Dossier Precisielandbouw

Precisielandbouw: een hulpmiddel voor verduurzaming

Bij precisielandbouw wordt gebruikgemaakt van geavanceerde technologieën zoals GPS, sensoren, drones, artificiële intelligentie, machine learning, enzovoort om de productie van gewassen op het veld te optimaliseren. De doelstelling is minder zogenaamd ‘externe inputs’ gebruiken en toch een rendabele, kwaliteitsvolle en voedselveilige opbrengst verzekeren. Externe inputs zijn bv. gewasbeschermingsmiddelen, kunstmest, irrigatie, brandstof en zelfs arbeid.

De technologie maakt dus een efficiëntere, duurzame landbouw met kleinere milieu-impact mogelijk.

“Uit metingen in maïs weten we dat een reductie tot 80% chemische gewasbeschermingsmiddelen in de tweede sproeibeurt na opkomst van het gewas haalbaar is. Waarom? Omdat je dankzij de beschikbare technologieën variabel kán spuiten: in plaats van het hele veld bespuit je alleen het onkruid.” - Simon Cool (Expert automatisering en robotica)

Data en sensoren

Bij precisielandbouw draait alles om data. Relevante en kwaliteitsvolle data over de bodem, het weer, de groei van gewassen, opkomst van ziektes en plagen, enzovoort. Om die data te verzamelen heb je sensoren nodig zoals thermometers, geleidingsmeters, infrarood- of hoge resolutie camera’s. De sensortechnologie ontwikkelt zich heel snel. Sensoren worden accurater, nauwkeuriger, robuuster, sneller, kleiner, lichter. Dat maakt toepassing op allerlei ‘platformen’ mogelijk, zoals een tractor, robot, drone, weegbrug, waterloop, enz.

A.I. modellen en rekenkracht

Hoe meer data uit de omgeving, de markt en vanop het veld een landbouwer kan verzamelen, hoe beter hij risico- en andere inschattingen kan maken. In theorie. Want de vele ruwe data is niet bruikbaar om dagelijkse managementbeslissingen te nemen. Ten eerste moeten de data – bv. hoge resolutie dronebeelden vanop het veld – vertaald worden in nuttige info – bv. over de onkruiddruk, opkomst van een ziekte, droogtestress. Dat gebeurt met de hulp van software, krachtige rekencomputers, algoritmes en artificiële intelligentie (A.I.). De A.I. modellen die deze belangrijke vertaalstap moeten vervullen, worden vandaag volop ontwikkeld en getest.

5G en vlasvezel voor realtime dataverwerking

Ten tweede moet die vertaling snel genoeg gebeuren, want tijdens het groeiseizoen verandert de situatie op het veld quasi dagelijks. Snelle dataverbindingen met 5G of glasvezel is daarvoor een belangrijke puzzelstuk: het maakt (bijna) realtime dataverwerking mogelijk.

Dat het technisch kán als 5G aanwezig is, bewijst deze live uitgevoerde demo uit 2021:

DjustConnect en datadelen

Ten derde zegt data uit één sensor alleen vaak niet genoeg om beslissingen te nemen. Het wordt pas echt interessant als data uit verschillende sensoren of databanken met elkaar worden geïntegreerd. Datasnelweg DjustConnect (LINK) – met ILVO als neutrale spelverdeler – maakt integratie van data uit verschillende bronnen in één of enkele gebruiksvriendelijke apps voor landbouwers mogelijk.

Slimme, geconnecteerde machines

Ten vierde moeten de machines op een landbouwbedrijf of bij een loonwerker aan de slag kunnen met info uit apps en sensoren. Ze moeten zelf uitgerust zijn met een aantal sensoren (en GPS) en slimme taakkaarten kunnen lezen. Vandaag is een bottleneck dat machines en taakkaarten van verschillende bedrijven niet compatibel zijn, zoals dat ooit het geval was met de opladers van GSM’s. Europa werkt aan standaardisatienormen om deze bottleneck weg te werken.

Menselijke interpretatie blijft nodig

Stel dat je goede sensoren hebt, betrouwbare data uit verschillende bronnen, een slim algoritme dat de data omzet in nuttig advies en machines die doen wat het algoritme adviseert, bv. deze zone in het veld moet bespoten worden tegen onkruid en deze zone niet. Dan kan je als landbouwer op je lauweren rusten? Zo werkt dat niet, landbouwers zijn ondernemers die oordelen over risico’s en daarnaar handelen. Een A.I. model kan aangeven waar op het veld onkruid staat, maar het is de landbouwer die zal oordelen hoeveel onkruid zijn opbrengst in gevaar brengt. Vaak zelfs in overleg met zijn afnemers, bv. de groentefabriek die slechts een paar procenten onkruid tussen de spinazie tolereert.

"Daarom zal je toch altijd een menselijk oordeel nodig hebben. De landbouwer bepaalt zelf welke schadedrempel in zijn gewassen hij aanvaardbaar vindt en op basis daarvan kan de computer dan een taakkaart voor de machines aanleveren.” - Simon Cool (Expert automatisering en robotica)

De stap naar de praktijk… is moeilijk

Precisielandbouw is een breed begrip. Zo kan zowel het gebruik van een eenvoudige GPS installatie op een trekker als het inzetten van drones met camera’s en data-analyse van de verzamelde gegevens bestempeld worden als precisielandbouw. De interesse vanuit de sector is groot, maar omdat een groot deel van de landbouwers geen duidelijk beeld heeft van wat het begrip juist inhoudt en wat de precieze meerwaarde is, zetten maar weinig actieve landbouwers de stap naar uitgebreide precisielandbouw. Ook is de dikwijls hoge kostprijs van de technologie een rem op investeringen. Omdat moderne trekkers en oogstmachines dikwijls al zijn uitgerust met allerhande sensoren voor het meten van trekkracht, opbrengst, verbruik en dergelijke meer wordt al zeer veel data gegenereerd. Met deze data wordt voorlopig nog niet veel gedaan. Obstakels zijn de hoge kostprijs, gebrek aan ervaring en onduidelijkheid over wat het opbrengt (kosten-baten).

Een breed toepassingsveld

Hoewel we in de praktijk vooral binnen de akkerbouw voorbeelden van precisielandbouw zien, kan elke tak van de brede landbouwvoedingssector profiteren van de nieuwe technologische ontwikkelingen. Zo kunnen verzamelde gegevens van melk- en voerrobots ingezet worden om het welzijn in koeienstallen te verhogen en kan beeldanalyse van varkensgroepen bijdragen tot een beter klimaat in varkensstallen. GPS gegevens van plantgoed in sierboom- of fruitteelt kan de boomkweker helpen bij het optimaliseren van routes op zijn bedrijf en zo bijdragen tot een lager brandstofverbruik. De lijst van mogelijke toepassingen is lang.

Lees ook: precisieveeteelt

Wat is de rol van ILVO?

Via onderzoeksprojecten, het innovatief bedrijvennetwerk Smart Digital Farming en het Living Lab Agrifood Technology stimuleert ILVO technologische innovatie. Oplossingen worden bereikbaar gemaakt voor alle spelers in de agro-voedingssector. Niet alleen landbouwers, loonwerkers en voedselverwerkende bedrijven maar ook producenten van technologie zijn welkom om via kennisuitwisseling en projecten hun ideeën uit te werken en te optimaliseren samen met andere stakeholders (co-creatie).

Het lopend onderzoek spits zich toe op plaatsspecifieke toepassingen van meststoffen en gewasbeschermingsmiddelen, alternatieve onkruidbestrijding, snelle onkruid- en ziektedetectie, robotisering, enz. Hierbij combineren we het gebruik van camera- en sensortechnologie (vanop verschillende platformen) met dataverwerking (o.a. artificiële intelligentie) en slimme landbouwmachines.