Bladluis detectie | AgroBOTS 2

Achtergrond AgroBOTS 2

Boeren en tuinders zijn van cruciaal belang voor de Nederlandse maatschappij. Desalniettemin staat de agrarische sector onder druk. De primaire sector heeft een groeiende bevolking te voeden, die bovendien steeds hogere eisen stelt aan de kwaliteit van voedsel. Landbouwgrond wordt schaarser en de regelgeving en marktwensen met betrekking tot gewasbeschermingsmiddelen en meststoffen worden steeds strenger. Een tekort aan arbeidskrachten maakt de uitdaging compleet.

Gelukkig is er een kansrijke oplossing in beeld. Robotica en intelligent datagebruik bieden de mogelijkheid het werk van de teler te automatiseren, optimaliseren en op te waarderen. Bijvoorbeeld door een robot onkruid te laten verwijderen. Of door op basis van data proactief sturing te geven aan het teeltproces. Om hiertoe te komen is echter het nodige ontwikkelwerk nodig en zijn praktijkervaringen onmisbaar.

De afgelopen jaren zijn in het AgroBOTS-project belangrijke stappen gezet. Robotica-oplossingen zijn ontwikkeld en gedemonstreerd, en genieten veel belangstelling vanuit de agrarische praktijk. Desalniettemin zijn er nog altijd hordes te nemen, als het gaat om een brede implementatie van agro-robotica. In AgroBots2 bouwen we verder aan de landbouwtransitie die in gang is gezet. Door in nóg meer gebruikssituaties de kracht van robotica te laten zien. Met én voor de teler.

Projectdefinitie AgroBOTS 2

In dit project bundelen agrarische partijen, techbedrijven en netwerkorganisaties dan ook hun krachten: een cross-over tussen twee belangrijke Zuid-Nederlandse sectoren. Zo werken we aan autonoom wieden in de groenteteelt, monitoren van luis in de pootaardappelteelt, detecteren van ziekten in de bollenteelt, sorteren van chrysantenstekken en verpakken en presenteren van champignons. We streven hierbij naar ‘verbinding’ en gaan versnippering graag uit de weg. We starten een nieuw project, maar bouwen vooral voort op al bestaande initiatieven in de AgroBOTS-community. Samenwerking wordt opgezocht, kennis wordt gedeeld en de markt wordt in gezamenlijkheid versterkt. Zo realiseren we niet alleen financiële winst, maar ook duurzaamheidswinst.

Achtergrond

Hoofddoelstelling van dit project is om telers op een geautomatiseerde wijze inzicht te geven in het risico van virussen die worden overgebracht door twee hoofsoorten van luizen, de perzikluis (Myzus Persicae) en de aardappeltopluis (Macrosiphum Euphorbiae) specifiek gericht op de aardappelteelt in open landbouw. Dit zal gebeuren via een robot die uitgerust is met multi-spectraal-camera’s (2 units) en een dusdanig design heeft dat de lens onder de bladeren kan komen, de plek waar de luizen zich het meeste bevinden en zich relatief gemakkelijk door de aardappelbedden kan bewegen. Via kunstmatige intelligentie (AI) zal de telling plaatsvinden en via andere data typen en algoritmen zal er een risicoberekening plaatsvinden ten aanzien de verspreiding van virussen. Luizen zijn de grootste verspreiders van virussen in Nederland, echter niet de enige insecten die dit doen.

De analyse en het daaruit volgende advies zal als doel hebben de opbrengsten te verhogen door middel van het inzichtelijk maken van het risico van virussen, waardoor het gebruik van gewasbeschermingsmiddelen gerichter kan worden ingezet. In eerste instantie zal de aardappelteelt worden genomen. Dit kan op een later tijdstip worden uitgebreid met andere producten uit dezelfde categorie, die dezelfde hinder ondervinden van identieke luizen en bijbehorende virussen. Denk hierbij aan de tulpenteelt, suikerbieten of chichorei.

Door de warmer wordende winters kunnen luizenkolonies in grotere aantallen. Dat betekent dat luizen in een veel eerder stadium ook de velden op zullen gaan, omdat de huidige host niet genoeg voedsel heeft. Luizen zijn de grootste verspreiders van virussen in Nederland en in de wereld. Door een betere luizentelling, kan er een betere inschatting gegeven worden van de risico van het verspreiden van virussen in open aardappelteelt en later bij andere teelten. Dat betekent dat er veel gerichter gewasbestrijdingsmiddelen of andere bestrijders kan worden gespoten. Dit zal dan de basis zijn van echte precision farming, door gebaseerd op het heden en nu, de risico’s in kaart kan brengen, niet vanuit een kaart uit het verleden.

Voorgestelde oplossing

Een rijdende observeer robot uitgerust met multi-spectraal-camera’s die onder de bladeren van aardappelplanten foto’s kan maken. Via de te ontwikkelen kunstmatige intelligentie kan er dan per veld een inschatting gemaakt worden van de aantallen luizen. Door het gebruik van een multi-spectraal-camera kan er ook stress gemeten worden van de plant. Deze wordt meegenomen in het algoritme want virussen veroorzaken stress in ieder stadium van de groei van de plant. Op basis daarvan komt er een risicoanalyse uit met potentiële handelingen.

Projectdeelnemers

RapAgra

Het doel van RapAgra is het monitoren van plantgezondheid en ontwikkeling van ziekten bij aardappelplanten niet meer alleen aan het getrainde oog over te laten. Daarvoor heeft Rapagra een app gebouwd met de specialisten en telers. Deze functionaliteiten van de app zijn het resultaat van de ideale mix van mensen die hieraan hebben bijgedragen. Zo hebben we een bodemspecialiste, een kunstmatige intelligentie specialist en een ondernemer aan boord, naast samenwerkingen met diverse aardappeltelers verspreid over heel Nederland.

Blue Turtle Development

Blue Turtles richten ons op het versnellen van de acceptatie van duurzame innovaties. Dit doen zij door het betrekken van alle complementaire, relevante partners vanaf de start van het ontwerp. Hierdoor ontstaat in een vroegtijdig stadium draagvlak en verbeteren ideeën en ontwerpen door intervisie van experts.

Dit project is mede mogelijk gemaakt door het Europees Fonds voor Regionale Ontwikkeling, het Rijk en de provincies Noord-Brabant in het kader van OPZuid. 

Direct contact

Heb jij als agrariër een vraag, probleem of wil je gewoon meer informatie over agrarische robotica oplossingen? Neem dan contact op via dit formulier.

"*" geeft vereiste velden aan