Nieuws

Europese Green Deal jaagt datagestuurde toepassingen in gewasbescherming aan

article_published_on_label
21 juli 2022

Een van de grootste uitdagingen waarvoor we staan in de landbouw en voedselproductie is de bescherming van onze gewassen. Omdat we minder soorten en geringere hoeveelheden gewasbeschermingsmiddelen kunnen gebruiken, moeten we op zoek naar alternatieven. Deze liggen vooral op het vlak van datagestuurde applicaties en kunstmatige intelligentie (AI). Binnen het Agro Food Robotics-programma van WUR doen ze hier volop onderzoek naar.

Sommige gewasbeschermingsmiddelen raken we kwijt, omdat ze te belastend zijn voor het milieu. Van andere middelen moet het gebruik worden teruggebracht. Dit komt door de doelen die we onszelf hebben gesteld in de Europese ‘Green Deal’. Het geldt voor onkruidbestrijding, maar ook voor het gezond houden van de gewassen, zodat de opbrengsten op peil blijven. Boeren en telers moeten de middelen daarom veel gerichter gaan toepassen.

De autonome onkruidrobot schoffelt tussen net gekiemde wortelen. Je ziet nog geen gewas, dat moet nog opkomen. Het algoritme waarmee de robot met camera’s geprogrammeerd is, herkent de kleine onkruidjes die net gekiemd zijn. Hoe kleiner je het onkruid bestrijdt, hoe minder concurrentie met het gewas.
De autonome onkruidrobot schoffelt tussen net gekiemde wortelen. Je ziet nog geen gewas, dat moet nog opkomen. Het algoritme waarmee de robot met camera’s geprogrammeerd is, herkent de kleine onkruidjes die net gekiemd zijn. Hoe kleiner je het onkruid bestrijdt, hoe minder concurrentie met het gewas.

Met het verder ontwikkelen van mechanische en elektronische technieken voor gewasbescherming zijn al grote stappen door gezet. Zo zijn spuittechnieken verder verfijnd en worden robots het veld in gestuurd voor onkruidbestrijding of wordt onkruid heel nauwkeurig geëlektrocuteerd. Daar komt nu dus de dimensie van data-driven applicaties en AI bij.

Meer plagen

“Helaas zal de plaagdruk in de toekomst naar verwachting eerder toe- dan afnemen”, zegt Ard Nieuwenhuizen, Onderzoeker bij Agro Food Robotics, Precision Agriculture. “Mede daarom is onderzoek zo belangrijk. En er is al best veel mogelijk op het gebied van precisiebestrijding en -bescherming. Met behulp van camera’s en sensoren verzamelen we steeds meer en preciezere data rond de gewastoestand, de onkruidpopulaties en het verschijnen daarvan. Zo kunnen we heel gericht actie ondernemen. We kunnen per plant heel nauwkeurig spuiten of heel precies een robotarmpje met een schoffelmesje aansturen.”

We moeten betekenis geven aan de informatie die camera’s en sensoren gedurende het seizoen ophalen’

Een grote uitdaging hierbij is dat de omstandigheden verre van constant zijn, wat in de industrie bijvoorbeeld veel meer het geval is. Elk seizoen is anders en ook de gewassen zelf en de cultivars (de soorten mais, tarwe en suikerbieten) zijn aan verandering onderhevig. “Doordat we nieuwe, resistente rassen krijgen, verandert bijvoorbeeld hun verschijningsvorm. En soms heeft een gewas opeens een andere kleur na een nacht met vorst. Die veranderde uiterlijke kenmerken kunnen dan heel erg lijken op aantasting door een ziekmaker”, aldus Nieuwenhuizen. “Daarom luistert de interpretatie van de gegevens heel nauw.”

De grote robot schoffelt als een trekker zonder bestuurder. Deze gebruikt geen camera’s voor herkenning van onkruid, maar de intelligentie zit hier in het onbemand rijden. Dit scheelt de trekkerbestuurder (onaantrekkelijk) werk, zoals schoffelen. De intelligentie bij autonomie zit in de routeplanning, veiligheid, en de connectiviteit naar de cloud waarmee alle datastromen ook bij elkaar kunnen komen om nieuwe algoritmes in machines te krijgen.
De grote robot schoffelt als een trekker zonder bestuurder. Deze gebruikt geen camera’s voor herkenning van onkruid, maar de intelligentie zit hier in het onbemand rijden. Dit scheelt de trekkerbestuurder (onaantrekkelijk) werk, zoals schoffelen. De intelligentie bij autonomie zit in de routeplanning, veiligheid, en de connectiviteit naar de cloud waarmee alle datastromen ook bij elkaar kunnen komen om nieuwe algoritmes in machines te krijgen.

Gewassen het hele seizoen volgen

Een andere uitdaging is de grote hoeveelheid data die de camera’s en sensoren opleveren. De kunst is om daar betekenis aan te geven en op basis daarvan de juiste beslissingen te nemen: waar is nu bescherming of bemesting nodig en in welke hoeveelheid? Is dit onkruid wat we hier zien? Moeten we hier nu wieden? Nieuwenhuizen: “Tot voor kort was er een vast tijdstip in het seizoen waarop de akkerbouwer zijn volledige perceel met gewas bemestte of bespoot, aan de hand van een van tevoren vastgesteld algoritme. Nu moeten we betekenis geven aan de informatie die we gedurende het seizoen ophalen en op basis daarvan algoritmes bijstellen. Dat is nieuw voor iedereen; voor de onderzoekers, de eindgebruikers – de boeren en telers – en de machinefabrikanten.

“We zijn ook bezig met de ontwikkeling van zelflerende algoritmes; hoeveel input je daaraan moet geven als gebruiker, voordat zo’n algoritme goed werkt. Geweldig onderzoek, dat eigenlijk nog maar in de kinderschoenen staat. We zijn dus nog lang niet klaar, maar het mooie is: we doen het samen met de klanten en die zien kunstmatige intelligentie ook echt als de technologie van de toekomst.”