Zoals ik in mijn vorige blog al aangaf , kan bijna alles wat te maken heeft met planten, hun groei, de wortelzone en de klimaatomstandigheden worden verzameld als bruikbare gegevens. Dit kan handmatig gebeuren, wat tijdrovend en foutgevoelig is, of via hightech systemen zoals sensoren en beelden. Er zijn zoveel gegevens beschikbaar, maar wat moet je ermee doen? En hoe combineer je het beste van twee werelden, met waardevolle inzichten uit plantwetenschap en datawetenschap in de kas?
Plantenwetenschap versus gegevenswetenschap
Plantkunde gaat terug tot de oudheid, maar gegevenswetenschap is relatief nieuw. Plantenwetenschap is een klassieke wetenschap die zich bezighoudt met de fysiologie van planten, genetica en het telen van gewassen. Het is gestructureerd en systematisch. Aan de andere kant is datawetenschap de wetenschap van het extraheren van bruikbare en bruikbare kennis uit ruwe gegevens. Datawetenschap kan meer gezien worden als een kunstvorm, zonder vaste regels.
Wat ze samenbrengt, is dat ze allebei gebruikmaken van de nieuwste technologie en een sterk onderzoekselement bevatten. Data science kan worden gecombineerd met bijna elke wetenschap of domein, zoals geneeskunde, financiën, astrofysica, enzovoort. Wanneer data science wordt gecombineerd met dynamische plantkunde, gebeurt er iets magisch. De teler heeft meer zekerheid en kan meer doen terwijl hij minder gebruikt (water en meststoffen). Deze combinatie kan ons een betere gewaskwaliteit, meer opbrengst en meer efficiëntie in de kas opleveren.
Waar de magie gebeurt: ontgrendel het potentieel van gegevensgestuurde besluitvorming
Data science en AI-technologieën bieden ons veel mogelijkheden om gegevens in de kas te verzamelen en te ontginnen. Dit document zal u helpen het beste uit uw kasgegevens te halen. Er ligt een mooie toekomst in het verschiet!