17 feb. 1999
1 minuut
Hoe verbouw je een zo goed mogelijk cherrytomaatgewas met zo min mogelijk input aan bijvoorbeeld water, voeding en energie? Zonder dat je er zelf in de buurt komt? Die vraag was de inzet van de 24-uurs hackathon Autonomous Greenhouse Challenge, die vorige week werd gehouden door WUR en Tencent. De 5 winnende teams krijgen in december een echte kas in beheer.
Silke Hemming, hoofd Greenhouse Technology van WUR: "Wij hebben laten zien dat kunstmatige intelligentie perspectief biedt. Echter, bijna alle teams hebben in hun AI-algoritme ook gebruik gemaakt van expertkennis. In de toekomst moeten de algoritmes helemaal zelflerend worden en zich zelf kunnen aanpassen aan verschillende klimaatcondities, kastypes, gewassen en rassen."
De juiste sensoren
De uitdaging blijft dat de teams de juiste sensoren kiezen die data leveren die goed bruikbaar en te interpreteren zijn. "Vooral over de gewasontwikkeling is meer digitale informatie nodig, dus specifieke sensoren die direct de gewasontwikkeling meten. Dit is in de vorige editie vooral nog handmatig gemeten. Meer onderzoek is hier nodig."
Niet live aanwezig
Interessant genoeg waren tijdens de hackathon niet alle teams live aanwezig bij de kas. Sommige stuurden hun tomaten aan via Skype, telefoon en mail. Van de winnende teams komen er 3 uit Nederland, 1 uit Korea en 1 uit China.
Het ging on het resultaat behaald in de game omgeving: de gehaalde netto winst in euro’s van een virtuele tomatenproductie. Hierin kregen de teams toegang tot een klimaatmodel en een gewasgroeimodel van tomaat die door onderzoekers van de WUR ontwikkeld zijn. De organisatoren hadden ervoor gezorgd dat de modellen zó veel mogelijkheden bevatten, dat er een ‘game’-situatie ontstond. Zo was het theoretisch mogelijk om een financiële winst te behalen die zo’n tien keer hoger ligt dan telers nu in de praktijk kunnen halen. Ook reageerde het gewas soms anders dan in een praktijksituatie verwacht. De teams moesten zelf de ideale setpoints voor temperatuur, hoeveelheid licht, CO2-concentratie en een aantal teelt-gerelateerde parameters, zoals plant- en stengeldichtheid, bepalen. Dat deden zij met behulp van hun eigen algoritmes.
Anderen lazen ook
