Naar een autonome kas

Beschrijving

Doel: Ontwikkelen van automatisch sturen van de teelt op basis van kennis/meting van gewas, eisen vanuit de markt en eisen vanuit het zo zuinig mogelijk omgaan met inputs, waaronder energie; Specifiek voor energie: sturen op verlaging elektragebruik en verhogen efficiënte inzet CO2 dosering.

Dit project is ondersteunend aan de doelstellingen van Kas als Energiebron in de zin dat via autonoom telen de kennis van gewas en de efficiënte inzet van energie kan worden geborgd in de teeltsturing van de toekomst. Dat zit met name in de werkpakketten 1 en 3, namelijk het begrip van de reacties van de plant op veranderende klimaatomstandigheden, en het toepassen hiervan in kunstmatige intelligentie om te kunnen sturen op een duurzame teelt.

De glastuinbouw moet nog stappen maken op gebied van zuinig gebruik van energie en CO2, water. Tevens is de beschikbaarheid van goed personeel een toenemend knelpunt. Daarom is de stap naar meer automatisering in de teelt een belangrijke ontwikkeling. In dit project wordt gewerkt aan de realisatie van de 'autonome kas' waarin de teelt op afstand wordt bestuurd via kunstmatige intelligentie, op basis van metingen van gewaseigenschappen met behulp van intelligente sensoren en waarin gewasbehandeling wordt ondersteund of gerealiseerd door automatische systemen om een duurzaam en winstgevend teeltsysteem te bereiken.

Samengevat: Klimaat- en gewasgroeimodellen verder integreren en koppelen aan de sensoren en stuurmiddelen van de kas (WP 2), het kasklimaat sturen op basis van zelflerende algoritmen die hun informatie ontvangen van gewas- en klimaatsensoren (WP 3). De benodigde kennis ontwikkelen/benutten over de reacties van het gewas op veranderende omgevingscondities (WP 1) zodat het ook kan worden toegepast bij de automatisering van gewasbehandeling (WP 4).

WP 1. Begrip van plantenfysiologie, groei en ontwikkeling voor stuurbare teeltsystemen. Daartoe wordt opgeleverd een lijst met essentiële planteigenschappen, inzicht in de reacties van het gewas op klimaatomstandigheden (op basis van gewasproeven komkommer en chrysant), met het klimaat/gewas groeimodel trainingsdata voor de AI-algoritmen ontwikkelen, en het valideren van de algoritmes uit WP3.

WP2. Planteigenschappen meten door – te ontwikkelen – sensoren en beeldherkenning, in feite ontwikkelen van een pratende plant/gewas; dus meetbaar maken van de essentiële planteigenschappen. Data voor het ontwikkelen van de AI-algoritmes WP3.

WP3. Ontwikkeling en selectie van algoritmen om een kas autonoom te kunnen sturen op basis van criteria als gewasgroei/productie en het gebruik van hulpbronnen zoals energie, CO2. De algoritmen worden getraind, getest in virtuele omgeving én in de kas, waarbij de resultaten worden getoetst aan een ‘tradioneel’ geregelde kas/gewas.

WP4. Automatisering van gewashandelingen (buiten de scope van energie).

Dit is een vrij fundamenteel onderzoek met een omvang van 2,8 mln euro grotendeels gefinanceird vanuit NWO, Topsector Tuinbouw en Uitgangsmaterialen. Enkele toeleveranciers doen ook een bijdrage. 

Resultaten

Het AGROS-project richtte zich op de ontwikkeling van autonome teeltsystemen die telers ondersteunen bij complexe beslissingen in een sector met stijgende energieprijzen, grotere bedrijven en toenemende personeelskrapte. Wageningen University & Research werkte samen met het bedrijfsleven aan slimme sensoren, een Digital Twin en AI-algoritmen om de teelt op afstand en automatisch te kunnen aansturen.

In een validatieproef met drie komkommerteelten werd aangetoond dat zowel een Digital Twin als een Reinforcement Learning-algoritme succesvol een gezond en productief gewas kunnen sturen. De Digital Twin hield daarbij rekening met wisselende elektriciteitsprijzen en realiseerde de laagste kosten per kWh, terwijl het AI-algoritme het klimaat volledig autonoom regelde met goede productie als resultaat. De teelt die door experts werd gestuurd leverde de hoogste netto-opbrengst op, wat laat zien dat gerichte investeringen in het gewas lonend zijn.

Uit het onderzoek bleek bovendien dat sensoren zoals PAR-lijnen, weeggoten en camerasystemen betrouwbare informatie geven over lichtopname, watergebruik en gewasgroei. Deze data vormen een solide basis voor verdere automatisering en opbrengstvoorspelling.

In aanvullende proeven met chrysanten liet het gebruik van plant- en bodemsensoren zien dat irrigatie nauwkeurig kan worden gestuurd zonder opbrengstverlies, terwijl uitspoeling van nutriënten wordt voorkomen. Dit bevestigt dat sensor-gestuurde teelt een belangrijke bouwsteen is voor de volgende stap richting autonome, duurzame en emissiearme glastuinbouw.