De Autonomous Greenhouses Challenge georganiseerd door de Wageningen University & Research (WUR), is ontstaan uit de overtuiging dat kunstmatige intelligentie ontzettend veel mogelijkheden biedt voor de tuinbouwsector. Deze kunnen veel voordelen op het gebied van duurzaamheid opleveren, zoals een lager middelenverbruik en het waarborgen van een efficiënt aanbod van gezonde groenten om de toenemende wereldbevolking te kunnen blijven voeden. Er namen 21 multidisciplinaire teams van over de hele wereld deel aan de voorronde van de AGIC in de vorm van een hackathon, die plaatsvond in september 2019 in Nederland. Daarvan gingen vijf teams door naar de volgende ronde.
Een van die teams is Digilog, waarvan bijna alle zestien teamleden uit Zuid-Korea komen (en een aantal uit België en Israël). Het team staat onder leiding van H.K. Suh, CTO en Vice President van A-Net in Seoul en assistent hoogleraar op de Dong-A University, met een specialisatie in agrarische robotica en automatisering. “Ik deed mijn eerste promotie- en postdoc-onderzoeken op de WUR, daar hoorde ik voor het eerst van de Challenge. Ik vond het gelijk een fascinerend idee. Dus toen ik bij A-Net ging werken, besloot ik een team samen te stellen”, legt hij uit. “Dat was niet makkelijk, maar uiteindelijk vonden we de juiste mix van software engineers, gewassenexperts en hardware/software-specialisten. De naam Digilog is een combinatie van ‘Digital’ en ‘Analog’: de nieuwe harmonie in het komende tijdperk.”
Multidisciplinair team
Een belangrijk teamlid betreffende de software is JinHyung Cho, de CEO van een start-up genaamd ioCrops Inc., gevestigd in Seoul. “Ons bedrijf is in 2018 opgericht voor de ontwikkeling van een op de cloud gebaseerd softwareplatform voor databeheer voor precisieteelt in kassen", zegt JinHyung. “Het doel van de AGC komt overeen met het doel van ons bedrijf: data en een databeheerplatform gebruiken om het concept van een autonome kas daadwerkelijk te realiseren. Op dit moment zijn we bezig met het verzamelen van data van veel verschillende Zuid-Koreaanse telers, die de basis gaan vormen van onze algoritmen. De AGC biedt dus een geweldige kans om onze software en onze sensoren te testen.” Een ander belangrijk teamlid van team Digilog is Hyeran Lee. Ze heeft een major afgerond in tuinbouw en werkt nu bij ioCrops als agrodata-analist. “Ik ontmoette Suh tijdens mijn afstudeerjaar op de WUR. Ik vind het heel interessant om te ontdekken hoe machineleren kan worden toegepast in de gewasteelt, die in hoge mate afhankelijk is van menselijke ervaringen, dus ik was erg verheugd toen hij me vroeg bij het team te komen", vertelt ze.
Precisiebeheer van de wortelzone
Alle teams die door zijn naar de volgende ronde van de AGC kregen vervolgens zes maanden de tijd om ‘op afstand’ een cherrytomaatgewas te telen. Alle teams hebben op de agrarische-onderzoeksfaciliteit in Bleiswijk in Nederland een complete kas van de WUR tot hun beschikking gekregen, met daarin onder andere door Grodan geleverde apparatuur. “In een kas van 96 m2, is de daadwerkelijke teeltoppervlakte 76,8 m2. Het gewas, één tomatenras, werd half december 2019 geplant. Alle teams gebruiken substraatmatten van Grodan. “In het verleden heb ik met andere soorten steenwol- en kokosmatten gewerkt, en er is een duidelijk verschil", zegt JinHyung. “De matten van Grodan hebben een zeer uniforme kwaliteit en absorbeerbaarheid. Hierdoor kunnen we het watergehalte en de EC in de wortelzone beter controleren, wat een groot voordeel is voor de gezondheid van de wortels en dus van de planten. Er komt ook geen vuil van de matten af, dus de kas blijft ook mooi schoon.”
“De organisatoren van de AGC hebben in alle kassen GroSens-sensoren geïnstalleerd voor het registreren van de matgegevens. Daarnaast hebben we onze eigen sensoren en een aantal camera's geïnstalleerd, zodat we kunnen zien hoe de planten groeien”, vertelt hij verder. “We hebben allerlei soorten data verzameld en geanalyseerd, niet alleen over het kasklimaat, zoals de temperatuur en de relatieve luchtvochtigheid, maar ook over het plantprofiel, zoals de hoogte, hoeveel bladeren hij heeft, hoeveel vruchten per tros, de dikte van de stam enzovoort. We hebben zelfs een sensor om de bladtemperatuur te meten. Dit draagt allemaal bij aan een optimaal beheer van de input om het gewenste plantprofiel te realiseren.”
Waardevolle sensorgegevens
De sensoren en webcams verzamelen de data, die vervolgens zo goed als ononderbroken naar de servers wordt verzonden. “Elke ochtend worden de gegevens bekeken. We controleren het geïrrigeerde water (l/m²) en de drainwaarde (l/m²) om het drainpercentage te berekenen, en vervolgens controleren we ook de trend van het watergehalte in de mat (via de Grodan-sensor) en het gewicht van de mat (via de ioCrops-sensor). We analyseren de verschillen tussen de minimum- en maximumwaarden van het watergehalte in de mat en het gewicht van de mat, en bepalen op basis daarvan onze irrigatiestrategie, zoals wanneer we beginnen en stoppen met irrigeren, het irrigatievolume en de irrigatieduur en hoe lang we wachten tussen twee irrigatiebeurten in", legt Hyeran uit.
“Onze eigen sensoren meten de temperatuur en de EC van de mat, maar ook het gewicht van de mat om het watergehalte te berekenen", gaat ze verder. “Maar dat gewicht is inclusief het gewicht van de plant, de bladeren en de vruchten. Daarom is GroSens zo handig. Het is een FDR-sensor die niet alleen de elektrische geleidbaarheid in de mat meet, maar ook de verdeling van het vocht in de mat. Door het gewicht van de mat, dat door onze eigen sensoren is geregistreerd, te combineren met de gegevens van de GroSens-sensoren, krijgen we een nauwkeurig en volledig beeld. Het gaat er niet om zoveel mogelijk gegevens te hebben, maar juist om meer waardevolle gegevens te verkrijgen.”
Uitdagingen overwinnen
Vanuit softwaretechnisch oogpunt gezien, bleek het een grote uitdaging om het KI-model optimaal te laten functioneren binnen de zes maanden die voor de Challenge staan. “Het doel van de AGC is de toepassing van kunstmatige intelligentie (KI) stimuleren, maar de periode is eigenlijk te kort om significante resultaten te kunnen bereiken", merkt JinHyung op “Om te kunnen profiteren van machineleren moeten alle algoritmes worden ‘getraind’ op basis van de werkelijke data. We werken nog aan het finetunen van ons algoritme en het wordt steeds beter, maar nu hebben we nog maar een paar maanden over tot het einde van de Challenge in juni.”
Volgens Suh is een andere uitdaging de afstand, maar daarmee doelt ze niet op het ‘op afstand’ telen. “De meeste leden van ons team bevinden zich in Zuid-Korea, maar niet allemaal in dezelfde stad, daarom is het moeilijk om het hele team bij elkaar te krijgen voor meetings. Bovendien is de AGC voor iedereen een extra project, waar naast de 'normale’ banen aan wordt gewerkt. Dat is waarschijnlijk ook de reden dat we niet zo heel veel contact hebben met de andere teams; niet omdat we niet van elkaar willen leren, maar simpelweg omdat we het allemaal zo druk hebben!”
Een stap dichterbij de autonome kas
Hoewel team Digilog op dit moment niet op koers ligt om te winnen, zijn de resultaten van deze nieuwkomers dit jaar wel indrukwekkend. Hyeran: “Gezien de omstandigheden hebben we al veel tomaten geoogst, maar we mogen pas aan het einde van de Challenge bekendmaken hoeveel precies. Ook de Brix-waarde van de laatste oogst was aanzienlijk hoog, en daar zijn we heel blij mee!” Bovendien zijn de drie teamleden het erover eens dat de AGC een belangrijke stap dichterbij de werkelijke realisatie van autonome teelt is. “Om de huidige IT-expertise op het gebied van land- en tuinbouw in Zuid-Korea naar een hoger niveau te tillen, denk ik dat bewustzijn moet worden gecreëerd rondom de mogelijkheden van KI voor hightech telen. Een goede manier om dat te doen is door een Challenge als deze ook in Azië te organiseren, want door deel te nemen aan de AGC heb ik waardevolle ervaring opgedaan", vertelt Suh. “Dankzij de Challenge heb ik een kijkje achter de schermen gekregen van hoe KI in de praktijk kan worden toegepast in autonome teeltsystemen en ik kijk ernaar uit om ons bedrijf te ondersteunen met de verdere ontwikkeling hiervan", zegt Hyeran. JinHyung is het daarmee eens: “Ik zie de AGC als een voorproefje voor ons. Het was een mooie kans voor ons om datagedreven productiemethoden te combineren met de fysieke teelt en te testen hoe alles in de praktijk werkt. Daarmee kunnen we weer een stapje dichterbij ons uiteindelijke doel komen: manieren vinden om de meest recente technieken op het gebied van databeheer en analyse toe te passen in de praktijk en telers te helpen efficiënter en dus duurzamer te worden", concludeert hij.
Whitepaper deel 1 - De start van datagedreven telen
Deze whitepaper is beschikbaar voor iedereen die interesse heeft in het datagedreven telen.