Dossier Precisielandbouw

Precisielandbouw: een hulpmiddel voor verduurzaming

Bij precisielandbouw wordt gebruikgemaakt van geavanceerde technologieën zoals GPS, sensoren, drones, artificiële intelligentie, machine learning, enzovoort om primaire productie, zowel op vlak van dierlijke productie (Precision Livestock Farming) als plantaardige (Precision Crop Farming) te optimaliseren. In dit artikel focussen we vooral op dit laatste. De doelstelling is zogenaamd ‘externe inputs’ op een efficiëntere manier 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 onze testen op maïs weten we dat een reductie tot 80% herbiciden in de tweede (correctie)bespuiting na opkomst van het gewas haalbaar is. Waarom? Omdat je dankzij de beschikbare technologieën variabel kan spuiten: in plaats van het hele veld bespuit je alleen zones met onkruid, of target je zelfs individuele onkruidplanten.” - Simon Cool (Expert precision crop farming technology)

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 op het veld te verzamelen wordt gebruik gemaakt van sensoren. Er wordt een onderscheid gemaakt tussen proximal sensing waarbij bijvoorbeeld weerstations, bodemsensoren of gewasscanners worden gebruikt, of van remote sensing waarbij via drones of satellieten met verschillende types camera’s worden toegepast. De sensortechnologie ontwikkelt zich heel snel. Sensoren worden accurater, nauwkeuriger, robuuster, sneller, kleiner, lichter of betaalbaarder. Dat zorgt voor een toename aan toepassingen en mogelijkheden in de praktijk.

A.I. modellen en rekenkracht

Hoe meer data een landbouwer via sensoren kan verzamelen, hoe beter de beslissingsondersteuning en bijvoorbeeld het inschatten van risico’s - in theorie. Want de vele ruwe data is niet rechtstreeks bruikbaar om dagelijkse managementbeslissingen te ondersteunen. 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, enz. Dat gebeurt met de hulp van rekencomputers waarop software en algoritmes, bijvoorbeeld op basis van artificiële intelligentie (AI), draaien die deze belangrijke vertaalslag moeten maken. ILVO werkt in verschillende onderzoeks- en ontwikkelingsprojecten aan algoritmes om een oplossing te bieden aan verschillende uitdagingen in de praktijk.

5G en vlasvezel voor realtime dataverwerking

Verwerking van de data kan ter plaatse op de machine gebeuren (edge computing) waarbij de sensor wordt gebruikt om rechtstreeks een aansturing te doen, maar kan ook nadien in de cloud gebeuren. In dit laatste geval spreken we van een kaartgebaseerde aanpak, waarbij de data tijdens het verzamelen aan locatiegegevens (GPS) gekoppeld wordt en na verwerking tot een taakkaart kan worden omgezet die in een tractor kan worden uitgelezen voor bijvoorbeeld een plaatsspecifieke bemesting of bespuiting. Ook deze vertaalslag moet snel genoeg gebeuren, want tijdens het groeiseizoen verandert de situatie op het veld continu. Snelle dataverbindingen bijvoorbeeld via 5G zijn daarbij een belangrijk puzzelstuk: het maakt (bijna) realtime dataverwerking mogelijk, zoals deze live uitgevoerde demo uit 2021 illustreert.

DjustConnect en datadelen

De grote meerwaarde van data ligt vooral in de integratie ervan, het combineren van verschillende datalagen leidt tot betere inzichten en beslissingsondersteuning. De datasnelweg DjustConnect – met ILVO als neutrale spelverdeler – maakt integratie van data van verschillende bronnen in één of meerdere gebruiksvriendelijke apps voor landbouwers mogelijk, met respect voor data-eigendom.

Slimme, geconnecteerde machines

Ook de machines het landbouwbedrijf of bij de loonwerker moeten aan de slag kunnen met de gegenereerde informatie. Inzichten moeten worden vertaald in concrete acties. Gegeorefereerde verwerkte data van bijvoorbeeld een bodemscan of een drone mapping moet worden omgezet naar een plaatsspecfieke behandeling met bijvoorbeeld een spuitmachine of strooier. De data moet worden vertaald naar een taakkaart die door de machine kan worden ingelezen. In de praktijk kan deze vertaling vaak een uitdaging zijn. Hier wordt in verschillende projecten dan ook hard aan gewerkt. Ook de nodige hardware moet worden voorzien, denk aan een (RTK-) GPS systeem, een applicatiemachine die plaatsspecifiek kan worden aangestuurd, alsook de nodige (software) licenties.

Menselijke interpretatie blijft nodig

Kan je dan door het gebruik van al die slimme technologie als landbouwer op je lauweren rusten? Zo werkt dat niet, landbouwers zijn ondernemers die oordelen over risico’s en daarnaar handelen. De algoritmes en gegenereerde data geven een meer gedetailleerd overzicht en werken beslissingsondersteunend. Dat betekent dat de landbouwer aan het roer staat en de technologie hem in zijn managementbeslissingen ondersteunt. Bij het vertalen van een onkruidkaart naar een taakkaart voor plaatsspecifieke bespuiting bijvoorbeeld kan met de schadedrempel rekening gehouden worden. Voor het plaatsspecifiek bemesten is het belangrijk om naast de variatie binnen het gewas ook het opbrengstpotentieel en weersdata mee in rekening te brengen.

"In de meeste gevallen zal je toch nog altijd een menselijk oordeel nodig hebben. De landbouwer bepaalt zelf welke schadedrempel in zijn gewassen hij aanvaardbaar vindt bij een variabele onkruidbehandeling, en voor plaatsspecifiek bemesten is niet enkel variatie in de gewasstand maar ook opbrengstpotentieel en weersdata belangrijk.- Simon Cool (Expert precision crop farming technology)

Een breed toepassingsveld

Hoewel we in de praktijk vooral binnen de akkerbouw en groententeelt sectoren toepassingen zien, kunnen ook andere subsectoren binnen de landbouw van deze technologische innovaties profiteren. Gelijkaardige sensoren, algoritmes en machines kunnen voor arbeidsbesparing of een efficiëntere toepassing in sier- of fruitteelt zorgen. Ook in de dierlijke productie is de lijst van mogelijke optimalisaties groot.

De stap naar de praktijk… is moeilijk

Steeds meer innovaties vinden hun weg naar de markt, maar de adoptie van de technologie in de praktijk is vaak nog relatief beperkt. Omdat moderne tractoren en oogstmachines dikwijls al zijn uitgerust met allerhande sensoren voor het meten van trekkracht, verbruik, opbrengst en dergelijke meer wordt al zeer veel data gegenereerd. Deze data wordt echter nog niet ten volle benut. Obstakels voor de lagere adoptie zijn de investeringskost, het gebrek aan ervaring, de vrees voor technische problemen en onzekerheid over de kosten-baten en terugverdientijd. Het volle potentieel van precisielandbouw voor het optimaliseren van efficiëntie en duurzaamheid is daarom nog niet bereikt.

Wat is de rol van ILVO?

Via het connecteren van verschillende stakeholders in de agrovoedingsketen tracht ILVO hier een oplossing voor te bieden. Het Living Lab Agrifood Technology ondersteunt op technisch vlak technologiebedrijven met het ontwikkelen en testen van nieuwe innovaties. Daarbij staan een iteratief ontwikkelingsproces, praktijktesten en een intense samenwerking met landbouwers centraal. Hierdoor wordt verzekerd dat ontwikkelde technologie een oplossing biedt voor concrete uitdagingen in de Vlaamse landbouwpraktijk en rekening gehouden wordt met specifieke eisen of verwachtingen van onze landbouwers.

Binnen de Vlaamse Agrifood Test en Experimenteer Faciliteit (TEF) worden diensten aan bedrijven aangeboden om in praktijkrelevante omstandigheden innovatieve, breed toepasbare innovaties net voor of na marktintroductie te testen, met als doel de kloof tussen onderzoek en toepassing verder te verkleinen en de kwaliteit ervan voor eindgebruikers te verzekeren.

In de vele onderzoeksprojecten wordt op een wetenschappelijke manier de toepassing en meerwaarde van technologische innovaties onderzocht, in samenwerking met verschillende onderzoeks- en kenniscentra in Vlaanderen en Europa. Dit onderzoek sterk participatief waarbij actief wordt samengewerkt met verschillende stakeholders uit de agrovoedingssector zoals landbouwers, loonwerkers, (zee)vissers, technologiebedrijven, voedingsbedrijven, aanleverende industrie, beleidsmakers, etc. om vanuit verschillende perspectieven op een efficiëntere manier kennis op te bouwen en oplossingen te vinden voor complexe vraagstukken.