Wedstrijd ‘groente telen met kunstmatige intelligentie’ van start

Voor de tweede keer gaan internationale teams groente telen in een WUR-kas aangestuurd door kunstmatige intelligentie en sensoren, zonder in de kas te komen. De komende dagen selecteert een jury vijf teams voor de Autonomous Greenhouse Challenge.

21 Teams hebben zich dit jaar aangemeld voor de autonomous greenhouse challenge, georganiseerd door WUR en techbedrijf Tencent. Op 12 en 13 september selecteert de jury vijf teams. Die gaan gedurende zes maanden tomaten telen in het praktijkcentrum van WUR in Bleiswijk.

Sensortechnologie

Om zich te kwalificeren voor de wedstrijd tonen de teams deze week in een hackaton hun kennis en kunde. Multidisciplinaire teams met expertise op het gebied van tuinbouw, gewasfysiologie, kunstmatige intelligentie en sensortechnologie gaan digitaal cherrytomaten kweken, waarbij ze gebruik maken van computermodellen van kasklimaat en teelt. Als ze zich kwaliferen voor de challenge, nemen ze het op tegen elkaar en tegen de ‘controlegroep’: Nederlandse tuinders die op de gangbare manier telen. Doel is dat ze niet alleen een hoge productie halen, maar ook efficiënt met de hulpbronnen omgaan.

Productie

Silke Hemming, hoofd Greenhouse Technology van WUR, is medeorganisator van de greenhouse challenge. Wat heeft de eerste wedstrijd, die vorig jaar plaatsvond, opgeleverd? ‘Vorig jaar teelden vijf teams gedurende vier maanden komkommers. Vier teams wisten een goed resultaat te halen. Het winnende autonome team haalde zelfs 17 procent meer productie dan de controlegroep van Nederlandse tuinders.’

Strategie

Het interessante van de wedstrijd was dat de teams verschillende klimaat- en gewasgroeistrategieën hanteerden, stelt Hemming. ‘Daarvan kunnen groentetelers leren en ook zonder artificiële intelligentie hun groenteproductie optimaliseren’, stelt Hemming.

Algoritmes

‘Wij hebben laten zien dat kunstmatige intelligentie perspectief biedt. Echter, bijna alle teams hebben in hun AI-algoritme ook gebruik gemaakt van expertkennis. In de toekomst moeten de algoritmes helemaal zelflerend worden en zich zelf kunnen aanpassen aan verschillende klimaatcondities, kastypes, gewassen en rassen.’

De uitdaging blijft dat de teams de juiste sensoren kiezen die data leveren die goed bruikbaar en te interpreteren zijn. ‘Vooral over de gewasontwikkeling is meer digitale informatie nodig, dus specifieke sensoren die direct de gewasontwikkeling meten. Dit is in de vorige editie vooral nog handmatig gemeten. Meer onderzoek is hier nodig’, zegt Hemming.

Lees ook:

Hoe kunstmatige intelligentie in te passen in onderwijs?

‘Bedenk een toets met AI’

[De Neus] Musk wil sushi op Mars