Artificiële intelligentie krijgt stilaan een concrete plaats in de aardappelsector. Op PotatoEurope waren verschillende toepassingen te zien, van het herkennen van ziektes in het veld tot het beoordelen van de kwaliteit van een aardappel en het volledig automatisch sorteren ervan. CroptiScan, Ellips en Visar tonen elk een andere stap in die ontwikkeling.
Wie vandaag naar een moderne sorteerlijn kijkt, ziet steeds minder alleen maar transportbanden en mechanische systemen. Camera's en software nemen steeds meer beslissingen over. AI gaat in de aardappelsector steeds verder van kijken naar beoordelen en uiteindelijk handelen. De technologie neemt daarbij niet noodzakelijk de landbouwer of operator volledig uit het proces, maar kan wel steeds meer routinematige beoordelingen en handelingen overnemen. Bij Visar gaat dat al bijzonder ver. De machine bekijkt elke aardappel afzonderlijk, beoordeelt die en stuurt hem vervolgens automatisch naar de juiste uitgang.
AI kijkt al mee op het veld
De eerste stap gebeurt zelfs al voor de aardappel gerooid is. De CroptiScan 9000, die vorig jaar een award won en dit jaar opnieuw op PotatoEurope te zien was, maakt met camera's foto's van aardappelplanten. Die beelden worden met zelf ontwikkelde AI-modellen geanalyseerd.
De modellen worden getraind met beelden van gezonde en zieke planten. De ontwikkelaars verzamelen foto's onder dezelfde omstandigheden en markeren daarop de delen die ziekteverschijnselen vertonen. Op basis van die gegevens leert het model om nieuwe beelden te analyseren.
Dat is volgens de vertegenwoordiger van CroptiScan een stuk moeilijker dan bijvoorbeeld onkruid herkennen. Bij een onkruidherkenningssysteem kan de positie van een plant ten opzichte van de gewasrij al veel informatie geven. Bij aardappelziekten moet de software effectief naar het bladoppervlak kijken en subtiele symptomen herkennen.
‹
›
De ontwikkeling is volgens CroptiScan intussen behoorlijk ver gevorderd. In Nederland rijden momenteel zeven machines, waarvan zes commerciële exemplaren en één aangepast prototype die vooral wordt gebruikt om nieuwe data te verzamelen. Voor volgend jaar mikt het bedrijf op de productie van 10 tot 15 machines.
Van herkennen naar beoordelen
Een volgende stap is het automatisch beoordelen van de kwaliteit van het geoogste product. Ellips gebruikt daarvoor een grote database met beelden van aardappelen, uien, appelen en andere producten. Defecten worden in die beelden geannoteerd, zodat de AI leert welke kenmerken bij welke kwaliteitscategorie horen.
De operator bepaalt vervolgens welke kenmerken hij uit de stroom wil halen en naar welke uitgang de producten moeten worden gestuurd. De software vergelijkt elke aardappel met het referentiemateriaal in de database en bepaalt op basis van die instellingen waar hij terechtkomt.
Ellips demonstreerde daarbij zowel externe als interne kwaliteitscontrole. Bij de externe camera's draait het product onder camera's door. Voor de interne controle wordt licht door het product gestuurd, waardoor ook kenmerken binnenin kunnen worden beoordeeld.
Jouke van der Meer van Ellips op zijn stand tijdens Potato Europe.
Volgens Jouke van der Meer van Ellips is de nauwkeurigheid door het gebruik van AI sterk toegenomen. Waar de systemen vroeger rond 80 procent nauwkeurigheid haalden, ligt dat volgens hem vandaag rond 98 procent. De grote sprongen zijn volgens hem inmiddels gemaakt, verdere ontwikkeling zal vooral nog voor kleinere verbeteringen zorgen.
Dat kan een groot verschil maken bij bedrijven die grote volumes voor supermarkten verwerken. Daar wordt de kwaliteit steeds strenger beoordeeld, terwijl tegelijk steeds minder mensen beschikbaar zijn om aan een sorteertafel te werken. Volgens Jouke kan een automatische sorteermachine daardoor in bepaalde toepassingen vrijwel het volledige manuele sorteerwerk overnemen.
Elke aardappel afzonderlijk bekeken
Het meest spectaculaire voorbeeld van die evolutie was wellicht de sorteermachine van Visar. Het uitgangspunt is eenvoudig: als je elke aardappel afzonderlijk wilt beoordelen, moet je hem ook afzonderlijk kunnen bekijken.
De aardappelen worden daarom eerst uitgelijnd en met hoge snelheid één voor één door de machine gevoerd. Volgens Daniel Pitton van Visar vliegen ze uiteindelijk met ongeveer 3 meter per seconde door het systeem. Vervolgens worden ze als het ware even door de lucht gedragen terwijl een camera beelden maakt.
Elke aardappel wordt vanuit drie richtingen bekeken. Een camera bovenaan maakt een beeld, terwijl spiegels aan weerszijden ervoor zorgen dat ook twee zijkanten kunnen worden geregistreerd. Zo krijgt het systeem een beeld van ongeveer 360 graden van elke aardappel.
De software analyseert vervolgens onder meer vorm, kleur, groenverkleuring en defecten. Voor sommige eigenschappen gaat het om een objectieve meting, voor andere om een kwaliteitsbeoordeling. De machine kan bijvoorbeeld een score toekennen die aangeeft hoe waarschijnlijk het is dat een aardappel aan de ingestelde kwaliteitsnorm voldoet.
Daniel Pitton, mede-oprichter van Visar.
‹
›
Die score is volgens Daniel geen definitieve beslissing. De operator bepaalt waar de kwaliteitsgrens ligt. Als bijvoorbeeld een score van 50 als ondergrens voor een bepaalde klasse wordt ingesteld, worden aardappelen daaronder naar een andere uitgang gestuurd.
Daarmee zit ook een belangrijk economisch aspect achter de technologie. “Sorteren is niet de beste eruit halen, maar de slechtste die nog aanvaardbaar zijn bij het goede houden”, legt Daniel uit. Het doel is dus om de ondergrens zo laag mogelijk te leggen zonder de kwaliteitsnorm te overschrijden. Zo kan zoveel mogelijk product in de gewenste klasse terechtkomen.
Van beeld naar actie
De technologie stopt bij Visar niet bij het herkennen van een defect. De software koppelt de beoordeling meteen aan een fysieke actie. Sensoren bepalen exact waar de aardappel zich op de band bevindt, waarna luchtstoten de aardappel naar de juiste uitgang sturen.
Dat gebeurt zonder mechanische kleppen die de aardappel moeten raken. De snelheid waarmee dat moet gebeuren, is aanzienlijk. Volgens Visar duurt een volledige openings- en sluitingscyclus van de snelle blaasmond ongeveer 5 milliseconden.
Ook hier blijft de ontwikkeling doorgaan. Een volgende stap voor de machine is bijvoorbeeld een automatisch reinigingssysteem. Dat moet voorkomen dat aardappelresten na het werk opdrogen en de volgende ochtend moeilijk te verwijderen zijn.
Volgens Daniel Pitton kan één Visar-machine gemiddeld ongeveer drie arbeidskrachten vervangen, al hangt dat sterk af van de aangevoerde partijen en de bestaande werkwijze. Bij bijzonder moeilijke partijen kan automatische sortering bovendien het verschil maken tussen een partij die nog verwerkt kan worden en een partij die handmatig nauwelijks te sorteren valt.
Op de Vlaamse Carbon Farming Dag in Lennik ontdekten landbouwers, onderzoekers en bedrijven hoe levende bodems, nieuwe technologie en samenwerking carbon farming vooruit kunnen helpen.
Hoop op herstel van de graanhandel via de Zwarte Zee drukt de tarwe- en maïsprijzen. De markt blijft volatiel zolang de situatie rond Oekraïense export onzeker is.
Voor Patrick en Chiel Lemahieu-Ameloot begint een teeltplan niet bij de hoogste opbrengst, maar bij bodem, rotatie en wat hun bedrijf aankan. Ontdek hoe ze rekenen met gemiddelden én ruimte laten voor onzekerheid.
Boerenbond heeft een aantal bedenkingen bij de nitraatresiducampagne die momenteel aan de gang is. We zoomen dieper in op de landbouwcijfers en gaan op zoek naar de lievelingskost van de Vlaming.
Ontdek tijdens deze Lunchdate op 12 november hoe je als bedrijf slimmer met water omgaat: van grondwater en drainage tot regenwater opwaarderen, wateropslag en innovatieve buffering.
Op de Vlaamse Carbon Farming Dag in Lennik ontdekten landbouwers, onderzoekers en bedrijven hoe levende bodems, nieuwe technologie en samenwerking carbon farming vooruit kunnen helpen.
Meer dan 200 lokale mandatarissen volgden Boerenbonds webinar over het BRV. Ontdek waarom we hen vroegen landbouw een volwaardige plek te geven in het Vlaamse ruimtelijk beleid.
Voor Patrick en Chiel Lemahieu-Ameloot begint een teeltplan niet bij de hoogste opbrengst, maar bij bodem, rotatie en wat hun bedrijf aankan. Ontdek hoe ze rekenen met gemiddelden én ruimte laten voor onzekerheid.
Hoe maken landbouwers hun bedrijf veiliger én weerbaarder? Ontdek praktische preventietips van Boerenbond en KBC, van machineveiligheid en stalbrandpreventie tot risicobeheer en bedrijfscontinuïteit.
Hoe maak je een familiebedrijf klaar voor de toekomst? Wouter Torfs deelt met landbouwers zijn lessen over strategie, planning, gedeeld leiderschap en ondernemen met goesting.
