Autonoom Telen

Plantfysiologie wil bijdragen aan het begrip van hoe planten functioneren, zoals de processen die in planten plaatsvinden als reactie op veranderingen in hun omgeving en hoe ze zich aanpassen aan stress.

Een volledig begrip van de ontwikkeling van op ecologie gebaseerde systemen voor de gezondheid van planten en circulaire gewasproductie die zijn afgestemd op lokale omstandigheden wat betreft watergebruik en -kwaliteit, substraat, gewasbescherming en efficiënt gebruik van voedingsstoffen zijn essentiële dimensies om volledig autonome teelt te bereiken.

Het optimaliseren van de ontwikkeling van planten in de loop van de tijd en het garanderen van onderzoeksproeven en gegevens van hoge kwaliteit, maken menselijke betrokkenheid noodzakelijk. Dit vereist planning, organisatie en kwaliteitsmanagement. De inzichten die gegenereerd worden door grootschalige experimenten zijn essentieel om tot een grondig inzicht te komen welke technologieën het meeste voordeel kunnen opleveren voor autonome teeltsystemen.

Omgevingsfactoren, zoals licht, hebben effect op de groei en opbrengst van gewassen. We gebruiken simulatiemodellen om deze effecten te onderzoeken in gewassen die worden gekweekt in kassen en vertical farms.

De toepassing van fysische modellen is een manier om het kasklimaat te voorspellen, gebaseerd op de principes van het berekenen van warmte- en massabalansen. De componenten, zoals absorptie van zon- en kunstlicht, verwarming, gewastranspiratie, condensatie en ventilatie, volgen bekende natuurkundige wetten. Met berekeningen op basis van deze zeer voorspelbare processen kunnen we efficiënte klimaatbeheersingsstrategieën definiëren en implementeren.

Digital Twins maken gebruik van data-integratie, kunstmatige intelligentie (AI) en machine learning om een virtuele versie van een gewas te creëren. Deze simulatiemodellen worden continu gevoed met realtime informatie van de werkelijke omstandigheden in een kas, waardoor het mogelijk wordt om processen en reacties van planten nauwkeuriger te analyseren en te simuleren. Met behulp van digital twins kunnen we planten beter monitoren en toekomstige scenario's voorspellen.

Door gewassen te telen in meerlagensystemen kan er duurzaam, efficiënt en volledig gecontroleerd geteeld worden op een relatief klein oppervlak. Op deze manier kan Vertical Farming voorzien in de behoeften van een groeiende wereldbevolking. In onze unieke vertical farming unit in Bleiswijk onderzoeken we hoe optimaal geteeld kan worden in gecontroleerde ruimtes. We werken aan de verdere ontwikkeling van indoor teeltsystemen, zodat ze specifiek kunnen worden ontworpen voor en toegepast in verschillende klimaatzones over de hele wereld.

Camerasystemen met spectrale beeldvorming zijn in staat om niet-destructief chemische verbindingen, stress- en ziektesymptomen in planten en vele andere plantkenmerken te meten die onzichtbaar zijn voor gewone RGB-camera's. Spectrale beeldvorming biedt een schat aan informatie om de kwaliteit van objecten te detecteren dankzij een analyse van het hele spectrum die per pixel beschikbaar is. Met behulp van spectrale beeldvorming in combinatie met modellen kunnen we de ruimtelijke verdeling van het drogestofgehalte, de stikstofstatus of suikerconcentratie meten, en zelfs lycopeen, chlorofylconcentratie en nog veel meer.

Niet-invasieve sensoren kunnen een verscheidenheid aan planteigenschappen, teelt en klimaatomstandigheden in kassen meten en bewaken. De gegevens bieden inzichten om de omstandigheden in de kas voortdurend te verbeteren en managementbeslissingen te ondersteunen. Er is een breed scala aan robuuste sensoren beschikbaar en er worden voortdurend nieuwe sensoren en verbeteringen uitgebracht.

Robotsystemen in kassen moeten kunnen werken in een zeer uitdagende omgeving en kunnen omgaan met complexe producten die veel variatie en verandering in de tijd vertonen (bijvoorbeeld groeien of rijpen). Wij ontwerpen robotsystemen die hardware en software combineren tot een goed functionerende robot die kan denken, voelen en handelen in dergelijke omstandigheden, met een belangrijke focus op het vervangen van dure arbeid voor saaie, repetitieve en onplezierige taken.

Het leervermogen van een robot is een belangrijk onderdeel van zijn intelligentie. Het is mogelijk om patronen te ontdekken met behulp van de razendsnelle nieuwe ontwikkelingen in kunstmatige intelligentie (AI), bijvoorbeeld bij het herkennen van objecten in complexe omgevingen in beelden. Wanneer een groot aantal sets met trainingsgegevens wordt gegeven, leert de AI zichzelf automatisch niet alleen wat er in het beeld staat, maar ook waar het is. Het vermogen van machine learning om te gaan met de hoge mate van diversiteit die in natuurlijke producten wordt aangetroffen, is een belangrijke kracht. Machine learning kan bijvoorbeeld ook worden gebruikt om een robot te leren objecten vast te pakken of om opbrengstvoorspellingen te doen. We kunnen gegevens nauwkeurig analyseren om modellen te vormen en modellen omzetten in objectieve informatie met behulp van computervisietechnieken. Door kenmerken zoals productgrootte, oppervlaktegebreken, bladoppervlak of stengellengte te beoordelen, kunnen we automatisch verschillende planteneigenschappen herkennen (fenotypering).

Met virtual reality en augmented reality kunnen onderzoekers en telers nieuwe interacties aangaan met data, modellering en digital twins. Synthetische gegevens kunnen worden gebruikt om AI-modellen te trainen, dus nauwkeurige reconstructies van planten, fruit, kassen, enz. in het virtuele domein zijn essentieel om het knelpunt van trainingsgegevens op te lossen.

Het tijdig en nauwkeurig monitoren van defecten in fruit, groenten, bollen en bloemen is cruciaal om een hoge kwaliteit aan de consument te garanderen. Het blijft echter een uitdaging om producten zonder gebreken te leveren, omdat inspecties nog steeds grotendeels door mensen worden uitgevoerd, waardoor fouten kunnen ontstaan. Zouden geautomatiseerde systemen en slimme gegevensverzameling de sleutel kunnen zijn tot het tijdig detecteren en voorspellen van de ontwikkeling van defecten?

Telers spelen een essentiële rol bij het aanpassen van het klimaat aan optimale groeiomstandigheden voor gewassen. Ze houden de planten voortdurend scherp in de gaten tijdens hun ontwikkeling tot aan de oogst en zorgen zo voor een hoge opbrengst, winst en omzet. Autonome besturing is de volgende stap in het ondersteunen van telers om een stapje terug te doen van dit veeleisende proces, zodat ze zich kunnen richten op andere aspecten van het optimaliseren van de gewasproductie.