Broccoli heeft een extreem kort oogstvenster (3–5 dagen) en een hoge variatie binnen percelen door bodemverschillen, microklimaat en andere groeibepalende factoren. Het steeds moeilijker vinden en inzetten van personeel maakt het daarom ook steeds relevanter om de oogst met robots uit te voeren. Alhoewel uit verschillend onderzoek blijkt dat oogstrobots een aanzienlijke besparing en een verschuiving (denk aan onderhoud) van arbeid meenemen, zijn er ook nieuwe uitdagingen. Een robot die 24 uur te vroeg of 48 uur te laat oogst, is pure kapitaalterugloop. De huidige inzet gebeurt grotendeels reactief: eerst zien, dan plannen. Dat leidt tot stilstand, extra verplaatsingen, klasseverlies en verspilling. Voor echte roboticaproductiviteit is vooruitkijkende, zone-specifieke planning noodzakelijk.

Het project ontwikkelt een digitaal regiesysteem om telers te ondersteunen om broccoli-oogstrobots op het juiste moment, in de juiste strook te laten oogsten. Met moderne sensoren en relevante databronnen (o.a. satelliet en weer) wordt de groeidynamiek van de planten in kaart gebracht en worden rijpingsverschillen binnen percelen gedetecteerd. Zo ontstaat een beeld over de uniformiteit van oogstrijpheid c.q. de oogstklasse, per perceel of juist per strook. Daarnaast wordt met behulp van modellen de rijpheid of oogst-gereedheid voorspeld. De verwachting is dat al vanaf 4 weken voor de oogst een optimalisatie van de inzet van robots, een taakplanning en routering kan worden gemaakt. En daarmee wordt ook de inzet van mensen en middelen (bijv. kratten) gepland. Wie, wat, waar en wanneer.

Doelstelling en impact

De digitale en gestandaardiseerde aanpak van machinale oogst vraagt om een informatievoorziening die telers helpt met het over percelen, over teelten heen de inzichten te combineren tot uitzichten. Dit levert een actueler beeld op van de staat van de gewassen. Hiermee ondersteunt dit project de mogelijkheden van telers om efficiënter om te gaan met mens en middelen, en de robotisering een plek te geven in het oogstproces. De robots zijn daarmee onderdeel van een bundel aan technologieën die zorgen voor een betere bedrijfsvoering, duurzame inzet van mens en machines, en vormen de basis voor meer en andere toepassingen van data gedreven landbouw. Dit project draagt daar ook aan bij. EYEBRO levert informatie over de teelt, en is systeem agnostisch in de zin dat elke oogstrobot hiermee aangestuurd kan worden. Het is daarmee de basis onder een innovatief ecosysteem om meer data-gedreven, onderbouwd met kennis te telen.

De concrete doelen van het project zijn:

Het ontwikkelen van een aanpak om locatie en aantal oogstbare broccolikronen 2 tot 4 weken vooruit betrouwbaar te voorspellen;
Inzicht verwerven in de relevantie, resolutie, tijdigheid en verwerking van (open) databronnen, zoals satellietdata, weerdata en andere gegevens voor oogsttijdstipvoorspelling;
Bijdragen aan adoptie van robotica en digitalisering, o.a. door kennisoverdracht en publicatie van kennisdossier “broccoli van boven”;
Analyseren en beschrijven van business case “robotisch oogsten”, als handreiking naar telers, adviseurs, machinebouwers en beleidmakers ook verbreding naar andere gewassen;
Schrijven van een good practice abstract, over de impact van deze geïntegreerde aanpak op oogstefficiëntie, productkwaliteit en operationele kosten en hoe dit bijdraagt aan het oplossen van de arbeidstekorten.

De oogstverwachting in EYEBRO wordt met een Long Short-Term Memory (LSTM) model beschreven. Een LSTM-model is bij uitstek geschikt om temporele patronen en seizoensdynamiek te leren en combineert satellietdata (vegetatie-indices, groeitrends en uniformiteitsmaten), meteorologische gegevens (temperatuur, neerslag, verdamping) en perceelsinformatie zoals bodemzones en zaaidata (en indien beschikbaar bodemvocht sensoren)

EYEBRO Early Yield Estimates for Broccoli Robotic Orchestration

Projectstatus

Lopend

Looptijd

Regio

Nederland

Thema

Robotisering

Projectregeling

EIP Robotisering en Digitalisering