Ontwikkeling naar datagedreven teelt

Klimaatregeling is vaak gebaseerd op meten wat er gebeurt, of gebeurd is, en daarop reageren. Steeds meer is er bij telers echter behoefte aan vooruitzien naar wat er waarschijnlijk zal gaan gebeuren, en daarop ageren. Data-analyse kan daar een belangrijke bijdrage aan leveren.

Een van de partijen die al heel actief aan de gang is met datatoepassingen is LetsGrow.com. Veel telers kennen dit vooral als vergelijkingsplatform voor klimaat- en andere bedrijfsregistratiegegevens. Daarmee is het bedrijf inderdaad groot geworden. Maar in de loop der tijd heeft LetsGrow.com een switch gemaakt naar het meer bieden van datagedreven teeltoplossingen.

Telers zijn er heel goed in geworden om achteraf te kunnen bedenken waarom hun gewas zichtbare reacties vertoont, en daarop te reageren. Zowel teeltadviseurs als telers gingen echter steeds meer vragen of het niet mogelijk was om – met al die binnengehaalde data – ook voorspellend berekeningen te maken. Wat zal er bij de huidige instellingen en te verwachten buitenomstandigheden gaan gebeuren met de plant, bijvoorbeeld wat betreft productie, kans op schimmelaantastingen, energiebeheer of invloeden op temperatuurverschillen in de kas? Hoe kan ik klimaatinstellingen en watergift beter afstemmen op de gewasontwikkeling en plantbehoeftes? Telers willen graag vooraf kijken welke optie het beste effect oplevert, en welke instellingen er nodig zijn om die uitkomst te bereiken. Gangbare Excel-programmaatjes blijken, bij de enorme hoeveelheden beschikbare data, niet meer toereikend om echt goed te ontdekken wat er allemaal mogelijk is.

Gewasmodellen
Bij datagedreven en voorspellend telen zijn goede, verklarende plantfysiologische gewasmodellen een eerste noodzaak. Daarmee kan LetsGrow.com terugvallen op de wortels van haar ontstaansgeschiedenis: het aan telers beschikbaar stellen van door WUR ontwikkelde plantmodellen. Er wordt bewust voor gekozen om plantfysiologen datavaardigheden te laten aanleren, in plaats van andersom dataspecialisten los te laten op tuinbouwtoepassingen. Peter Hendriks van LetsGrow.com: “Je kunt wel alle beschikbare data op een grote hoop gooien en daar conclusies uit gaan trekken, maar daar kun je ook enorme fouten mee maken. Die specifieke domeinkennis van de glastuinbouw en plantfysiologie leer je niet zo maar even. Eerst moet je goed snappen hoe de natuurkundige processen in de kas en de plantfysiologie in elkaar zitten, en dan kun je pas effectief datagedreven gaan telen.” Al werken er uiteraard ondersteunend op de achtergrond wel wiskundigen en gespecialiseerde datawetenschappers om de data effectief te kunnen verwerken.

Waardevolle data
Hoe meer data er beschikbaar is, hoe meer er geanalyseerd kan worden. Hendriks: “Denk dus niet te snel: aan deze gegevens heb ik nu niets. Sla alles op wat je kunt. Je moet eens kijken wat voor supercoole analyses we op dit moment kunnen uitvoeren op basis van gegevensregistraties die gedurende vijf jaar of langer verzameld zijn. Met gegevens waar telers nooit eerder iets mee gedaan hadden, omdat ze tot nu toe nog niet wisten wat ze er mee konden doen.”

Hoe verfijnder de data, hoe groter de kans op betrouwbaarder analyses. Het is dus te overwegen om tellingen van zetting en grofheid frequenter uit te gaan voeren dan bijvoorbeeld alleen wekelijks voor een globale indicatie.

Er kan nog zoveel geregistreerd en doorgerekend worden, maar het resultaat staat of valt bij de correctheid van de beschikbare data. Alleen juiste data is effectief te analyseren en levert betrouwbare conclusies op. “IJk je sensoren en meetapparatuur dus niet alleen om de directe klimaatregeling goed te houden. Het niet goed ijken betekent ook verlies van kostbare data om die later te kunnen analyseren. Of je blijft, in alles wat je doet, ook de fouten in die data steeds meenemen.”

In plaats van blind af te gaan op wat computers adviseren op basis van data-analyses, is het goed te beseffen dat er achter alle veranderingen in data een verhaal zit. “Als daar iets heel geks gebeurt, is er vaak een reden voor. Bij data-analyse is het dus zaak om eerst die reden te checken, anders kun je onjuiste conclusies uit die data gaan trekken. Heel simpel: is er iets gebeurd als externe verklaring, zoals bijvoorbeeld stormschade of een ziekte-uitbraak?”

Balans
Data-analyses zijn een welkome aanvulling op menselijke teeltkennis. Elke teler heeft zijn eigen ‘groene vinger’-gevoel en eigen interpretaties van teeltgegevens, op basis waarvan hij de aansturing van het kasklimaat regelt. Maar zeker grootschalige bedrijven, en telers die samenwerken binnen telersverenigingen, worden regelmatig geconfronteerd met verschillen in opbrengst of gewasstand tussen teeltlocaties, die niet meer te verklaren of op te lossen zijn op basis van alleen onderlinge meningenuitwisseling.

LetsGrow.com constateert dat productieverschillen tussen teeltlocaties via data-analyses zijn te verklaren, zelfs tot op het niveau van schermgebruik, raamstanden of gebruik van andere teeltuitrusting. Het is terug te herleiden waarom dingen gebeuren.

Een heel zinvol gebleken analyse is het optimaliseren van de licht-temperatuurverhouding, aan de hand van eigen klimaatdata van de teler. Het voor elke dag van het teeltseizoen uitzetten van de etmaaltemperatuur en de lichtsom heeft een goede basis gelegd om meer inzicht te verkrijgen in de plantbalans. Het ontwikkelde model voor de lichtbenuttingsefficiëntie (LBE, in gram productie per megajoule stralingssom) van het gewas zoekt naar de ideale onderlinge combinatie en balans tussen licht, luchtvochtigheid, temperatuur en CO2. Daarbij wordt ook rekening gehouden met het feit dat de lichthoeveelheid in bijvoorbeeld week 21 niet toe te wijzen is aan de productie in week 21, maar een effect heeft op productie later in de tijd.

De vaak grote spreiding in LBE bij bedrijven geeft aan dat er potentie is om het licht beter te benutten. Door de beperkende factor die de lichtbenutting het meest negatief beïnvloedt te achterhalen en te elimineren, zijn in de praktijk al productieverhogingen tot meerdere procenten gerealiseerd. En soms is er geen beperking, en kan blijken dat een grote lichtbeschikbaarheid ruimte biedt voor een nog hogere plantbelasting en productie.

De conclusies uit data-analyses werkt LetsGrow.com helemaal uit tot acties die telers kunnen nemen. Hendriks: “Alleen voeren wij ze niet uit. We geven bij een teler alleen aan of hij nog op de ‘ideale’ teeltlijn zit, en wat hij had kúnnen doen. We willen de teeltman niet vervangen, maar wel zorgen dat deze betere beslissingen kan nemen, of dat hij een grotere kasoppervlakte kan beheren.” Al zijn er naast beslissingsondersteuning ook zaken die al wel te automatiseren zijn. “Een paar keer per dag een standaard klimaatinstelling gaan aanpassen op de klimaatcomputer, dat zou in deze tijd toch niet meer nodig moeten zijn.”

Sensoren
Sensoren, die veranderingen waarnemen die voor het menselijk oog niet zichtbaar zijn of dat pas in een later stadium worden, ondersteunen het nemen van betere teeltbeslissingen. Er is een grote toename aan sensoren die op de markt komen, waaronder sapstroommeters, vruchttemperatuurmeters, uitstralingsmeters, warmtebeeld-camera’s tot en met robots voor mobiele vrucht-tellingen.

Met name ook draadloze sensoren, die meerdere meetpunten in de kas opleveren, dragen bij aan extra inzicht. Zo wist een teler bijvoorbeeld vanuit data-analyse te verklaren waarom hij aan de gevelkant van de kas steeds meer plukte dan uit dezelfde gewasrij dichter bij het middenpad. Uiteindelijk is hij zelfs zo ver gegaan om zijn kasconstructie aan te passen, omdat dit voor hem een optimale balans opleverde in zijn specifieke bedrijfssituatie.

Hendriks: “De techniek komt naar je toe. Er zijn zo veel extra sensoren, met alle bijbehorende aanvullende data, die op je af komen. Je overziet het niet meer. Onze visie is om al die data tot waarde te brengen. Met een omslag van het vertrouwde meten en reageren, naar vooruitzien en ageren. Om een doorgaande lijn te creëren waarmee je het gewas steeds in balans houdt, in plaats van te denken: ‘help! er gaat iets mis’, en dan ineens te moeten corrigeren. De vraag ‘wat moet ik nu doen?’ komt dan vroegtijdig voort uit: ‘ik zie dit gebeuren in mijn data’, in plaats van dat het een verlate reactie is op: ‘ik zie iets aan mijn gewas’.”

Artificial Intelligence
Bij data-analyse horen telers ook al snel kreten voorbij komen als Artificial Intelligence (AI) en zelflerende datasystemen (machine-learning). Daarbij beseffend dat computers op eigen kracht heel veel analyses kunnen produceren, waarbij de accuraatheid van de uitkomsten in de loop der tijd sterk is verbeterd. Maar het staat lang niet altijd helemaal helder voor ogen wat de genoemde begrippen precies inhouden.

Hendriks probeert het simpel uit te leggen. “Bij traditionele modellen programmeer je resultaten van jarenlange onderzoeken en registraties in een computerprogramma. Bijvoorbeeld: wat doet een graad kastemperatuurverhoging met de afrijpingssnelheid? Daarmee laat je de gevolgen door dit programma berekenen, waardoor er voorspellingen gemaakt kunnen worden van huidige of te verwachten teeltomstandigheden.”

“Bij machine-learning, een specifiek onderdeel van het bredere Artificial Intelligence, stop je uitkomsten (zoals kilo-opbrengsten of gewasreacties) uit het verleden in een computer, in combinatie met de klimaatgegevens uit dezelfde periode. De computer analyseert en bepaalt zelf de onderlinge verbanden, en gaat daarmee zelf een voorspellend programma maken. Het is een manier om effecten van nieuwe dingen sneller en heel accuraat te voorspellen.

Bron:  Groenten & Fruit | Auteur: Peter Visser

Van traditioneel telen naar Data Driven Growing

Hoe LetsGrow.com bedrijven begeleidt naar een digitale en data gedreven toekomst.

Over de hele wereld investeren bedrijven en overheden in nieuwe kassen,  bestaande kassen en teeltexpertise. Zij hopen hiermee aan de grotere vraag naar kwalitatief hoogwaardig voedsel te voldoen ten tijde van een groeiende bevolking. Dit drijft ook de vraag naar kennis van telen; met name hoe men dat efficiënt en optimaal kan doen. Door gebruik te maken van de meest recente technologische ontwikkelingen is LetsGrow.com in staat telers hierbij de gewenste begeleiding te bieden. Data die de telers verzamelen is van grote waarde en heeft een actueel en praktisch nut bij het plannen van dagelijkse en lange termijn teeltstrategieën: Data Driven Growing (DDG).

Klanten van LetsGrow.com behalen gewenste resultaten die rechtstreeks verband houden met hun zojuist geïmplementeerde DDG-strategie. Gemiddeld genomen, hebben zij ruim twintig procent minder water, gas en bemesting nodig terwijl zij tegelijkertijd verhoogde producties zien van tien procent of meer.

De sleutels tot het succes van deze projecten zijn grotendeels de telers zelf. Gewassen vertellen de teler een data gedreven verhaal. De uitdaging voor de teler is het verhaal leren begrijpen en hoe zij deze kunnen inzetten om gemeenschappelijke doelen te bereiken. Gewoonlijk is dat doel het beantwoorden van de vraag: “Hoe kunnen we met de beschikbare middelen, zo efficiënt mogelijk, optimaal profiteren van onze teelt?”. LetsGrow.com stelt telers in staat die vraag zelf te beantwoorden door middel van een intensieve trainingsperiode. Gedurende deze periode, traint LetsGrow.com de teler in plantfysiologie en data-interpretatie. De teler kan zich op diverse aspecten focussen: het optimaliseren van de kwaliteit; het verhogen van de productie; het verlagen van zijn energieverbruik; of al het voorgaande. Kortom: elke teeltsituatie is uniek en vereist het een uitstekend begrip van de onderliggende groeimechanieken om optimale resultaten te behalen.

Het is een mooie bijkomstigheid dat de voordelen van  DDG niet voorbehouden zijn aan de grote tuinbouwmaatschappijen eveneens grote training en hardware budgetten. Telers met minder ervaring kunnen er ook goede resultaten mee boeken. Lees vanaf “Aan de slag gaan met Data Gedreven Telen” voor meer informatie.

Het centraal vastleggen van data, gecombineerd met de DDG-training, is het antwoord op enkele uitdagingen waar zowel telers als investeerders voor staan. Het ondersteunt de voorspelbaarheid op lange termijn van het groeiproces en de resultaten. Bovendien wordt kennis centraal vastgelegd en is dit gemakkelijk te delen met elke teler en collega naar keuze.


Aan de slag gaan met Data Driven Growing

Hoewel het potentieel van Data Driven Growing helder is voor veel telers, kan het nog lastig zijn een startpunt te kiezen. Een voorbeeld van een effectief DDG-raamwerk is Plant Empowerment. Het is het meest krachtige raamwerk dat wij vandaag de dag tot onze beschikking hebben, en LetsGrow.com is de toepassing van dit concept samen met

Om de DDG-vereisten op te sommen, zijn er drie sleutels tot de succesvolle toepassing ervan.

Ten eerste vereist het een uitstekend begrip van de basisprincipes van Plant Empowerment en hoe deze te vertalen zijn naar concrete teeltstrategieën. Plant Empowerment combineert objectieve informatie (data) met domeinkennis (plantfysiologie) welke de teler kan gebruiken voor het analyseren en optimaliseren van zijn teeltprocessen. Het is een geïntegreerde aanpak om duurzaam gewassen onder glas te telen door de plantbalansen te ondersteunen. Planten zijn geëvolueerd om vruchten en bloemen op efficiënte en duurzame wijze te produceren. Daar zijn ze zelf het meest bij gebaat. Waarom de plant niet in staat stellen te doen wat hij het beste kan? Er is een compleet boek gewijd aan dit onderwerp met als doel een praktische teeltgids aan elke teler te bieden, ongeacht het kennisniveau.

Ten tweede is de ideale data gedreven teler zowel ruimdenkend als bereid om zaken te veranderen. Deze twee kwaliteiten werken het beste in combinatie met een actiegerichte mentaliteit. Deels omdat de teler ervoor moet zorgen dat het verzamelen van betrouwbare data op consistente wijze plaatsvindt. Daarbij vraagt de transitie mogelijk grote veranderingen in de manier waarop hij en zijn collega’s denken en telen. Er is geen manier om van tevoren te kunnen weten hoe veel teeltoptimalisaties er bereikt kunnen worden; het zou de eerste verwachtingen ver kunnen overtreffen.

Ten derde zal de teler of investeerder moeten beslissen in hoeverre data vastgelegd en gemeten wordt. Om dit punt te verduidelijken gebruiken wij een metafoor. Het is vergelijkbaar met deelname aan een autorace waarvoor elke teler zich in kan schrijven. De auto is je hardware, de coureur ben je zelf (of dat is je teler), het Plant Empowerment raamwerk verklaart de natuurkunde die erbij komt kijken, zoals aerodynamica, en LetsGrow.com is in staat om training en tips te leveren die je helpen beslissen welke auto je nodig hebt op basis van je budget en wat je (als) coureur moet leren om nóg effectiever te kunnen rijden.

In theorie is elke werkende auto in staat om te rijden. Dat geldt ook voor mensen met een rijbewijs. Alleen kan men niet verwachten even hoge snelheden te halen met een Honda als met een Ferrari; en hoewel een snelle auto absoluut je winkansen vergroot, kan alleen een volledige getrainde en ervaren coureur optimale snelheden behalen. Desondanks stelt het hebben van een auto en bestuurder je wel in staat om mee te doen. Elke keer wanneer je effectief in je deelname investeert – zelfs wanneer het om kleine investeringen gaat, zoals nieuwe banden met betere grip of training in het goede nemen van bochten – vergroten je winkansen. LetsGrow.com kan de teler ondersteunen bij elk van deze aspecten op basis van hun persoonlijke doelstellingen en budget.

Zodra het begrip van zowel het teeltproces als het interpreteren van data als een huis staat, zou de teler nog een stap verder kunnen gaan door het teeltproces (gedeeltelijk) te automatiseren. Met de beschikbaarheid van Artificiële Intelligentie, is LetsGrow.com in staat om zelflerende, klant specifieke modellen te maken. Deze modellen worden dankzij de continue toevoer van nieuwe data alsmaar beter in het leveren van accurate oogstvoorspellingen en zij bieden inzicht in wat de optimale teeltparameters zijn. Echter, ongeacht het resulterende advies, de eindbeslissing zal altijd door teler zelf genomen dienen te worden.


Hoe ondersteunt LetsGrow.com bij het Data Driven Growing?

LetsGrow.com biedt niet alleen een veilig, centraal en open dataplatform genaamd MyLetsGrow, maar ook “end-to-end” datadiensten. Terwijl MyLetsGrow je in staat stelt je data vast te leggen en basisanalyses uit te voeren, kan ons team van DDG-experts telers  en hun data naar het volgende niveau tillen. We passen onze aanpak altijd aan op de specifieke behoeftes, omstandigheden en strategie van jouw zaak.

PhenoVation & B-Mex

Plant stuurt zelf naar optimale lichtbenutting

Met MyLetsGrow is het mogelijk om real-time te bepalen in hoeverre de plant het opgevangen licht nuttig gebruikt voor fotosynthese en om de schermsturing hier automatisch op aan te passen. Deze innovatie levert op een potplantenkwekerij in Nederland een productieverhoging van minimaal vijf procent op. Dit is mogelijk dankzij een unieke samenwerking tussen LetsGrow.com, PhenoVation, B-Mex en Hoogendoorn Growth Management.

Hoe werkt het?

Het CropOberserver-systeem van PhenoVation meet de fotosynthese efficiëntie over een teeltoppervlak van ongeveer negen vierkante meter. Daarmee kan betrouwbaar worden bepaald in hoeverre het gewas het opgevangen licht nuttig gebruikt voor fotosynthese. Tegelijk monitort de gewasverdampings- en huidmondjessensor van LetsGrow.com de stand van de huidmondjes en brengt de status van de energie en de waterbalans in beeld. Met andere woorden of de plant “in balans” of “gestrest” is.

Door middel van een model, ontwikkeld in samenwerking met B-Mex, PhenoVation en LetsGrow.com wordt deze gecombineerde sensor-data gebruikt om te berekenen wat, onder de huidige omstandigheden, de juiste lichtintensiteit is voor optimale groei. Deze informatie wordt vervolgens naar de klimaatcomputer van Hoogendoorn Growth Management gestuurd om het scherm verder te openen of te sluiten. Op MyLetsGrow is alle data inzichtelijk zodat de teler overzicht houdt over wat er gebeurt en waarom.

“Voor het eerst heb ik inzicht in hoe mijn planten zich werkelijk voelen” aldus de teler.

Resultaat

De potplantenteler ziet een significante verhoging van de productie zonder dat hij zelf iets hoeft te doen of in de gaten hoeft te houden. Het is gebleken dat er minimaal vijf procent extra productie gehaald kan worden, door op het juiste moment meer licht toe te laten of juist meer te schermen.

“Een mooi praktijk voorbeeld van Data Driven Growing. Dit illustreert bovendien de visie van de partners over innoveren: wanneer meerdere innovatieve partijen effectief samenwerken kunnen we snel toegevoegde waarde voor teeltbedrijven realiseren. Dit is de richting waar we als tuinbouwsector naar toe gaan.” – aldus Peter Hendriks (Managing Director bij LetsGrow.com)

Greenco

De Data Driven route naar nauwkeurige oogstprognoses

In de afgelopen jaren is de Data Driven Growing-strategie steeds belangrijker geworden voor de glastuinbouwsector. Deze strategie combineert plantfysiologie met kunstmatige intelligentie (Artificial Intelligence; AI) en algoritmes op basis van data uit de kas. Dit helpt telers bij het analyseren van oogstprognoses en het in evenwicht houden van de plantbalansen. Hierdoor kunnen telers de kwantiteit en kwaliteit van hun productie optimaliseren. De route naar Data Driven Growing is geen blauwdruk; iedere teler kiest een eigen strategische richting en kan de strategie in eigen tempo implementeren.

Greenco

Sommige telers kiezen ervoor bewezen teeltstrategieën toe te passen, terwijl anderen proberen onontdekte teeltstrategieën te vinden. Een voorbeeld van deze laatste groep is Greenco, de internationale teler van snackgroenten. Verborgen in een zee van data vinden zij constant nieuwe inzichten over plantcondities en plantgezondheid. Door de toepassing van Data Driven Growing-principes heeft Greenco een innovatiestrategie ontwikkelt waarmee ze constant vooruit gaan. Met deze strategie anticipeert Greenco sneller op potentiële problemen en veranderende weersomstandigheden. Hiermee worden de klimaatomstandigheden in de kas geoptimaliseerd, wat leidt tot maximale teeltopbrengsten.

Niels Roijakkers | Teeltmanager | Greenco

Acht jaar geleden is Greenco de route naar Data Driven Growing gaan volgen. Dit was een geleidelijk proces van kleine stappen. In eerste instantie werd begonnen met het vergelijken van handmatig ingevoerde data met de automatische door sensoren gegenereerde data. De toegevoegde waarde van het dataplatform werd steeds duidelijker en uiteindelijk essentieel voor Greenco. Door gebruik te maken van data werden bijvoorbeeld de oogstprognoses nauwkeuriger en kan Greenco nu anticiperen op variërende groeiomstandigheden en de marktvraag. Door het combineren van data met plantfysiologie leren zij plantgedrag beter begrijpen.

Leren is een actief proces; Greenco daagt zichzelf continu uit om meer met minder te produceren. Door het toepassen van de oogstprognosemodule kan Greenco een week van tevoren een oogstprognose berekenen voor de komende vier weken. Deze module is aangepast op de groeicondities van snacktomaten. Met de Oogstprognosemodule kan Greenco hun productie afstemmen op de marktvraag en tegelijk anticiperen op veranderende weersomstandigheden. Dankzij deze module heeft Greenco altijd de volledige controle.

In de Greenco “Control Room” worden alle teeltgegevens geanalyseerd om ervoor te zorgen dat de productie aansluit op de marktvraag en de duurzaamheid en kwaliteit van de producten wordt behouden. Greenco wil altijd voorop blijven lopen en zal ook in de toekomst gebruik blijven maken van nieuwe technologieën. Door het toepassen van een Data Driven Growing-strategie kan Greenco consumenten de mogelijkheid bieden om gemakkelijk gezond te eten.

Inzichten door data-analyse

Naast Greenco gebruiken vele andere telers de Oogstprognosemodule om de besluitvorming te verbeteren en de productie te optimaliseren. Door technologie te combineren met plantfysiologie kunnen nauwkeurige oogstprognoses worden verkregen. Met deze nieuwe analytische inzichten verbeteren telers hun bedrijfsprestaties.