Handsfree production in agri-food

De oogst van Gerbera is een arbeidsintensief proces met een hoog repeterend karakter. De beschikbaarheid van goed opgeleide arbeidskrachten voor de oogst van gerbera neemt af en het verloop onder de werknemers lijkt ook steeds groter te worden. Daarnaast wordt de rijpheid soms verkeerd beoordeeld en worden Gerbera’s te vroeg of te laat geoogst. De bloemen zijn relatief eenvoudig te herkennen en er zit een slanke bladloze steel onder de bloem. Het uitbreken van de bloem met het hieltje (aanhechtingspunt van de bloemsteel aan de plant) is complex en ook voor oogsters lastig. Oogsten van een bloem gebeurt door de steel gericht uit de plant te trekken of gericht uit te breken. Het doel is om de oogst van Gerbera te robotiseren en daarmee op arbeidskosten te besparen en een hogere kwaliteit gerberastelen te oogsten. Hiermee wordt de concurrentiepositie verbeterd.

Belangrijke resultaten tot op heden zijn:

• het is aangetoond dat stelen snijden ipv breken acceptabel is, er is een gripper voor snijden ontworpen
• herkennen van bloem en positie van steel is mogelijk door selectie van juiste camera’s,
• prototype heeft eerste gerbera’s geplukt, door de bijbehorende padplanning en robot aansturing te ontwerpen,
• met MTA is er een kandidaat gevonden die in samenwerking met de gewas coöperatie Gerbera de plukrobots wil gaan door ontwikkelen, produceren en in de markt zetten.

Lees ook

• Oogstrobot voor gerbera met accent op robotgrijper, J.L. Ruizendaal (2021)
• Prototype oogstrobot kan gerberastelen oogsten - 7 januari 2021

- Helaas, uw cookie-instellingen zijn zodanig dat de video niet getoond kan worden - pas uw permissie voor cookies aan

Steeds meer fruittelers geven aan dat het ontwikkelen van een oogstrobot een gewenste ontwikkeling is. Het oogsten van appels en peren is arbeidsintensief handwerk dat veelal wordt gedaan met tijdelijke arbeidskrachten en het neemt één derde van de kostprijs voor zijn rekening. Werven van tijdelijke krachten wordt steeds lastiger, waarbij wetgeving rond arbeidsomstandigheden, tijdigheid van uitvoering en concurrentie vanuit andere sectoren spelen. Dit heeft een opdrijvend effect op het arbeidsloon en dus kosten voor de fruitteler.

Fruittelers proberen dat probleem deels op te vangen door schaalvergroting. Een aantal jaren geleden kon een ondernemer toezicht op al zijn plukkers houden en daarmee ook letten op het plukken van vruchten van de juiste kwaliteit in de vorm van maat, kleur en rijpheid. In bedrijven met een grotere omvang is dat niet meer mogelijk en komt de kwaliteitscontrole onder druk te staan.

Veel wordt daarom verwacht van plukrobots die helpen bij de oogst. Rond het vinden en herkennen van fruit is al veel werk gedaan en zijn ook al successen geboekt. De grootste uitdaging is daarom het vinden van een geschikte end effector die om kan gaan met fruit. De uitdagingen liggen in de handling, want het grijpen mag niet leiden tot beschadigingen en het fruit hangt vaak in clusters. Het plukken van één vrucht kan er voor zorgen dat de anderen eraf vallen en de snelheid van plukken vertragen.

Belangrijke resultaten tot op heden zijn:

• Grippers zijn vergeleken en experimenten met een vacuüm gripper zijn uitgevoerd
• Industriële robotarm is geselecteerd en mee geëxperimenteerd. Zoektocht blijft nog wel naar een goed werkende industriële arm die niet te duur is.
• Robot arm besturing is gebaseerd op ROS2.
• AI modellen zijn ontwikkeld om individuele appels te detecteren met behulp van RGB-diepte camera’s en om oriëntatie van de appel vast te stellen.
• Het prototype heeft tot nu toe appels geplukt en had daar minder dan 25 s voor nodig.
• Diverse studenten van WUR, Fontys Venlo, Saxion en UTwente zijn bij uitvoering betrokken en use case is afgestemd met activiteiten in Europees project ESMERA, PPS Next Fruit 4.0 en het NxtGen Hightech initiatief.

Lees ook

• Mensen leren robot fruit plukken, AGF - 25 juni 2021
• Munckhof werkt aan appelplukrobot op Pluk-o-trak, AGF - 6 oktober 2021
• Robots eng? Welnee, we hebben ze juist hard nodig! Nieuwsuur - 3 oktober 2021

- Helaas, uw cookie-instellingen zijn zodanig dat de video niet getoond kan worden - pas uw permissie voor cookies aan

• Langere versie van de video

De aanleiding voor het werken aan gerobotiseerd onkruid verwijderen zijn de snelheid waarmee veranderingen in gewasbescherming doorgevoerd moeten worden. Om te komen tot vitale gewassen die geteeld worden in gewasrotaties en bouwplannen die een gesloten kringloop tot doel hebben, zijn aanpassingen nodig in de manier waarop we gewas behandelingen uitvoeren tijdens het groeiseizoen. Deze behandelingen zijn niet meer uit te voeren door verbeteringen aan te brengen in huidige technologieën, maar vereisen grotere stappen in innovatie die de research en development van reguliere toeleveranciers van de agrosector overstijgen. Met name het niet beschikbaar zijn van geschikte arbeid en de noodzaak om met een beperkt middelenpakket gewas bescherming en onkruidbestrijding uit te voeren zijn drijvende krachten achter het onderzoek en ontwikkeling. Er is duidelijk behoefte om van veldschaal naar plantspecifieke verzorging te gaan, waar ook bestrijding van onkruiden onderdeel van is, zodat niet meer uniform chemische gewasbescherming nodig is.

Onkruid robot

- Helaas, uw cookie-instellingen zijn zodanig dat de video niet getoond kan worden - pas uw permissie voor cookies aan

Het doel van het ontwikkelen van de onkruid robot is om te komen tot de juiste sensing- en actuatietechnieken die het mogelijk maakt om mechanisch onkruid te verwijderen bij in rijen geteelde gewassen. We gaan naar (samenwerkende) machines die zelf verantwoordelijk zijn via slimme algoritmen voor de taken die ze uitvoeren. Autonomie van de gewasverzorging en onkruidbestrijding is niet alleen rijden zonder bestuurder, maar juist het uitvoeren van de juiste taken op de juiste momenten.

Belangrijke resultaten tot op heden zijn:

• Wiedrobot prototype is geschikt gemaakt voor onkruid wieden in de wortelteelt. Er wordt gebruik gemaakt van een vision box en een industriële delta robot arm.
• Validatie en ontwikkel experimenten zijn uitgevoerd bij Bedrijf van de Toekomst.
• AI modellen zijn ontwikkeld en verfijnd om onkruid te detecteren.
• Er is geëxperimenteerd met verschillende verwijdermethodes, zoals het uittrekken of in de grond drukken.
• Er is een marktverkenning uitgevoerd om een business case te ontwikkelen.

Lees meer

• 5G robot revolutionises arable farming (Engels), Vodafone / Ziggo
• Verhaal van Odd.Bot, Flevoland
• Geen zere knietjes meer: deze robot trekt al onkruid wiedend over landbouwakkers, AD - 19 juni 2022
• Quirky imiteert secuur handwieden in de rij, NPPL - 1 juni 2022
• Onkruid verwijderen in de landbouwsector, de Weed Whacker doet het automatisch, Innovation Origins - 25 november 2021
• Automatische onkruidherkenning werkt, nu praktijkmachines nog, Boerderij - 1 juni 2022
• Odd.Bot ontwikkelingen en nieuwsbrief

Gewasverzorgingsrobot

- Helaas, uw cookie-instellingen zijn zodanig dat de video niet getoond kan worden - pas uw permissie voor cookies aan

Het doel van de gewasverzorgingsrobot is om te komen tot de juiste sensing en actuatie technieken die het mogelijk maakt om zonder toezicht van operators met hoge capaciteit specifieke planten te besproeien (spot spraying) in teelten die het volledige veld gebruiken zoals gras en graan.

Belangrijke resultaten tot op heden zijn:

• Precisie van verschillende spot spraying technieken zijn in spuitlab en praktijkexperimenten in grasland getest.
• De AI pipeline is geoptimaliseerd, active learning is verkend en er zijn verschillende AI modellen ontwikkeld en getest. Partner Agrifac heeft hierbij ook de Exact groep uit Frankrijk betrokken.
• Er zijn gegevens verzameld om verhaal van spot spraying duidelijker te maken voor beleidsmakers in Nederland en de EU.

In de boomkwekerij wordt jaarlijks veel PVC-bindbuis gebruikt en andere opbindmaterialen als tape en plastic klip materialen. Deze zijn niet afbreekbaar en vallen doorgaans al op de kwekerij op de grond, danwel bij de consument in de tuin. Kwekers zijn hier niet blij mee, maar oplossingen zijn lastig door de grote diversiteit aan producten en kleine marges. Ook is het aanbinden zeer arbeidsintensief en zijn er ook geen toepassingen voorhanden die het aanbinden automatiseren voor een grote variatie in boomkwekerijproducten. Kwekerij B&B is kweker van terras boomkwekerij producten en wil een duurzame kwekerij zijn, klaar voor de toekomst. B&B wil circulair produceren wat betekent dat de gebruikte producten ook weer in de natuur kunnen worden opgenomen. Studies laten zien dat er afbreekbaar bindbuis te maken is, dit is echter een stuk duurder en kost veel arbeid omdat het handmatig opgebonden moet worden. Het tweede aspect zou B&B daarom ook graag willen aanpakken en dat is het automatiseren van het aanbinden. Eerst semi automatisch en daarna automatisch.

Doelstelling van de Use Case is dan ook te komen tot duurzame oplossingen van het opbinden van zowel het opbindmateriaal als de opbindmethode. Waarbij afbreekbaarheid van het materiaal uitgangspunt is. Met de oplossing worden ecologische kringlopen gesloten wat past bij een natuurproduct als terrasplanten en wordt arbeid bespaard en kwaliteit van het opbinden verbeterd. Dit levert weer minder uitval in de keten.

Belangrijke resultaten tot op heden zijn:

• Er zijn diverse testen uitgevoerd met verschillend soorten opbindmateriaal. Denk aan trekkracht, buigzaamheid en duurzaamheid.
• Er is een prototype ontwikkeld voor een semi-automatische tang voor het bevestigen van het opbindmateriaal.
• Er is een ontwerp gemaakt voor het maken van een prototype automatische opbindtang.
• Er is contact gezocht met diverse bedrijven die bij kunnen dragen aan verdere ontwikkeling.

Leliebollen worden gesorteerd op gewicht, grootte, wortelkwaliteit, ziektes en beschadigingen, en het optreden van ‘dubbelneus’. Dit laatste betekent dat er twee kiempunten in de leliebol zitten waardoor de bol een dubbele bloem zal vormen. Meestal zijn dat bloemen van een lagere kwaliteit, waardoor de dubbelneus ongewenst is. Sorteren op grootte en gewicht is bij de meeste telers al geautomatiseerd. De inspectie van de overige kenmerken en controle op ziektes en beschadigingen wordt handmatig uitgevoerd. Dit gebeurt op sorteerstations waar op een typisch bedrijf tot tientallen mensen bezig zijn. De handmatige inspectie gebeurt in ploegendienst, en er wordt ca. 18-20 uur per dag gewerkt. Dit omdat de oogst van leliebollen slechts in een beperkt deel van het jaar plaatsvindt. In een periode van ca. 10 weken wordt de oogst voor een heel jaar verwerkt, en moet dus ook de inspectie plaatsvinden. Automatisering is gewenst, omdat het zwaar en monotoon werk is, maar vooral omdat het steeds moeilijker is om geschikte mensen te vinden. De periode waarin gewerkt kan worden is kort, en er is relatief veel training nodig omdat bepaalde kenmerken best lastig te zien zijn. Alle bedrijven hebben bovendien in dezelfde periode mensen nodig, waardoor de vraag in die periode hoog is. Het verloop is groot, en de personeelskosten lopen sterk op. Voor een gemiddelde leliebollenteler vormen deze kosten een substantieel deel van de totale bedrijfskosten.

In het TKI-project “Exploitation of high-tech plant phenotyping tools for breeding companies and growers” (2018-2021) heeft al onderzoek plaatsgevonden naar de mogelijkheid om dubbelneuzen en ziektes met sensoren waar te nemen, gebaseerd op deep learning technieken. In dit onderzoek is de geschiktheid van verschillende sensoren onderzocht. Er is gekeken naar het gebruik van Röntgen (zowel lijn-scan als 3D tomografie), naar 2.5 D sensoren (Gogater) en naar ‘gewone’ matrix-camera’s (zowel RGB-kleur als grijswaarden). Uit het onderzoek is gebleken dat het mogelijk is om met RGB kleurencamera’s en deep learning technieken in ca 95% van de gevallen dubbelneus te onderscheiden van een gewone bol. Detectie van ziektes en beschadigingen is hoog. Eén en ander hangt af van het aantal camera’s en de positionering ervan.

De uitdaging is om nu een sorteerrobot te ontwikkelen die lelies automatisch kan controleren op ziekten, beschadigingen en dubbelneuzen. De robot moet makkelijk te trainen zijn omdat er meer dan 300 variëteiten van lelies zijn en grootte van de bollen ook sterk kan variëren.

Belangrijke resultaten tot op heden zijn:

• Boltha BV heeft met acht andere kwekers een leliecollectief gevormd die samen gaan bijdragen aan de ontwikkeling van de sorteerrobot.
• Samen met Aris en Brom Mechatronica wordt een eerste prototype gebouwd dat in oktober 2022 gebruikt kan worden voor de eerste testen. Aris en Brom Mechatronica zijn geen partner in deze PPS, maar zijn apart gecontracteerd door het leliebollencollectief.

Lees verder

• HT 17222 – Exploitation of high-tech plant phenotyping tools

Het oogsten van (romeinse) sla is een arbeidsintensief proces met vele handmatige handelingen. Meestal wordt de sla volledig handmatig geoogst, waarbij de werkomstandigheden van de oogsters niet optimaal zijn (bukken/op de knieën op de grond). Het geoogste product wordt op een transportband gelegd en op de wagen verpakt, of direct verpakt.

Om dit te verbeteren heeft Brimapack een volbed oogstmachine ontwikkeld welke met behulp van een lintzaag verschillende volbed slasoorten kan oogsten (focus op Romeinse sla). Hierdoor word de sla mechanisch afgesneden en met een lopende band naar boven gebracht, waarna men deze verder kan schoonmaken en verpakken. Op dit moment gebeurd de aansturing voornamelijk mechanisch. Zo wordt de hoogte van het zaagblad (en daarmee de opvoerband), met behulp van tastsensoren gestuurd. Deze sensoren volgen de grondslag van de grond en daarmee wordt de hoogte van de band aangestuurd. Echter is deze grondslag niet altijd gelijk aan de gewenste snijhoogte. Door variatie in plantdiepte, ontwikkeling van de plant en vlakheid van het bed is deze regeling niet altijd optimaal. Vandaar de vraag of het mogelijk is om, met behulp van machine vision informatie, de machine automatisch aan te sturen.

Op het gebied van snoeirobots zijn er wereldwijd verschillende initiatieven gaande, maar deze zijn allemaal al weer gestopt of verkeren in een vroeg experimenteel stadium. Het robuust in kaart brengen van de 3d plant/boomstructuur met sensoren en het bepalen van de correcte locaties voor de snoeiactie zijn de grootse uitdagingen bij al deze initiatieven. Ook binnen het nog lopende PPS project “The Next Fruit 4.0” Nummer: LWV20.131 (01/2021-12/2024) wordt gewerkt aan de uitbreiding van de functionaliteit van bestaande in ontwikkeling zijnde robots (bijv. met de ontwikkeling van een robot-grijper voor het plukken en snoeien van peren en het snoeien van rode bes). Ook in het The Next Fruit 4.0 project wordt onderzoek gedaan naar sensoren en software om de 3d plantenstructuur (bomen en bessenstruiken) te meten. En ook hier is geconstateerd dat er in de gegeven kaders van het project alleen een systeem kan worden ontwikkeld dat zeer goed zichtbare/detecteerbare onderdelen van een boom of struik zal kunnen lokaliseren. Echter, om tot een volledig autonome en robuuste snoeirobot oplossing te kunnen komen is het nodig om een sensorsysteem te ontwikkelen dat ook dunne (zij)takjes en knoppen kan herkennen, en ook obstakels voor de robot zoals gewasdraden, irrigatieleidingen en/of druppelaars en clipjes.

Ook het kunnen onderscheiden van individuele planten (welke takken horen bij welke plant) is essentieel om te kunnen bepalen hoeveel en welke takken en knoppen gesnoeid moeten worden. NFO (Nederlandse Fruittelers Organisatie) wil in overleg met een groep rode bessentelers graag de ontwikkeling van de sensortechnologie voor een toekomstige snoeirobot versnellen en stelt hiervoor additionele middelen ter beschikking. De teelt van rode bes is arbeidsintensief, met name omdat snoeien en oogsten nog pure handarbeid is.

Omdat arbeidskosten steeds verder stijgen en omdat er een tekort dreigt aan gekwalificeerd personeel zijn bessentelers op zoek naar technologische alternatieven om deze werkzaamheden in te vullen en daarmee een efficiencyslag te maken in de bedrijfsvoering. Vergeleken met appel en perenbomen is de structuur van rode bes simpeler. Hierdoor is te verwachten dat de een snoeirobot voor deze teelt sneller gerealiseerd kan worden. Uiteraard zullen de onderzoeksresultaten/sensorsysteem in het vervolg ook waardevolle informatie geven voor de verdere ontwikkeling van een snoeirobots voor hardfruit.

Lees verder

• Hemming, J., Nishikawa, H., Sytsma, M., Vroegop, J. A., Leunissen, A., & de Jong, P. F. (2022). The Next Fruit 4: Snoeirobot voor rode bes. Poster session presented at Kleinfruitdag Buren, Netherlands.
• Hemming, J., & de Jong, P. F. (2022). The Next Fruit 4.0: Future-proof fruit cultivation using smart technology. Wageningen University & Research.