Tomaatjes groeien dankzij artificiële intelligentie

Autonomous Greenhouse Challenge stimuleert ontwikkeling autonome kassen

In een volledig geautomatiseerde kas in Bleiswijk neemt kunstmatige intelligentie het op tegen de mens. In de kas worden cherrytomaten gekweekt als onderdeel van de tweede editie van de Autonomous Greenhouse Challenge. Op dit moment strijden nog vijf teams tegen elkaar voor de overwinning. Wie kweekt de beste tomaatjes en wie maakt de meeste winst?

Van december tot en met mei kweken de finalisten tomaatjes in een compartiment van de kas. In elk compartiment hangen veel sensoren voor o.a. temperatuur, licht, luchtvochtigheid en CO2 concentratie. De data die al deze sensoren verzamelen wordt doorgestuurd naar de teams die een computer met een eigen ontwikkeld algoritme hebben. De computer stuurt op basis van de data van de sensoren de kas aan.

Een van de grootste uitdagingen van de challenge is dat de deelnemers niet de kas mogen betreden. Alle teams kweken de tomaten op afstand door gebruik te maken van kunstmatige intelligentie. In één compartiment van de kas worden tomaten door tuinders op traditionele wijze gekweekt.

Het vinden van goed geschoold personeel om de kassen en de gewassen te beheren wordt moeilijker

Deze challenge is georganiseerd door de Wageningen Universiteit en dit jaar is de TU Delft sterk vertegenwoordigd in het finalistenteam The Automatoes. Wij spraken met Automatoes teamleden Leonard Baart de la Faille en Neil Yorke-Smith over deze challenge.

Baart de la Faille is de aanvoerder van het team. Zelf werkt hij als R&D engineer bij Van der Hoeven, een bedrijf dat kassen ontwerpt voor over de hele wereld. Ook heeft hij een aanstelling bij de TU Delft, waardoor hij een goede schakel is tussen de universiteit en het bedrijfsleven

Yorke-Smith is Associate Professor Socio-Technical Algorithmics aan de Faculteit Elektrotechniek, Wiskunde en Informatica (EWI). In zijn onderzoek houdt hij zich vooral bezig met het helpen van mensen om beslissingen te maken in complexe situaties. Als academicus is hij een belangrijke schakel in het team.
 

Wat is het doel van de Autonomous Greenhouse Challenge?

Baart de la Faille: “De wereldbevolking groeit en er is steeds meer behoefte aan voedsel van hoge kwaliteit. Producten die uit de kas komen zijn van dat hoge niveau. Er zullen wereldwijd dus veel kassen bij komen. Deze wereldwijde vraag naar kassen levert ook een probleem op. Het vinden van goed geschoold personeel om de kassen en de gewassen te beheren wordt moeilijker. Vaak zie je dat een Nederlandse tuinder naar het buitenland gaat om daar een kas op te starten. Deze tuinders zijn nu veelal tussen de 50-60 jaar en over tien jaar met pensioen. Er zijn te weinig mensen om hen op te volgen. De challenge haakt in op dit probleem. Hoe kunnen we autonome kassen ontwikkelen gericht op tuinbouw met kunstmatige intelligentie?”

Hoe is de challenge opgebouwd?

Baart de la Faille: “De challenge bestaat uit twee rondes. In de eerste ronde is een hackathon gehouden waaraan meer dan 200 mensen uit allerlei landen meededen, verspreid over 21 teams. Het belangrijkste onderdeel van de hackathon was het kweken van tomaatjes in een virtuele omgeving. Ook werden er punten gegeven voor teamsamenstelling en plan van aanpak. Tijdens de hackathon zijn er 5 teams geselecteerd als finalisten, waaronder wij, the Automatoes! Van december tot en met mei zijn wij echte tomaten aan het kweken in de kas in Bleiswijk. Dit gebeurt op afstand, deelnemers mogen de kas niet betreden.”

Waarom neem je deel aan de challenge?

Baart de la Faille: “Ik ben al lange tijd werkzaam in deze sector. Een jaar of 5 geleden zag ik dat autonoom telen in kassen een trend zou gaan worden. Daar was ik door gefascineerd. Tijdens mijn sollicitatie bij Van der Hoeven heb ik verteld over deze challenge. De directeur was gelijk enthousiast! We zijn toen geschikte partijen voor het team gaan benaderen. Hoogendoorn, een leverancier van klimaatcomputers, wilde graag meedoen. Via het Delft AgTech Institute heb ik contact gelegd met de TU Delft. Tamás Keviczky en Neil Yorke-Smith waren snel enthousiast. Toen ging het vrij snel en hebben we ons team verder vormgegeven met onder andere TU Delft studenten en Keygene, een bedrijf gespecialiseerd in veredeling van planten.” 

Het werken op het snijvlak tussen fundamenteel onderzoek en het bedrijfsleven is belangrijk

Yorke-Smith: “In mijn werk ben ik bezig met het helpen van mensen om beslissingen te maken in complexe situaties vooral met behulp van algoritmen. In mijn onderzoeksgroep proberen we fundamentele concepten te begrijpen. Hierbij kijken we naar waarom bepaalde keuzes wel werken in de ene situatie en niet in de andere. Het onderwerp van de Autonomous Greenhouse Challenge is een gebied waar wij denken dat onze ontwikkelde algoritmes goed van pas kunnen komen. Het is een sector waar we nog niet eerder voor hebben gewerkt. Het is voor ons dus ook een kans om uitgedaagd te worden met problemen en eisen die je niet snel zult vinden in andere domeinen van ons onderzoek.

Het werken op het snijvlak tussen fundamenteel onderzoek en het bedrijfsleven is belangrijk. Wij hebben de nieuwste algoritmes voor machine learning en kunnen er mooie dingen mee doen voor de tuinbouw, maar als het bedrijfsleven daar niet op zit te wachten en net andere vraagstukken heeft, dan loop je elkaar mis. 

Jullie hebben goed gepresteerd tijdens de hackathon en behoren nu tot de finalisten, waar ligt de kracht van jullie team waarbij jullie kennis van de TU Delft gebruiken?

Yorke-Smith: Als je kijkt naar wat de meeste teams vorig jaar deden, is dat ze veel varianten van machine learning modellen hebben toegepast, die vervolgens de kas besturen. Er zijn natuurlijk verschillen in hoe ze dat precies doen, maar in grote lijnen deden de teams hetzelfde. Voor ons was machine learning geen doel op zich, maar we zijn uitgegaan van het doel, de planten optimaal laten groeien, en hebben nagedacht hoe je dat het beste kan bereiken.

Het lastigste is eigenlijk het herkennen van het probleem in de kas en het vinden van het juiste optimalisatie-algoritme wat daarbij past

“Dit hoeven niet noodzakelijkerwijs alleen maar machine learning-technieken te zijn. Wij maken ook veel gebruik van model-based AI en op data gebaseerde optimalisatie. Dat betekent dat we proberen eerst het systeem zo goed mogelijk te begrijpen en vervolgens gericht intelligentie toevoegen om het systeem te laten doen wat we willen, in plaats van enkel het systeem te besturen als een black-box.”

Baart de la Faille voegt daaraan toe: “Het lastigste is eigenlijk het herkennen van het probleem in de kas en het vinden van het juiste optimalisatie-algoritme wat daarbij past. Om dat te kunnen doen moet je van verschillende werelden iets weten. Weten hoe optimalisatie werkt, hoe een kas in elkaar zit, maar ook voldoende plantenkennis in huis hebben. Wij hebben die combinatie, vanwege de grote variëteit van achtergronden en kennis van onze teamleden. Door samen te werken met anderen ontstaat er een goede synergie. Deze challenge is een mooi voorbeeld van hoe wij onze krachten kunnen bundelen.”

Op dit moment is de wedstrijd in volle gang. Hoe verloopt de wedstrijd tot nu toe?

Baart de la Faille: “Vanaf half december hebben wij ons deel van kas overgenomen. Na bijna 2 maanden zijn de eerste tomaatjes geoogst en dat zal in het vervolg regelmatig gebeuren. In principe stuurt de computer met ons eigen algoritme op basis van de data die we krijgen van de sensoren, zogeheten setpoints terug waarmee de kas wordt aangestuurd. Wij doen zelf nog vrij veel analyses om te zien wat er gebeurt en of het systeem goed reageert. En dat allemaal zonder de kas te betreden.”

Yorke-Smith: “Met het aanpassen van ons algoritme zijn we voorzichtig. Planten doorlopen verschillende stadia tijdens het groeiproces. Als we aanpassingen doen en de plant groeit beter, kunnen we niet met zekerheid zeggen of dat komt omdat we ons algoritme hebben aangepast of omdat het die week erg zonnig was.”

Baart de la Faille: “Er zit ook een wedstrijdelement aan deze challenge. Het gaat erom welk team de meeste winst maakt. De kosten worden gebaseerd op onder andere elektriciteitsverbruik, water en arbeid. De omzet op basis van hoeveel geld de tomaatjes opbrengen. De prijs die wij op papier krijgen voor de tomaatjes is afhankelijk van het suikergehalte in de tijd. In januari zijn tomaten veel meer waard dan in de zomer. Het team met de meeste winst, het minste gebruik van energie en grondstoffen en met de beste methodologie en aanpak zal in mei worden uitgeroepen tot winnaar van de Autonomous Greenhouse Challenge.”