Autonoom telen in aardbei? Zover is het nog niet. Wel worden er stevige stappen gezet. Afgelopen jaar beproefde een aantal tuinbouwpartijen de inzet van substraatsensoren, statische camera’s en een zelfrijdende robot in een doordragerteelt. En dat leverde een schat aan data op. Al die gegevens helpen telers om hun inzichten te vergroten en productieprocessen verder te optimaliseren.
Er is een sterke transitie gaande in de Nederlandse aardbeienkassen, vertelt Pim Kleeven van Delphy ISFC in Horst: “Met het oog op arbeid en energie stappen steeds meer telers over van traditionele junidragers naar doordragers.” En dat is een complex gewas met de nodige uitdagingen. “Een vastomlijnde teeltstrategie is er niet. Om de teelt te optimaliseren hebben telers vooral veel inzichten nodig. Technologie helpt hen om onderbouwde beslissingen te maken.”
Technologieën beproeven
In het project ‘De vruchten plukken van autonoom telen’ werkte een consortium van technologieleveranciers aan een systeem dat telers moet ondersteunen bij hun teeltstrategie, uiteindelijk zelfs met volledig autonome aansturing. Gedurende twee teelten in 2024 en 2025, allebei van januari tot november, verzamelden ze met substraatsensoren, statische camera’s, veldmetingen en een robot continu data.
Vervolgens vertaalden slimme algoritmes en rekenmodellen die gegevens naar nieuwe inzichten, zoals automatische vruchttellingen, oogstvoorspellingen, plantbalans en de waterbehoefte van de planten. Op die manier demonstreerden ze in een proefafdeling in Horst een nauwkeurigere irrigatiestrategie én een betrouwbaardere oogstprognose. Een aantal goten werd apart behandeld.
Waterbalans sensoren
Kleeven zat als onderzoeker op de eerste rang en licht de samenwerking toe. “Elke partner had zijn eigen deeldoel en probeerde waar mogelijk de resultaten van anderen daarin mee te nemen.” Te beginnen met Growficient. Hun sensoren verschaften inzicht in de waterbalans. “Door realtime de hoeveelheid vocht in het substraat te meten, konden we de intering in de bak nauwgezet volgen. Heel leerzame data waarmee je de resultaten van de acties van gisteren daadwerkelijk kunt inzien.”
Uiteindelijk wil deze partij richting een automatiseringsmodule gaan. Dus dat het de teler concrete adviezen geeft over beurtgrootte, starttijd en eindtijd zodat de planten automatisch de optimale hoeveelheid water krijgen wanneer dat nodig is. “De eerste resultaten hiervan zijn reeds zichtbaar. Om het verder te vervolmaken zijn nog meer historische data nodig. Zodat alle binnen- en buitenomstandigheden en de bijbehorende effecten op de waterbalans meermaals zijn gemonitord en vergeleken.”
Beeldanalyse plantbelasting
De onderzoeker benadrukt dat data-opbouw sowieso aan de basis ligt van elk autonoom sturingssysteem. Focuste de irrigatie-expert vooral op informatie over de watergift, software-ontwikkelaar YieldComputer verzamelde met camera’s en sensoren zo veel mogelijk gegevens over de plantbelasting en het gerealiseerde klimaatprofiel. “De aardbeienplant is weersgevoelig en oogstschommelingen zijn lastig in te schatten. Door met camera’s het gewas en de omgeving automatisch te monitoren en de bloemen en vruchten in verschillende stadia dagelijks te tellen, kan de opbrengst vroegtijdig worden ingeschat.”
Vooral wanneer je deze data vergelijkt met die van voorafgaande jaren. “Want hoe meer objectieve data je kunt verzamelen, hoe groter de betrouwbaarheid is van de voorspellingen. En nog belangrijker: hoe sneller je meer grip krijgt op een nog onbekende teelt. “Je kunt dan bijvoorbeeld beter ingrijpen richting arbeid en afzet. Welke acties zijn nodig om de gestelde doelen te halen?”
Teeltinformatie registreren
Delphy Digital leverde binnen het project het systeem QMS Aardbei, een geavanceerd softwareproduct voor de aardbeienteler waarmee alle relevante teeltinformatie wordt geregistreerd en geanalyseerd. Denk aan plantbelasting, uitgroeiduur, LAI en vruchtgewicht. Kleeven verzamelde daarnaast klimaatdata, teeltopzet en kasgegevens welke werden weergegeven in een interactieve applicatie.
Met behulp van een onderliggend groeimodel wordt de behoefte van de plant continu gemonitord én wordt vooruitgekeken naar de rest van het teeltseizoen. Dit ondersteunt telers bij het in balans houden van de plant, het bepalen van de juiste (klimaat)strategie en het voorspellen van de oogst. Daarnaast vormt deze rijke dataset een essentiële basis voor de technische innovaties die de stap naar autonoom telen mogelijk maken.
Autonoom mobiel platform
VDL was de vierde partner en bracht uitgebreide ervaring mee in robotica, mechatronica en hightech productie. Zij gebruikten dit onderzoek onder meer om de werking van hun autonoom mobiele platform te optimaliseren. “In een aardbeienkas zijn er verschillende obstakels waarmee het platform moet leren omgaan voordat het zelfstandig kan rijden”, verduidelijkt Kleeven. Hij wijst op de aanwezige buizen, drempels, groeven en gladde vloeren.
Pas als ze zich autonoom kunnen verplaatsen komt de inzet van robots weer een stap dichterbij. Ook in aardbei is de potentie van robotica namelijk groot. “Voor het uitvoeren van gewaswerkzaamheden bijvoorbeeld en in ons geval voor dataverzameling. Door de mobiele platforms uit te rusten met camera’s en sensoren, kun je de variatie in de kas beter in beeld brengen dan met statische camera’s.” In de proef leidde die toepassing weer tot heel nieuwe uitdagingen. “Als je beelden maakt, genereer je heel veel gegevens en dan is datamanagement cruciaal.”
Productoptimalisatie
“Juist het proces van ‘trial and error’ maakte dit project zo leerzaam”, vervolgt de onderzoeker. “Omdat meerdere partners samenwerkten, kregen ze input vanuit verschillende invalshoeken. Dat leverde nieuwe inzichten op en zorgde dat ze hun eigen producten nu verder kunnen optimaliseren.” Om uiteindelijk de stap naar autonoom telen te kunnen maken, moeten de afzonderlijke systemen met elkaar leren communiceren. Als dat lukt, wordt de meerwaarde voor telers zeker tastbaar.
“Doordat alle scenario’s kunnen worden doorgerekend, zal een teler veel efficiënter kunnen sturen. En hoe preciezer hij de opbrengst kan voorspellen, hoe beter hij de afspraken met retailers kan maken.” Dat betekent geen overschotten die een teler tegen lage prijzen moet verkopen of tekorten waarvoor hij duur moet bijkopen. Bovendien zal een teler door technologie en data slim in te zetten, minder afhankelijk worden van mensen, waardoor hij grotere teeltoppervlakken nauwkeuriger kan volgen en aansturen.
Data blijven verzamelen
Ook de EU ziet deze meerwaarde en ondersteunde het project via het OPZuid EFRO-programma, aangevuld met steun van de provincie Noord-Brabant. Automatisering is onmisbaar voor de toekomst van de tuinbouw, menen de partners unaniem. En ook de aardbeientelers zijn geïnteresseerd, besluit Kleeven: “Ik merk zeker een wens om datagedreven te gaan telen. Voorwaarde is dan wel om serieus met de dataverzameling aan de slag te gaan, alleen dan is lerend inzicht mogelijk. Zodra de aandacht verslapt, valt de meerwaarde van het systeem snel weg.”
Tekst: Jojanneke Rodenburg
Door verschillende expertises te combineren, wordt een oplossing ontwikkeld die aardbeientelers ondersteunt bij hun irrigatiestrategie, teeltplanning en oogstvoorspelling.
