ENGINEERINGNET.BE - "Om de kas autonoom te besturen, ontwikkelden we een Digital Twin gebaseerd op mechanistische modellen en een machine-learning-algoritme op basis van Reinforcement Learning," aldus Anja Dieleman, projectleider AGROS van Wageningen University & Research.
Begin dit jaar startte drie kasproeven met echte komkommergewassen, om hun prestaties te evalueren in de onderzoeksfaciliteiten van WUR in Bleiswijk. Deze waren gebaseerd op de twee AI benaderingen en een telersreferentie.
In de eerste proef was de klimaatregeling en het gewasmanagement gebaseerd op de huidige teeltkennis en best practices, met een teelt- en irrigatiestrategie die gericht was op het realiseren van een evenwichtige gewasgroei en -productie.
"Het aantal geoogste vruchten kwam goed overeen met de voorspelde opbrengst, die was gebaseerd op het teeltplan dat aan het begin van de proef was gemaakt. De nettowinst in het telerscompartiment was het hoogst," zegt Anja.
De Digital Twin die het tweede compartiment aanstuurde, is gegenereerd door het gecombineerde gewas- en klimaatmodel van de business unit Glastuinbouw van de WUR. In deze bijna-echte omgeving bepaalde de Digital Twin de ideale regelstrategie op basis van de reacties van het gesimuleerde klimaat en het virtuele komkommergewas.
Het gebruikte real-time data van klimaatsensoren en handmatige gewasmetingen om zijn regelstrategie zelf te kalibreren en te verbeteren tijdens de proef. De Digital Twin realiseerde een objectieve regelstrategie, waarbij de werkelijke kosten werden afgewogen tegen de verwachte baten: de komkommers die de komende twee weken zouden worden geoogst.
Hoewel het aantal geoogste komkommers lager was, maakte de Digital Twin optimaal gebruik van variaties in stroomprijzen, wat resulteerde in de laagste prijs per kWh gebruikte elektra.
In het derde kascompartiment werd het klimaat geregeld door een Reinforcement Learning algoritme dat was getraind op virtuele datasets van komkommergewassen en klimaat.
Het model kon actuatoren besturen zoals verlichting, schermgebruik, CO2-concentratie en verwarming, maar was niet getraind om irrigatie en het snoeien van fruit te besturen.
Dit 'black box' model resulteerde in een kasklimaat dat aanzienlijk verschilde van de andere twee, maar het gewas bleek goed om te kunnen gaan met de grotere temperatuurschommelingen. Het resultaat was een goede fruitproductie.
"De volgende stap in de ontwikkeling van autonome kasbesturing is het opnemen van sensoren in de regelkring, waarvoor robuuste sensoren nodig zijn, ondersteund door zachte sensorgebaseerde oplossingen," aldus Dieleman.
