Vandaag de dag is er enorm veel data beschikbaar in de kas. Digitalisering blijft toenemen en innovaties zoals cloud-oplossingen en Internet of Things toepassingen nemen een vlucht. Beschikbare data in de kas combineren om zo de juiste beslissingen te nemen is geen trend meer maar een must.

Eén van de grootste uitdagingen in de kas is het nemen van de juiste teeltbeslissingen op het juiste moment. Dat is niet altijd even makkelijk, want de omstandigheden in een kas veranderen voortdurend. Wind, zonlicht en CO2 etc., hebben een enorme invloed op de groei van de planten en daarmee op de kwaliteit van de oogst. Door de constante veranderingen in en rondom de kas is het maken van de juiste oogstprognose een uitdaging en tijdrovend terwijl dit cruciaal is voor de planning van arbeid en prijsberekeningen voor de afzet. Dat is zonde, want met de hoeveelheid aan data zou het mogelijk moeten zijn om snel inzicht te krijgen in de status van oogst -of gewasgroei.
Het combineren van de enorme hoeveelheid beschikbare gegevens in de kas, is complex en tijdrovend. Daarom is het combineren van data- en plantenwetenschap relevanter dan ooit. Datawetenschappelijke en AI-technologieën bieden ontzettend veel mogelijkheden om data te onttrekken en verzamelen in de kas, om de efficiëntie, kwaliteit en opbrengst te verhogen.

Hoe combineer je planten- en datawetenschap?

Omdat dit nog vrij nieuw is, zijn er veel onduidelijkheden over het combineren van plantenwetenschap met datawetenschap en het gebruik van nieuwe technologieën in de kas. Iedereen teelt anders en daarom moeten altijd de specifieke informatie en teeltomstandigheden in overweging worden genomen.
Elke kas is uniek, bijvoorbeeld wat betreft de locatie, type kas, de verlichting, het groeimedium etc. Deze factoren zijn allemaal van invloed op de groei en de opbrengst. Het is daarom essentieel dat er wordt gewerkt met gepersonaliseerde datamodellen en het juiste programma. Grodan heeft een dataplatform ‘e-Gro’ ontwikkeld, waarmee de specifieke, gepersonaliseerde prognoses en data uit een kas in real-time wordt geanalyseerd.

Impact van data

Het kan niet worden ontkend dat data en AI zeer nuttig kunnen zijn voor een bedrijf, omdat slimme algoritmen op effectieve wijze verbanden kunnen aantonen en met datatechnologie historische gegevens kunnen worden geregistreerd. Er moet echter wel worden gezocht naar de juiste combinatie van plantenwetenschap en datawetenschap. Er moet rekening worden gehouden met de expertise van de teler (kennis betreffende de gewassen of ‘groene vingers’).
De voorspellingen, suggesties en aanbevelingen fungeren slechts als datagedreven ondersteuning. We gebruiken hiervoor de metafoor van de piloot. Het overgrote deel van het werk van de piloot in het vliegtuig wordt gedaan door een computer. De piloot moet echter nog altijd de beslissingen nemen en dat moeten geïnformeerde beslissingen zijn. Zelfs de meest succesvolle telers kunnen van tijd tot tijd profiteren van datagedreven inzichten, data en prognoses. We zien steeds vaker dat verschillende soorten glastuinbouwbedrijven datawetenschap toepassen om hun teeltstrategie te optimaliseren.

Met AI aan de slag

Grodan helpt telers wereldwijd om relevante gegevens uit de kas te bundelen en om te zetten in real-time inzichten voor datagedreven precisieteelt met het software platform: e-Gro. Onlangs is de nieuwe module ‘e-Gro Oogstprognose’ toegevoegd en vele gebruikers gebruiken deze module om in kaart te brengen hoeveel kilo oogst er wordt verwacht in de komende weken. Deze module wordt aangestuurd door Artificial Intelligence (AI), die is afgestemd op de unieke situatie bij de teler.
e-Gro’s Oogstprognose maakt een nauwkeurige oogstvoorspelling op basis van historische data in het programma. Met de slimme algoritmes berekent het programma een oogstvoorspelling voor de komende vier weken. Met deze slimme inzichten kan een teler tijdig anticiperen met het maken van nieuwe (teelt) beslissingen in de kas. Lees via deze link meer over hoe een e-Gro gebruiker het ervaart om met e-Gro oogstprognose model te werken.