Van belofte naar praktijk

Die herkenning vraagt om enorme hoeveelheden data én om een snelle verwerkingscyclus. Croptimal heeft een werkwijze opgezet waarin data die op dag één in een nieuw ras wordt verzameld, binnen 24 uur is te verwerken tot een aangepast algoritme dat de volgende dag opnieuw het veld in kan. In de aardappelteelt telt timing zwaar mee: een week later ziet het gewas er alweer anders uit en is de kans groot dat je te laat bent. Die korte cyclus — mogelijk gemaakt door de MLOps-samenwerking met Track32 — is een belangrijk onderscheidend punt ten opzichte van traditionele ontwikkeltrajecten waar zo'n iteratie weken of maanden duurt.

Daarbij spelen ook praktische uitdagingen een rol. Een camera die net verkeerd staat afgesteld kan bijvoorbeeld al leiden tot grote hoeveelheden onbruikbare beelden. Juist dat soort details bepaalt uiteindelijk of een systeem praktijkwaardig wordt.

Binnen DigiAgro werkt Croptimal intensief samen met verschillende partners uit het consortium, waarbij Croptimal de regie voert op de doorvertaling van onderzoek naar marktklare technologie. Met de Rijksuniversiteit Groningen en NHL Stenden wordt gewerkt aan beeldherkenning, datasets en algoritmes. Samen met Track32 ontwikkelt Croptimal oplossingen op het gebied van MLOps, waarmee algoritmes sneller verwerkt en uitgerold kunnen worden — een mogelijkheid die Croptimal in staat stelt nieuwe rassen en ziektes veel sneller te ondersteunen dan een klassieke ontwikkelaanpak toelaat.

Ook studenten en onderzoekers van de Hanze leveren een belangrijke bijdrage. Zij werken onder andere aan systemen voor het automatisch verwijderen van zieke planten en aan toepassingen voor variabele bemesting per plant. Daarnaast ondersteunt de Hanze bij juridische vraagstukken rondom data en eigenaarschap.

Volgens Croptimal is juist die samenwerking één van de belangrijkste opbrengsten van het project. Partners hebben elkaar leren kennen, vullen elkaar aan met verschillende expertises en blijven ook buiten het project samenwerken aan verdere doorontwikkeling.

Croptimal onderzoekt bijvoorbeeld hoe datasets gedeeld kunnen worden zonder direct concurrentiegevoelige informatie prijs te geven. Tegelijkertijd biedt samenwerking rondom data juist kansen om meer inzicht te krijgen in gewasgroei, ziektes en teeltoptimalisatie.

Ook de samenwerking met TNO rondom AgriFlow speelt hierin een belangrijke rol. Door data slimmer te verwerken en inzichtelijk te maken, ontstaan nieuwe mogelijkheden voor toepassingen in de agrarische praktijk.

Het project heeft inmiddels geleid tot werkende machines en waardevolle praktijkervaring. De systemen kunnen steeds beter zieke aardappelplanten herkennen en de algoritmes worden robuuster door het verzamelen van grote hoeveelheden praktijkdata uit Nederland, Duitsland en Frankrijk. Die multi-regio dataset is een belangrijk onderscheidend punt: door te trainen op verschillende grondsoorten, klimaten en teeltpraktijken wordt de technologie minder gevoelig voor lokale omstandigheden en breder inzetbaar dan systemen die alleen op Groningse data zijn gebouwd.

Daarnaast zijn meerdere dataverzamelingssystemen actief in het veld om nieuwe datasets op te bouwen voor verschillende rassen en ziektes. Juist die datasets vormen een belangrijke basis voor toekomstige versies van de technologie.

De focus verschuift daarmee van een eerste werkend prototype naar de ontwikkeling van volgende generaties systemen: sneller, slimmer en beter inzetbaar onder uiteenlopende omstandigheden.

Tegelijkertijd laat het project zien hoe belangrijk samenwerking is om innovaties daadwerkelijk toepasbaar te maken in de praktijk. Croptimal bouwt daarmee niet alleen aan technologie, maar ook aan een netwerk van kennis, data en partnerschappen dat de basis vormt voor toekomstige innovaties in de landbouw. 

De stap van prototype naar praktijk blijkt geen rechte lijn, maar een continu proces van testen, leren en verbeteren. Binnen DigiAgro laat Croptimal zien hoe innovatie ontstaat door technologie te combineren met praktijkervaring en samenwerking.

Met steeds meer data, nieuwe inzichten en een groeiend netwerk van partners werkt Croptimal verder aan systemen die niet alleen veelbelovend zijn op papier, maar straks ook écht het verschil maken op het land.

Daarin schuilt een bredere les: juist door ICT-kennis uit de steden — kunstmatige intelligentie, data science, MLOps — in te zetten op het platteland, ontstaat de technologie die nodig is om gezonder pootgoed en voedselgewassen te telen. Nederland is wereldwijd de grootste exporteur van pootaardappelen; wat hier op het veld wordt verbeterd, werkt door in de voedselvoorziening van tientallen landen. De verbinding tussen stedelijke digitale expertise en agrarische praktijkkennis is daarmee niet alleen waardevol voor de Nederlandse teler, maar heeft potentieel wereldwijde impact op de kwaliteit en beschikbaarheid van voedsel.

Wilt u meer weten over de ontwikkelingen van Croptimal binnen DigiAgro of bent u geïnteresseerd in samenwerking op het gebied van AI, beeldherkenning, MLOps en precisielandbouw? Neem dan contact op met Jeroen Wolters van Croptimal via jwolters@croptimal.nl