In de kas komen veel lastig te automatiseren handelingen voor, zoals oogsten, gewasinspectie en -verzorging. Kunstmatige intelligentie, visiontechnieken en communicatiesnelheid ontwikkelen zich echter zo snel, dat robotisering dichtbij is. Bij verwerking en verpakking is dat al meer gemeengoed, maar het kan allemaal veel doordachter en efficiënter.
Tweederde van de arbeid op een tuinbouwbedrijf vindt in de kas plaats. In de schuur is veel geautomatiseerd en ook intern transport vindt in toenemende mate plaats met karretjes die zelf hun weg zoeken. Wat voor de menselijke benadering overblijft, zijn de handelingen aan het gewas, die ingewikkeld zijn voor een machine.
Om die arbeid te vervangen, is meer nodig dan een simpele machine. Hij moet goed kunnen zien, beoordelen, denken, handelen en liefst ook nog leren van fouten. Zo’n slimme machine heet een robot. “Bij potplanten is de automatisering ver gevorderd, maar bij snijbloemen, groenten en fruit is nog een wereld te winnen”, zegt Erik Pekkeriet, technologie-expert bij Wageningen UR Glastuinbouw. Hij maakt een onderscheid tussen de kas – de ‘telersrobotica’ – en de naoogst; twee trajecten die ieder een eigen benadering vragen, maar voor beiden geldt: de stand van de technologie is niet langer de rem, maar de bereidheid van het bedrijfsleven om er flink in te investeren.
Gewoon beter
De telersrobotica kent verschillende aanjagers, maar opmerkelijk genoeg is dat niet de kostenbesparing op arbeid. Break-even zal, zeker in het begin, het hoogst haalbare zijn.
De redenen om te kiezen voor robotisering in de teelt – en dus de aanjagers van de ontwikkeling – zijn de behoefte aan beheersbaarheid van processen, snelheid, betrouwbaarheid van levering en eenvoudiger arbeidsmanagement (door minder personeel). En sommige dingen kan de robot gewoon beter dan de mens. Pekkeriet: “Als je wilt spelen met het oogsttijdstip, kan de oogstrobot heel consequent iets groener oogsten. Dat krijg je met je personeel bijna niet voor elkaar. Wat hij ook beter kan, is ziektemonitoring. Nu ligt die taak mede bij de oogsters, maar hun prioriteit ligt niet bij de beoordeling. De robot kan oogsten en beoordelen tegelijk. Hij weet precies wat hij eerder heeft gezien en kan de ziekteontwikkeling per plant bijhouden en daar geautomatiseerd een beslissing op nemen. Zo kom je tot een geïntegreerde teelt, waarbij je alleen die planten behandelt die werkelijk ziek zijn.”
Omslag in denken
Zo’n apparaat heeft ook geen last van veranderingen in de kas die minder plezierig uitwerken voor de mens. “De kas van de toekomst is meer gesloten met vaak een hogere temperatuur en luchtvochtigheid. Voor de plant uitstekend, voor de mens soms onaangenaam. Daarnaast krijgen we verschillende lichtkleuren, die de beoordeling van rijpheid lastiger maken. En de wachttijden na een bespuiting (de re-entry regels) nemen toe. Een machine heeft daar allemaal geen last van”, vertelt hij.
Wat de ontwikkelingen heeft versneld, is een omslag in het denken. Voorheen richtten de onderzoekers en ontwikkelaars zich op 100% resultaat (bijvoorbeeld alles oogsten), maar dat is losgelaten. “We focussen nu op het grootste deel van de problematiek. Vroeger lag de nadruk op de moeilijke gevallen, nu juist op de gemakkelijkste. Als je bijvoorbeeld 50 procent kunt oogsten, is dat soms beter dan 90. Want voor het resterende deel moet je er toch nog doorheen en dat is bij 10 procent nooit rendabel te maken.”
Actiever opstellen
Bovendien krijgt de robot hulp op afstand. Wanneer hij een moeilijk geval tegenkomt, stuurt hij een foto naar een operator die het geval beoordeelt en de beslissing neemt. “Zo kan één medewerker wel tien machines aan, die dan veel minder vaak stilvallen”, denkt de technologie-expert.
Inmiddels zijn de eerste voorbeelden in bedrijf. Er bestaan stekrobots en de Agrobot oogst aardbeien in Spanje. Verder zijn de paprika-oogster en de bladplukrobot uitgegroeid tot wispelturige pubers, op weg naar volwassenheid. “Het is al aan het gebeuren, maar de grote boost moet nog komen”, zegt hij. “Eigenlijk is de oogst van tomaat en komkommer technisch gemakkelijker dan paprika, maar in die teelten komen nog geen projecten van de grond. We moeten als onderzoekers leren om meer in business cases (financiële haalbaarheid) te gaan denken. Van de andere kant zou de industrie zich ook actiever op kunnen stellen richting onderzoek. Het zit echt in de ‘fit’ van de juiste business cases; de technologie is ver genoeg.”
Externe financiers
Omdat de bottle neck bij de financiering zit, is de kans groot dat de doorbraken uiteindelijk niet in Europa maar in de VS of Canada plaatsvinden. Daar is het veel gebruikelijker dat externe financiers meedoen. “In de VS is een potentiële markt, er is een andere manier van financieren en het arbeidsprobleem in de Amerikaanse tuinbouw wordt groter, omdat de grens met Mexico meer wordt gesloten”, vertelt hij. Er is al een voorbeeld: Wageningen UR is samen met Nederlandse bedrijven en een Amerikaanse investeerder bezig de broccoli oogstrobot praktijkklaar te maken.
In de naoogst zijn robots geen vreemde techniek meer. Toch zijn er tal van verbeteringsmogelijkheden denkbaar. Pekkeriet: “Er is nu veel mechanisatie nodig om het product goed aan te kunnen bieden aan de robot. Fust moet worden leeggegooid; daarna heb je bandjes nodig om de producten uit elkaar te trekken. Wanneer hij het product zelf uit het fust kan pakken, is dat allemaal niet nodig en is dat deel van de verwerkingslijn dus goedkoper. Bovendien geeft oppakken nieuwe mogelijkheden. Je kunt dan bijvoorbeeld beter door het product heen schijnen met infrarood licht. Aan de hand van het spectrum van het doorgevallen licht kun je de inwendige productkwaliteit en smaak bepalen.”
Tomaat of pizza
Een ander manco van de huidige mechanisatie is dat die vaak zeer productspecifiek is. Bij omschakeling naar een ander product moet er van alles worden aangepast. Verder staat de verwerkingshal vol met allerlei soorten verpakkingen, afgestemd op de wensen van de klant.
Tot slot is er een wereld van verschil tussen verpakking van losse groenten en gemengde producten, zoals kant-en-klaar maaltijden, terwijl de stand van de automatisering dat eigenlijk overbodig maakt. In principe is er een verwerkingslijn te ontwerpen die alles aankan. Dat is precies wat er gebeurt binnen het ambitieuze project PicknPack met deelnemers (onderzoek en bedrijfsleven) uit tien landen, mede gefinancierd door de Europese Unie. De testlijn staat bij Wageningen UR.
“De essentie is dat je op één plek producten inspecteert, sorteert en verpakt. Het demonstratiemodel kan zowel vers als bewerkt product aan; of het nu een tomaat is of een pizza.”
Zelfreinigend
Het systeem bestaat daarvoor uit drie modules. De eerste beoordeelt het product op uiterlijke en inwendige kwaliteit. De tweede sorteert het en plaatst het op de juiste plek. De derde pakt het in. Bij het prototype van de verpakkingslijn blijkt dat met de volgorde van de modules nog kan worden gespeeld.
In de huidige lijn wordt als eerste stap meteen de verpakking gemaakt. “Omdat je met verschillende producten van verschillende afmetingen en eigenschappen werkt, is het nodig de vorm van de verpakking aan te passen aan het product. Daarom maken we die ter plekke – dan heb je geen voorraden meer nodig. De thermoformer perst uit vellen PET-plastic verschillende soorten bakjes. Vervolgens pakt een delta-robot (een bepaald type met drie armen) de producten op en legt ze in de bakjes. Hij kan er eventueel andere producten bijleggen, met dezelfde grijphand of een andere. Tegelijkertijd wordt het gewicht gemeten”, vertelt Pekkeriet. De paklijn kan zichzelf reinigen. Handig, want er gaat nu zowel kipfilet (voor de kant-en-klaar maaltijden) als tomaat over dezelfde lijn.
Eindstation
De kwaliteitsbeoordeling van de producten vindt met een veelheid aan apparaten plaats: 3D-camera’s, röntgenapparatuur, spectraalcamera’s en een magnetron. De laatste brengt vocht in het product in beweging en meet het effect; dat vormt een maat voor het zout- of vetgehalte van het product.
Aan het eind van lijn staat een printer die alle gewenste productinfo en decoratie op maat op het sealvel drukt. Vervolgens worden de bakjes geseald en met laser los van elkaar gesneden. Het eindstation is een kabelrobot die de bakjes in kratten laadt.
De PicknPack-lijn moet nog voor de zomer draaien. Daarvoor zijn nu nog bijna dagelijks aanpassingen en fine tuning nodig.
Investeringsbereidheid
Voor kleinere bedrijven (inclusief tuinbouwbedrijven) is automatisering/robotisering een hele stap vanwege de hoge kosten en de grote variatie in producten. Eén van de Spaanse partners in het PicknPack project heeft daarom 81 bedrijven uit 7 Europese landen geënquêteerd over hun wensen om te investeren.
Het ging zowel om na-oogst verwerking (op tuinbouwbedrijven en bij sorteerders) als om bewerking (food processing). Opvallend is dat bij de ondervraagde tuinbouwbedrijven of sorteerders nog veel met de hand gebeurd. De belangrijkste verbeterpunten zien deze bedrijven bij sorteren op maat, uiterlijke kwaliteit en weren van vreemde voorwerpen in de partijen. Met name beoordeling van externe gebreken en inwendige kwaliteit zien ze als problematisch. De food industrie ziet verbeterpunten bij de handling, detectie van externe gebreken en de snelheid van het proces.
Op de vraag waar ze in de eerste plaats in zouden willen investeren, antwoordde de na-oogst-sector (tuinbouwbedrijven en sorteerders): sensoren voor een betere kwaliteitsbeoordeling en flexibele verpakkingsmachines. De ondervraagde voedselverwerkende bedrijven zouden in de eerste plaats investeren in verbetering van de verpakkingsapparatuur en de manier van palletiseren.
Belangrijke drijfveren voor investering zijn verbetering van de marge en de efficiëntie van de productie. Besparing op arbeidskosten en onderscheidend vermogen vormen tevens belangrijke redenen bij de telers/sorteerders, terwijl bij de voedselverwerkende industrie de wens tot vergroting van het productievolume doortikt.
Samenvatting
Aanjagers voor robotisering in de kas zijn beheersbaarheid en snelheid van processen, betrouwbaarheid van levering en eenvoudiger arbeidsmanagement. Sommige dingen kan de robot beter dan de mens, zoals ziektemonitoring of alles even rijp oogsten. Daarom moet hij goed kunnen zien, beoordelen, denken, handelen en liefst ook nog leren van fouten.
Tekst: Tijs Kierkels
Beeld: Tijs Kierkels en Mark Bolda, Cooperative Extension Santa Cruz County