Binnen het project AgroBOTS 2 werken technologie en landbouw nauw samen. Een van de veelbelovende projecten is de ontwikkeling van de CamBot: een robot die luizen in aardappelplanten detecteert en zo bijdraagt aan duurzamere teelt. Deze robot rijdt s’nachts en activeert de fotosynthese van het bladgroen om te zien hoe de energie distributie plaatsvindt, naast het tellen van luizen. We spraken met Ronald de Bruijn, oprichter van Rapagra over het testproces, de uitdagingen en hun visie op de toekomst van landbouwrobots.

Hoe verliep het testproces van het project tot nu toe?

Vanaf juni 2023 zijn we gestart met intensieve veldtesten, waarbij we een aangepaste radiografisch bestuurbare jeep gebruikten. In verschillende aardappelvelden in Randwijk, Alphen en Reusel hebben we, vooral ’s nachts, duizenden foto’s verzameld. Dat nachtelijke rijden was nodig om het effect van de lichtbron te optimaliseren. Tijdens de tests ontdekten we dat luizen zelf lastig te detecteren zijn, maar dat we wél stress en biomassa van planten nauwkeurig konden vastleggen. Dankzij deze inzichten hebben we het algoritme voor monochrome beeldherkenning verder geoptimaliseerd.

In 2024 lag de focus op het leren hoe de CamBot zich door de velden beweegt, en op het verzamelen van zo veel mogelijk trainingsmateriaal. Daarbij hebben we verschillende camera’s getest, zoals de Nocturn van Photonis en camera’s van GetCamera en Basler. Hierbij hebben we ook veel verschillende lenzen getest en gebruik gemaakt van bestaande kennis bij Iolite-vision en VS Technology.

Wat waren jullie belangrijkste doelen bij de ontwikkeling?

Ons hoofddoel was om een robot te ontwikkelen die via geavanceerde beeldherkenning luizen kan detecteren en tellen. Luizen zijn de groottse overbrengers van virussen, wat in de huidige klimaatveranderingen een toenemend probleem is aangezien de huidige winters de luizenkoloniën niet meer decimeren. Daardoor verspreiden de luizen zich eerder en sneller en wordt de kans groter dat ze een virus, bij aardappelen het Y-virus, verspreiden. Door een juiste inschatting te kunnen maken van de kans op virussen overgebracht door luizen, willen we agrariërs voorzien van actuele en nauwkeurige informatie over de gezondheid van hun gewassen, zodat ze sneller en gerichter kunnen ingrijpen. Minder gebruik van bestrijdingsmiddelen, dalende arbeidsuren en derhalve kosten, en een hogere opbrengst: dat is waar we het voor doen.

Welke rol speelt duurzaamheid in jullie oplossing?

Duurzaamheid is een essentieel uitgangspunt. Door plantstress vroegtijdig te detecteren, kunnen boeren het gebruik van gewasbeschermingsmiddelen drastisch verminderen. Met onze app kunnen we via satelliet plantstress detecteren en vanwege onze algoritmen, die geïntegreerd is met meteorologische-, bodem- en plant specifieke data, kunnen we precies vertellen wat de oorzaak van de stress is. De manier van de app is chaalbaar want geen enkele hardware is nodig om te monitoren echter geeft de app een beeld per 100m². De app stuurt de CamBot aan om naar die plekken te gaan waar er een hoge stress is gemeten en/of berekent. Met de CamBot kunnen we dan per plant binnen die 100 m² vertellen of die bijgedragen heeft aan een verhoogd risico oftewel een lage plantgezondheid. Dit vroege waarschuwingssysteem helpt telers omdat ze in een zeer vroeg stadium iets aan de plantgezondheid kunnen doen voor de aangewezen planten. Denk hierbij aan toevoegen van nutrienten, bio-stimulanten, isoleren or eruit trekken van planten. Wat betreft de luizenkolonien kan dus ook veel gerichter opgetreden worden. Dit helpt de teler om duurzamer te telen: vitalere planten, gezonder veld in het algemeen, een gezondere bodem en uiteindelijk minder belasting voor het milieu.

Wat waren de grootste technische uitdagingen?

Een belangrijke uitdaging was het gewicht en de stabiliteit van de CamBot. De initiële opbouw bleek te zwaar voor de motor, die vervolgens doorbrandde. We hebben daarop een lichtere constructie ontwikkeld. Ook het selecteren van de juiste camera’s, lenzen en lichtbronnen bleek complex: niet alleen vanwege de technische eisen, maar ook vanwege de enorme prijsverschillen.

Daarnaast is het verwerken van de 160.000 verzamelde foto’s (ruim 200 gigabyte) een flinke klus, waarvoor we zelfs een eigen GPU-server hebben opgebouwd, mede uit kostenoverwegingen.

Daarnaast bleek uit de testen dat de herkenning van luizen – met name de perzikluis, die groen en soms transparant is – complex blijft. De zwarte bonenluis is gemakkelijker te detecteren onder de bladeren. Nieuwe tests met “red-edge”-technologie moeten uitwijzen of deze groene luizen alsnog goed te herkennen zijn. Ondertussen wordt wel nauwkeurig stress en plantgezondheid gedetecteerd, waarmee we op kleine schaal (10×10 meter) al een vroegtijdig waarschuwingssysteem hebben gecreërd via de app en de CamBot.

Hoe zit het met onderhoud? En wat is de rol van de eindgebruiker?

De CamBot wordt ontwikkelt met het oog op het open veld. Robuustheid is het juiste woord. Het dockingstation van de CamBot zal ook het platform worden waar de CamBot op afstand kan worden geanalyseerd en eventueel gerepareerd door ons. Onderdelen die toch stuk gaan zullen over het algemeen uit een 3D-printer kunnen worden gehaald, waardoor reparaties zeer lokaal kunnen plaatsvinden of zelfs ter plekke kunnen worden gemaakt. De CamBot is 1,5 schoenendoos lang en 35 centimeter hoog. Dat betekent dat we de CamBot voor reparatie vrij gemakkelijk kunnen ruilen voor een andere zodat de werkzaamheden door kunnen gaan. Dit zal in het onderhouds en reparatieplan worden gevat.

Welke lessen hebben jullie geleerd?

We hebben geleerd dat flexibiliteit cruciaal is in zo’n ontwikkeltraject. Technische tegenslagen, zoals motorproblemen of leveringsvertragingen van onderdelen, zijn onvermijdelijk. Door snel te schakelen en telkens kleine verbeteringen door te voeren, zijn we stap voor stap verder gekomen. Ook het belang van goede samenwerking met agrariërs bleek opnieuw: hun praktijkkennis is onmisbaar voor het slagen van zo’n innovatief project.

Op kantoor zijn we zelfs gestart met het kweken van aardappelen om meer trainingsmateriaal te genereren. Dankzij een samenwerking met pootaardappelproducent HCPZ konden we, ondanks het atypische seizoen, in december een greenhouse opzetten voor verdere classificatietesten.

Wat is jullie langetermijnvisie op landbouwrobots?

Wij geloven dat landbouwrobots een sleutelrol gaan spelen in de transitie naar een duurzamere en efficiëntere landbouw. Ze ondersteunen boeren bij het nemen van data-gedreven beslissingen en maken arbeidsintensievere processen makkelijker. Toch verwachten we niet dat menselijke arbeid volledig verdwijnt: technologie en vakmanschap zullen juist hand in hand blijven gaan. Je kunt ook niet van telers verwachten dat ze ineens data-wetenschappers worden of dat ze het leuk vinden om in software te duiken. Ondersteuning is het kernwoord en niet, zoals velen denken, een volledig geautomatiseerde boerderij.

Tot slot: als je één boodschap mocht meegeven over landbouwrobots, wat zou dat zijn?

Landbouwrobots zijn geen bedreiging, maar een kans. Ze helpen agrariërs om duurzamer, efficiënter en toekomstgerichter te werken. Door samen te investeren in innovatie, bouwen we aan een veerkrachtige landbouw die klaar is voor de uitdagingen van morgen. Nieuwe data zal begrepen moeten worden en pas daarna omarmd worden. Dat betekent dat bouwers van robots en apps dit op een andere manier moeten brengen en in de taal van de gebruiker, niet van de ontwikkelaar.

Meer weten over dit project? Bekijk de projectpagina op agrobots.community

 

 

Dit project is mede mogelijk gemaakt door het Europees Fonds voor Regionale Ontwikkeling, het Rijk en de provincies Noord-Brabant in het kader van OPZuid.