De open teelten lopen voorop bij oogstautomatisering en autonoom voortbewegende machines, maar uiteindelijk veroveren robots ook de kas. Voor versnelling daarvan is een omslag in het denken cruciaal: niet alles in één keer proberen op te lossen en oog hebben voor samenwerking tussen robot en mens. Dat verbetert de prestatie van beiden.
In de tuinbouw wordt al snel iets een robot genoemd wat eigenlijk automatisering zou moeten heten. “Een robot is een multiprogrammeerbare machine, die flexibel inzetbaar is voor meerdere taken”, hanteert Erik Pekkeriet als definitie. Hij is business developer robotics en werkt samen met dertig collega’s van Wageningen University & Research die over de vakgebieden heen werken: open teelten, glastuinbouw en voedselverwerking.
Grofweg zijn er twee soorten: de manipulator en de field robot. De manipulator voert ter plekke taken uit, zoals stekken, enten, verpakken en oogsten. De stekrobots en de paprikaoogstrobot Sweeper zijn daar een goed voorbeeld van.
Eisen aan veiligheid
“De tweede soort, de field robot, is tot nog toe een vrijwel onontgonnen terrein in de glastuinbouw. Hij kan autonoom navigeren – je hoeft hem dus niet van pad naar pad te dirigeren – en kan uitgerust worden met een veelheid aan sensoren. Bijvoorbeeld voor de monitoring van ziekten, maar ook om de prestaties van de mens in de gaten te houden. Hij geeft dan aan hoe je een taak beter kunt uitvoeren en of je te langzaam werkt, of juist te snel; je moet het werk immers de hele dag volhouden”, vertelt hij.
De opmars van zulke robots stelt hoge eisen aan de veiligheid. Bij de manipulator geldt dat ze goed moeten worden afgeschermd en in het geval van de oogstrobot moet er eigenlijk geen mens in het zelfde pad lopen. Maar de autonoom rondrijdende robot kan zelf de veiligheid bewaken. Behalve de Sweeper zijn de Octinion (aardbeienoogst) en de komkommeroogstrobot van een nieuwe startup voorbeelden van toekomstige mechanische medewerkers.
In delen gaan denken
De ontwikkelingen zitten in een stroomversnelling door de toepassing van kunstmatige intelligentie en deep learning (de machine leert van duizenden situaties), maar meer nog door een andere manier van denken. Bijvoorbeeld denken in ‘minimum viable product’. Dat is een term uit Silicon Valley voor een product dat genoeg waarde toevoegt, maar niet het hele probleem oplost. “Dus niet meteen 100% proberen te oogsten, maar tevreden zijn met bijvoorbeeld 30%, zolang dat maar een rendabele business case oplevert. Als je dat hebt bereikt, ga je een volgende innovatiecyclus in. Je moet in delen gaan denken. De oogst bestaat uit verschillende handelingen. Als de robot alleen de voor-oogst kan uitvoeren, kan dat heel goed een oplossing zijn”, zegt Pekkeriet.
Een andere omslag in het denken: de robot hoeft het niet alleen te doen. Je kunt hem laden met duizenden situaties, maar in de kas ziet het er dan toch net iets anders uit. “Als de robot zo’n situatie niet aankan, helpt een operator. Zo iemand kan twintig robots tegelijk aansturen vanuit een centraal punt. Aan het begin van de teelt ziet het gewas er bijvoorbeeld heel anders uit dan aan het eind. De robot moet blijven leren en de operator helpt hem daarbij. Resultaat blijft arbeidsbesparing: waar je eerst twintig mensen nodig had, is dat er nu nog maar één, die bovendien interessanter werk doet. Dit soort robot-mens samenwerking kan de acceptatie verhogen”, zegt hij.
Drie jaar na PicknPack
Een paar jaar geleden was in een hal van Wageningen University & Research een complete geautomatiseerde verwerkingslijn voor voedsel te bewonderen, onder de naam PicknPack. Een grootschalig project met deelnemers (onderzoek en bedrijfsleven) uit tien landen, gefinancierd met EU-geld. “De bedoeling was om te laten zien wat op dat terrein allemaal mogelijk is. Vier onderdelen zijn inmiddels vertaald in een commercieel traject: kwaliteitsinspectie met meerdere sensoren, machines van binnenuit schoonmaken, decoratief printen en producten direct uit het oogstfust rapen (bin picking). Dat laatste is opgepakt door machineleverancier Marel”, vertelt Pekkeriet.
Beeldherkenning
Ook op het gebied van beeldherkenning en -verwerking leidt een andere manier van denken tot versnelling van de innovatie. Die ligt op twee vlakken: 3D vervangen door 2D en lerende systemen. “Nu werk je vaak met ingewikkelde driedimensionale camera’s. Maar op den duur kun je 3D-beelden ook met een 2D-camera opbouwen met behulp van SLAM techniek (simultaneous localization and mapping). Als je met de camera naar het gewas toe beweegt, maak je al meteen een stuk of tien beelden, die de techniek samenvoegt tot een 3D-beeld”, legt hij uit.
Maar ook de mens levert een belangrijke bijdrage bij de beeldherkenning, Zo kunnen studenten, die wat bij willen verdienen, overal ter wereld helpen. Dat verloopt bijvoorbeeld via Amazon Mechanical Turk. De studenten (of eigenlijk willekeurig wie mee wil doen) wijzen op foto’s aan waar zich bijvoorbeeld bloemen bevinden. “We hebben duizenden foto’s van gerbera’s in alle stadia geüpload. Die zijn gemaakt met een camera die op een karretje door de kas rijdt. In een paar uur tijd waren al die foto’s beoordeeld. Daarmee laden we dan de robot. Hoe meer beelden je zo verzamelt, hoe stabieler het algoritme (de reeks computerinstructies) wordt”, zegt hij.
Dit is toegepast in een project waarin plantbelasting en meeldauw bij gerbera met camera’s worden vastgesteld, mede gefinancierd door de Club van 100.
Moment van doorbraak
Er is een veelheid aan ontwikkelingen. Pekkeriet heeft een breed projectportfolio onder zijn hoede. De projecten zijn deels geheim. “Op het veld en in de schuur is al veel mogelijk, maar de robot gaat langzamerhand ook de kas in. Scannen van het gewas (bijvoorbeeld met de Plantalyzer die tomaten telt en waardeert). Spuiten van het gewas, pleksgewijs op basis van symptomen zoals meeldauw bij gerbera en Botrytis in tomaat. Oogsten van komkommer, paprika (Sweeper), tomaat, bladbreken bij tomaat (Tomation). Het zijn allemaal mogelijkheden die op het moment van doorbreken staan”, vertelt hij.
Zuiniger spuiten op juiste plek
Robots functioneren op sommige terreinen aanzienlijk beter dan de mens. In de open teelten is veel vooruitgang geboekt bij het monitoren van het gewas: de productie, stress, ziekten, onkruiddetectie in grasland of in andere open teelten, bepaling van het juiste tijdstip en het effect van schoffelen. “Een sensorsysteem is als geen ander in staat iets op te sporen en het in de tijd te volgen. Een mens kan niet onthouden of hij op een bepaalde plek tien of vijftig beestjes heeft gezien en spuit dan maar voor de zekerheid. De robot onthoudt alles en kan ook het resultaat van een behandeling beoordelen. Het effect is: zuiniger spuiten en alleen op de juiste plek”, geeft Pekkeriet aan.
Echte impuls door startups
Bekende bedrijven als Bogaerts en Berg-Hortimotive (via dochterbedrijf HortiKey) steken veel energie in autonome navigatie (de field robots) gekoppeld aan managementsystemen. Ook de IRIS! Scoutrobot van Metazet/Formflex, Micothon en het Canadese bedrijf Ecoation, bekroond met de GreenTech Concept Award 2018, is een goed voorbeeld.
Pekkeriet ziet nieuwe aanbieders toestromen, maar de echte impuls moet toch komen van startups. Er zit een gat tussen het wetenschappelijke onderzoek en de traditionele mechanisatiebedrijven, die geen grote risico’s willen nemen en begrijpelijk vasthouden aan hun core business. “Robots gaan meestal voorbij aan core business. Investeerders zoals venture capitalists hebben niet zoveel belangstelling voor de tuinbouw, omdat de markt klein is. En WUR zelf gaat geen innovaties naar de markt brengen. De startups springen in dat gat en zorgen voor de doorontwikkeling. Zodra bewezen is dat het werkt, worden ze overgenomen door grote bedrijven. Ze spelen dus een cruciale rol in de ontwikkeling.”
Verschillende collega’s van Pekkeriet zijn inmiddels zo’n startup begonnen. Voorbeelden zijn Phenovation en Saia Agrobotics.
Een vliegende medewerker in de kas
Een nieuwe startup ontwikkelt in samenspraak met siertelers en opkweekbedrijven drones voor in kassen. Mogelijke toepassingen zijn oogstprognoses en detectie van stress of ziekten. Het bedrijf is een van de deelnemers aan de beurs AgriFoodTech in Den Bosch die dit jaar plaatsvindt op 12 en 13 december.
Corvus Drones is gevestigd op de campus van Wageningen University & Research. Sinds vorig jaar concentreert de startup zich op autonoom indoor vliegen in kassen. “De navigatie is een van de kernpunten van onze techniek. De drone kijkt met een camera 360º om zich heen. Autonoom vliegen is noodzakelijk om goede data te kunnen verzamelen; dat kun je niet aansturen. In het begin is nog een operator aanwezig die handmatig kan ingrijpen, maar we gaan toe naar volledig autonoom functioneren”, vertelt oprichter Gerhold ten Voorde.
De drone kan worden uitgerust met een gewone camera of een multispectrale, die een breder spectrum ziet dan de mens. In alle gevallen worden de beelden met geavanceerde algoritmes geanalyseerd. Die leren voortdurend bij van de beeldenstroom (dit heet ‘deep learning’).
Ziekten en plagen
“Als eerste toepassingen zien we tellingen van aantallen kiemplanten, aantallen knoppen en bloemen om tot oogstprognose en planning te komen. Ook stressdetectie is een mogelijkheid. De drone vindt de plekken waar iets aan de hand is, zodat de teler gericht kan gaan kijken om het op te lossen. Op termijn denken we ook aan het opsporen van ziekten en plagen. Dat kan een robot in principe efficiënter dan een scout”, vertelt hij.
Zijn bedrijf werkt samen met siertelers en opkweekbedrijven voor de ideevorming over toepassingen en praktijkproeven. Vooralsnog ziet hij geen mogelijkheden bij hoogopgaande vruchtgroenten, omdat het voor de drone nog te ingewikkeld is om daar doorheen te vliegen.
“De beurs in Den Bosch past precies bij ons vanwege het snijvlak technologie/agrosector. Daar zij wij ook op gericht. Ik hoop vooral dat er veel telers komen”, zegt hij.
Tekst: Tijs Kierkels, beeld: WUR, HortiKey, Corvus Drones en Tijs Kierkels
