Op naar een data-intensievere keten
Smart data
• WAT HOUDT HET IN?
De beroepsbeoefenaar van de toekomst gebruikt onder meer kunstmatige intelligentie, machinelearning, sensoren, de cloud en gps systemen om optimale resultaten te krijgen. Het moet leiden tot minder verspilling, gezondere producten, kostenefficiency en hogere opbrengsten.
• WAT VERANDERT ER?
Agrarische sector
Kunstmatige intelligentie
Agrarische bedrijven in heel Europa gebruiken specifiek kunstmatige intelligentie om de beweging, temperatuur en voerconsumptie van hun dieren te volgen. Het systeem kan vervolgens de verwarmings- en voermachines automatisch aanpassen om veehouders te helpen het welzijn van hun dieren te bewaken. Zo houden veehouders tijd over voor andere taken.
Machinelearning
Machinelearning betekent dat je machines kunt programmeren om te ‘denken’ als mensen, door ze te laten observeren, classificeren en leren van fouten. Machinelearning in landbouwproductiesystemen kun je inzetten voor gewasbeheer, inclusief opbrengstvoorspelling, ziektedetectie, onkruiddetectie, kwaliteit en soortherkenning, waterbeheer en bodembeheer. Door machinelearning en sensoren krijgen agrariërs meer inzicht in de gezondheid van hun gewassen en weten ze hoe gezond hun veestapel is. (European Parliament’s Committee on Agriculture and Rural Development, 2019; Pekkeriet & Splinter, 2020)
Sensortechnologie: precisielandbouw
Precisielandbouw brengt een revolutie teweeg in de landbouwsector, met op de millimeter nauwkeurige berekeningen in de velden en de mogelijkheid om zaden, meststoffen, water en gewassen te beheren, en te sproeien, door voortdurende controle en ondersteunende besluitvorming. Met slimme landbouwtechnologieën en moderne datatechnologieën kun je zaadplanting bijvoorbeeld aanpassen aan een specifiek veld om een efficiënt productieproces te waarborgen. In de toekomst kan dit misschien zelfs per plant. Informatie- en datatechnologie ondersteunt agrariërs bij het nemen van weloverwogen beslissingen, op basis van concrete gegevens.
In de precisielandbouw gaat het om waarnemingen door middel van sensoren. Die sensoren meten bijvoorbeeld de pH-waarde in de grond, of de hoeveelheid organische stoffen. Dit levert een kaart van het perceel op. Aan de hand daarvan kunnen agrariërs heel nauwkeurig bepalen welke delen van het perceel meer of minder voedingsstoffen nodig hebben. Precisielandbouw zorgt op die manier voor een optimale groei van de planten, doordat je onder- en overbemesting voorkomt. Agrariërs hoeven minder kunstmest, bestrijdingsmiddelen te gebruiken, wat beter is voor het milieu én hun portemonnee. (Middelweerd, 2016; European Parliament’s Committee on Agriculture and Rural Development, 2019)
Cumelabedrijven vormen een belangrijke schakel binnen de agrarische sector. Doordat zij worden ingezet met hun machines bij veel agrariërs, verzamelen ze veel data. Door machinedata te koppelen aan externe gegevens, zoals akkerkaarten via drones of satellietbeelden, kun je verspilling en het gebruik van chemische middelen en meststoffen verminderen. Cumelabedrijven die hierin vooroplopen, ontwikkelen zich tot ‘Smart Farming as a Service’. Het wordt voor loonwerkers belangrijker om de klant te kunnen adviseren op basis van data. (Steinbusch, 2017)
“Precisielandbouw betekent in feite heel goed meten wat bijvoorbeeld een plant nodig heeft qua grond, gewasbeschermingsmiddelen en water. Bijvoorbeeld drones brengen die gegevens in beeld en die sla je op in datasystemen.”
– Jules Sanders, LTO Noord
Sensortechnologie in de tuinbouw
Elektronische tags en aanpasbare sensoren helpen bedrijven in de tuinbouw het groeiproces en de voorraad te beheren en de kwaliteit te monitoren. Klimaatsensoren meten onder andere de temperatuur, luchtvochtigheid en CO2 in de kassen. De tags verzenden vervolgens draadloos informatie wanneer de te meten variabelen veranderen. Tags kun je ook uitrusten met gps-volgtechnologie om leveringen of bezorgingsupdates te volgen. Zo geeft de Pasteur-sensortag tijdens de reis door de gehele keten – van producent tot supermarkt en in de toekomst ook tot de consument – aan waar het versproduct vandaan komt, onder welke omstandigheden het is vervoerd en wat de werkelijke houdbaarheid van dit product is. Daarmee kun je de keten van versproducten efficiënter en effectiever aansturen. Met de juiste sensoren kun je bij planten ziekten in de kiem smoren. Ook kun je ermee meten welke voedingsstoffen de plant opneemt. (Pekkeriet & Splinter, 2020)
Een voorbeeld is dat kassen worden ingericht als proeftuinen met prototypes van sensornetwerken, met als doel gegevensmonitoring door middel van nieuwe technologieën. Zo kun je behalve water- en klimaatmetingen specifiek de fysiologie, pathologie en stresstoestand van een tomatenplant onder de loep nemen. Met intelligente wiskundige modellen koppel en interpreteer je vervolgens de data. Die bijvoorbeeld de tomatenteler in staat stelt om accurate beslissingen te nemen voor een optimale gewasopbrengst. Ook bij de slagewassen in enkele glastuinbouwbedrijven en vertical farms testen ze de waarde van de sensoren, datasystemen en plantmodellen. Zo onderzoeken ze bij witlof onder meer hoe doorstroming van water plaatsvindt van boven naar beneden en wat de bladgroente ‘eet’. (Has Hogeschool, 2019)
Groene sector
Groene ruimte
In de boomverzorging maakt men steeds meer gebruik van sensortechnologie, zoals de vochtsensor die de boomverzorger in de grond bij de boom plaatst. Daarmee meet hij middels een volgsysteem op afstand het vocht en de zuurstof en andere zaken in de bodem. Als het vochtpeil niet in orde is, krijgt de specialist een melding. Een boomverzorger kan daarop inspelen. Alexander Flier van Flier Boom Specialisten legt uit hoe dat werkt: “Je kunt een boom te weinig, genoeg of te veel water geven: het is een vak apart. Voorheen had je een ploeg met een trekker (of een bus met aanhanger) met water die een route volgde. Met deze sensoren kun je het beter monitoren en gerichte nazorg geven. Je kan tijdig afstemmen wat de boom en de bodem nodig hebben.”
Hoefsmederij
Hoefsmeden werken met een sensor die tijdelijk de beweging van een paard in stap en draf kan vastleggen. Dat levert een 3D-beeld op van de precieze bewegingen van het paard. Daarmee kan een hoefsmid nauwkeurig meten wat er met de hoef gebeurt tijdens een beweging. Op basis van die metingen kan hij vervolgens bepalen wat er moet gebeuren om de stand van de hoeven te bepalen en het hoefijzer goed aan te meten. Ook de invoering van de MRI scan, de nieuwe diagnostische technieken die er zijn, levert veel informatie op. Een hoefsmid kan een beweging tot in detail analyseren.
Paardensport- en houderij
De paardensector maakt steeds meer gebruik van (stal)managementsystemen. Ook gezondheidssystemen die het menselijk oog als het ware bijstaan, zijn in opkomst. Voorbeelden van innovaties die de afgelopen jaren een vlucht hebben genomen, zijn hartslag- en teugeldrukmeters, kreupelheidsdetectie en automatische feeders. Gezondheidssystemen zijn in opkomst die het menselijk oog als het ware ondersteunen. Mieke Theunissen vertelt: “Die technieken nemen toe, die worden beter en we zien dat dat steeds meer ingezet wordt. Zo heeft de universiteit van Utrecht al een pijnherkenningsapp bijvoorbeeld. Dan kan jij een foto of een hoofd van een paard scannen en dan worden alle puntjes aangewezen en dan kun je zien of een paard pijn heeft op dat moment.” Ook worden systemen vaker ingezet om inzichtelijk te maken waar besmettelijke paardenziektes zich in Nederland bevinden. Ook boekingssystemen, les op afstand, stalapps zijn divers ontwikkelingen.
Proefdierverzorging
In de proefdierverzorging is het door nieuwe technieken mogelijk om kleinere en minder dieren aan proeven bloot te stellen. Tot een paar jaar geleden werden er naast muizen ook proeven gedaan op konijnen of zelf apen. Tegenwoordig zijn het bijna uitsluitend nog muizen. Er zijn inmiddels veel alternatieven die experimenten op bijvoorbeeld muizen kunnen vervangen. Zo bestaat er kunsthuid (of 3D-stukjes huid van een proefdier) die in een laboratorium is gemaakt, om allergietesten op te doen. En er zijn computermodellen van het menselijk hart om medicijnen mee te testen. Met imagingapparatuur zoals een MRI-camera, kun je de hersenen van een muis in beeld brengen. Het geeft meer informatie en verhoogt de statistische kracht van een studie. Aangezien imaging het mogelijk maakt om proefdieren over een bepaalde periode te volgen, kun je de effecten van een ziekte of een behandeling in verschillende stadia volgen. (TNO, z.d.)
Ook is het mogelijk de gezondheid van proefdieren beter te monitoren. Hoe meer je op een verfijnde manier kunt meten, des te beter je er ook naar kunt handelen
Bianca Lemmers (Radboud UMC) vertelt: “Eerst had je een warmtematje of een temperatuurmeter en dan kon je kijken of je dier goed op temperatuur was. Nu heb je warmtematjes met thermopro’s. Die doe je om het pootje van de muis. Als die aangeeft dat de muis afkoelt, doet-ie er extra warmte erbij. Op die manier is er sprake van verfijnde techniek. En we onderzoeken constant de pijnbeleving en pijnervaring bij dieren.”
Dierverzorging
Ook in dierverzorging maakt men steeds meer gebruik van technologie en bigdatatechnieken. Zo zijn dieren vaker gechipt. Andere technologieën zijn camera’s om het gezelschapsdier te volgen en een kattenbak die zichzelf kan verschonen. “Het is al mogelijk om zo’n chip te koppelen aan bijvoorbeeld activity checkers. Om te zien waar een hond geweest is en hoeveel kilometer hij heeft afgelegd. De toepassing van de technologie volgt op wat bij mensen gebeurt. Wat we nu aan ontwikkelingen op dit gebied bij mensen zien, zoals een stappenteller, zie je later bij dieren. En nu ik dit zeg, is dit ook alweer oud nieuws”
– Henk van Houwelingen, Dibevo
• WELKE VOORBEELDEN ZIJN ER IN DE PRAKTIJK?
- Aan de hand van data doet de tech-start-up Van Boven voorspellingen over de groei van versproducten. Ze doen dat ter ondersteuning van agrariërs, zodat die efficiënter kunnen werken en zich niet alle kennis erover zelf eigen hoeven te maken. Het doel: minder verspilling, kortere ketens en eerlijkere prijzen. Boerenbedrijven zijn steeds groter geworden, waardoor er simpelweg geen tijd is om iedere plant met een getrainde blik te bekijken. (Food Inspiration, 2021)
- Op koesensor.be staat een overzicht van alle sensoren die op de markt beschikbaar zijn. Ze zijn opgedeeld in categorieën naargelang hun functie. Zo is er een overzicht van onder meer sensoren voor vruchtbaarheidsbepaling, plaatsbepaling, afkalven en melkmetingen.
- In de tuinbouw werken telers, brancheorganisaties en onderzoeksinstituten samen om teeltsystemen nog rendabeler te maken voor de vollegrondstuinbouw. De sector is innovatief. Slimme cross-overs tussen sensortechnologie en tuinbouw bieden grote kansen, maar worden tot op heden onvoldoende benut. Het project GROW! moet daar verandering in brengen. Daarin werken kennisinstituten, hogescholen en universiteiten samen met partners uit de glastuinbouwsector om hightechplantenkassen te bouwen en te optimaliseren. Het doel van de interregionale samenwerking is om de glastuinbouw efficiënter en innovatiever te maken.
• WAT IS DE IMPACT VAN SMART DATA OP HET WERKVELD?
Precisielandbouw vraagt andere competenties van zowel de agrariër als de loonwerker in zijn klantcontact. Adviseren en proactief meedenken met de opdrachtgever wordt belangrijker. Ook het instellen van sensoren vraagt nieuwe competenties, zoals technologische vaardigheden en kennis van de bodem. In plaats van werken vanuit bestaande handelingen is stap voor stap en analytischer denken over de instellingen van de machine steeds belangrijker.
Big data zijn van grote commerciële waarde. Dat betekent dat de beroepsbeoefenaar in toenemende mate met data moeten kunnen werken: van uitlezen tot het interpreteren van data.
“Voorheen werd een complete akker in één keer gespoten met een gewasbeschermingsmiddel. Nu is er een spuit met sensoren en die ziet waar er onkruid is en daar spuit hij eventjes, en niet meer alles. Maar die sensoren moet je instellen en dat vraagt nieuwe competenties van mensen.”
– Dick Klop, Cumela
Doordat je meer informatie genereert, ontstaat er meer contact met de klant in agrarisch loonwerk. Daar zijn communicatieve vaardigheden bij nodig. Dick Klop vervolgt: “Als je mais gaat oogsten, kan je machine het gewicht bepalen dat je per hectare geoogst hebt en ook de voedingswaarde daarvan. Die informatie speel je door naar de agrariër. Dus je hebt een andere relatie met de opdrachtgever. Dat zijn vaardigheden die van de medewerkers gevraagd worden. Hoe kan ik de agrariër adviseren of met hem meedenken.”
Big data zullen in de toekomst van veel waarde zijn voor agrarisch medewerkers en van grote commerciële waarde. Dus moeten beroepsbeoefenaren leren omgaan met data. Alle gegevens, waaronder informatie over mineralen in de grond en wie veel schade heeft gereden, worden bijgehouden. Maar wat betekenen de data? De agrarisch medewerker van de toekomst moet weten wat er is aan data en wat hij ermee kan. “Als ik te weinig water op een akker heb, of de grond te droog is, wat gaat er dan gebeuren? Medewerkers moeten weten hoe ze met die data moeten omgaan om daar invloed op uit te oefenen. En ik heb het nu over planten, maar hetzelfde geldt ook voor dieren.” – Jules Sanders, LTO Noord
Met name voor de Agrarische sector wordt het steeds belangrijker om digitale en computervaardigheden aan te leren. En niet alleen computervaardigheden zijn nodig, maar ook technische en ICT-vaardigheden en kennis van het bedienen van software. Dat komt er allemaal bij, naast de kernactiviteiten van een agrariër. Zo vertelt Steve Fok (LTO Nederland): “Je hebt denk ik iemand nodig die meteen goed is met het bedienen van machines, om daarmee om te gaan en er iets mee te doen. Maar het gaat niet alleen over computers bedienen. Ook over hoe je aandacht houdt voor waar je als bedrijf mee bezig bent, je kernactiviteiten. Zeker als je een groter bedrijf hebt. Je moet je dus verbreden in wat je doet.”
Voor studenten is belangrijk dat zij niet alleen tot vaklieden worden opgeleid, maar dat ze ook de sociale kant leren, vanuit de maatschappelijke druk die er op agrarische bedrijven ligt. Ook bij bijvoorbeeld hoveniers, bloemisten en loonwerkers is er een verschuiving van hardcore vakman naar de vakman die ook maatwerk levert en een sparringpartner is voor zijn klanten. Want de klant is vaak mondiger en wil weten wat hij krijgt voor wat hij betaalt.
INHOUDSOPGAVE GROEN
