgaande afleveringen.
Als je dit artikel leuk vindt, lees dan ook:
