'Algoritmes geven inzicht en voorspelbaarheid'

20-01-2021    09:56   |    Goedemorgen

ACTUEEL HORTI THEMA - Mike Poodt is Coördinator Digital Crop Technology bij Rijk Zwaan. Samen met Blue Radix werkt hij aan datagedreven telen ten behoeve van eigen productielocaties en klanten. We vroegen hem naar de toepassing van algoritmes binnen Rijk Zwaan, wat de voordelen zijn en welk advies hij heeft voor telers die mogelijk nog twijfelen over autonoom telen.

1. Mike, kun je omschrijven wat jij verstaat onder autonoom telen met behulp van algoritmes?
Wat mij betreft is autonoom telen zoals we er nu naar kijken eigenlijk een verkeerde term. Autonoom sturen zou eigenlijk een betere term zijn. Autonoom sturen is op basis van data analyse sturingen voorstellen dan wel zelfstandig aanbrengen om het vooraf ingestelde doel (strategie) zo dicht mogelijk te benaderen. Naast dit aspect, het autonoom sturen, vallen voor mij ook autonome gewas handelingen onder het autonoom telen. Denk aan gewas onderhoud of gerobotiseerde oogst. De combinatie van deze twee maakt de tuinbouw toekomstbestendig.
Maar of we het nou hebben over autonoom telen of sturen, in beide gevallen is het doel om de efficiëntie en kwaliteit te verhogen door te standaardiseren. Hierdoor bereik je een grotere voorspelbaarheid in het behalen van de teeltstrategie. Deze voorspelbaarheid wordt steeds belangrijker in een wereld waar alles steeds sneller gaat en afspraken steeds harder worden.

2. Wat zijn de voordelen van werken met algoritmes in jouw ogen?
Een algoritme is eigenlijk niets meer dan een stukje code dat heel veel verschillende opties doorrekent om uiteindelijk het sommetje te kiezen dat je zo dicht mogelijk bij je gewenste uitkomst brengt. Een algoritme doet dit zonder enige vorm van emotie of gevoel. Dat is waarom uiteindelijk een algoritme betere beslissingen kan nemen dan wij als mensen. Wij bepalen het doel, het algoritme de weg daar naar toe.  
Een ander voordeel is dat je algoritmes steeds slimmer kan maken door steeds meer verschillende databronnen als input te gebruiken. Uiteindelijk kom je dan uit op een simulatiemodel waarin je voorspellingen kan doen over het effect van een andere teeltstrategie. Maar ook kan je berekenen hoe de sturing moet zijn als je een kas op een andere locatie hebt en toch dezelfde kwaliteit en productie wil halen. Kortom algoritmes zorgen voor inzicht en voorspelbaarheid.

3. Hoe zie je de toepassing rondom jullie bedrijf en producten?
Ondanks dat Rijk Zwaan natuurlijk zelf geen commerciële productie teelten heeft, zijn deze ontwikkelingen wel enorm interessant. Door dat er steeds meer data beschikbaar is van de  teeltomstandigheden en wij steeds beter inzicht krijgen waar onze rassen behoefte aan hebben, zullen we steeds beter teeltrecepten kunnen bepalen. Door zo’n recept onderdeel van het stuur algoritme te maken, zal de teeltstrategie steeds beter worden benaderd. Ook wordt het zo makkelijker om naar een nieuw ras over te stappen. Als de specifieke omstandigheden van de kas bekend zijn en wij voegen daar de behoeftes van een ras aan toe, dan zal je veel sneller het maximale uit het ras halen.
Hiernaast is het voor onze eigen zaadproductie ook heel interessant. Ook wij streven naar een zo nauwkeurig mogelijke voorspelling van de uitkomst. Door met algoritmes de zaadproductie te sturen zal de opbrengst en kwaliteit constanter en beter voorspelbaar worden. Ook ontkomen we er niet aan om zaad in meerdere locaties over de wereld te produceren. Autonoom sturen zal leiden tot een standaardisatie van onze producties wat ten goede komt aan de kwaliteit van het zaad en de voorspelbaarheid van de te verwachten producties.

4. Waar en hoe denk je dat autonoom telen toegepast gaat worden in de tuinbouw? Wat moet er nog ontwikkeld worden?
Het grote voordeel van autonoom telen is dat je met minder kennis toch een heel goed teeltresultaat kan behalen. Daarnaast zijn we allemaal mensen, en mensen maken nou eenmaal foutjes. Een algoritme kan foutjes voorkomen of verkleinen.  In Nederland hebben we heel veel hele goede telers waarbij het aan kennis zeker niet ontbreekt. Ook zij zullen af en toe een foutje maken waardoor een algoritme er nog net iets meer weet uit te halen.  Echter in eerste instantie denk ik met name dat dit heel interessant is voor high tech omgevingen met gebrek aan teeltkennis. Dit kan in het buitenland zijn, maar ik denk ook aan telers in Nederland met meerdere locaties. Om de producties over deze locaties gelijk te trekken is het werken met autonoom telen zeker interessant.
Om het te laten slagen zijn er nog wel echt veel dingen die nog verbeterd moeten worden. Er ontbreekt nog heel veel betrouwbare kwalitatieve data. Als er plantmetingen gedaan worden, is dit grotendeels handmatig, met alle onnauwkeurigheden die daarbij komen. In een zeer complex geheel van factoren die een teelt bepalen, kan je je geen onnauwkeurigheden veroorloven. Daarnaast is de frequentie van handmatig meten echt veel te laag ten opzichte van het aantal beslissingen dat een algoritme maakt. Een optie is gebruik maken van plantsensoren om de nauwkeurigheid en meetfrequentie te verbeteren. Echter we merken in de praktijk dat het interpreteren van sensordata en de correlatie met de gewasstand echt nog lastig is. Laat staan het gebruiken van deze data in sturende algoritmes.

5. Wat is jouw advies aan tuinders en investeerders die mogelijk nog twijfelen over telen met algoritmes?
Er zijn altijd redenen om iets niet te doen of waarom iets nog niet goed genoeg werkt. Maar dat geldt voor alle technologie. De volgende versie is altijd beter. Maar zou het niet al goed genoeg zijn?!
Ik zou zeggen begin er gewoon aan. Het is een hele mooie reflectie op jezelf en je bedrijf. Je gaat vanuit een ander perspectief naar je bedrijf kijken, namelijk vanuit een data-oogpunt. Welke data je hebt en hoe goed die is? Verzamel je wel de juiste gegevens? Pas je je sturing nou aan op gevoel en ervaring of op basis van data? Het is heel interessant om eens goed stil te staan bij de manier waarop je beslissingen neemt en of dit bedrijfseconomisch ook de meest optimale beslissing is.
Instappen hoeft ook niet spannend te zijn. Laat het algoritme maar schaduwdraaien naast je eigen sturing. Kijk waar de verschillen zitten. Als je heel enthousiast wordt kan je altijd nog beginnen met het autonoom sturen van één afdeling.

6. Welke tip kun je Blue Radix geven om algoritmes verder te ontwikkelen?
Bij algoritmes en AI is het belangrijk dat wij als mens het doel definiëren waar een algoritme op uit moet komen. Vaak wordt gezegd dat een beslissing op basis van een algoritme een blackbox is waarin een algoritme zijn werk doet en wij moeten vertrouwen dat het klopt. Hier geloof ik echter niet in. Om telers met veel kennis algoritmes te laten accepteren als een goed alternatief voor hun eigen kennis, is het belangrijk dat jullie transparant zijn in de werking van de algoritmes. Welke input parameters worden meegenomen. De exacte werking van het model gaat te ver, daar zullen mensen ook niet in geïnteresseerd zijn, maar wel of ze zich herkennen in de variabelen die een rol spelen bij een beslissing.
Verder is het een belangrijke keuze of jullie algoritmes verder ontwikkelen in de breedte (meer gewassen) of in de diepte. Mij lijkt de diepte ingaan voorlopig de betere keuze. Nu is er nog een te grote afhankelijkheid van handmatige registratie om echt van autonoom sturen/telen te spreken. Integraties met andere geautomatiseerde metingen zijn erg belangrijk.


Reacties (0)

Er zijn nog geen reacties

Reageer op dit bericht

Meer nieuws

Voor alle vrouwen...

Het is vandaag internationale vrouwendag, een dag die in het teken staat van strijdbaarheid en het gevoel van...