Slim sorteren met AI in de glastuinbouw

Crux Agribotics digitaliseert en automatiseert de glastuinbouw. Ferry Mulders, Technology & Safety Officer, vertelt enthousiast over ‘zijn’ robots. “Wij zijn een stel vakidioten bij elkaar die dingen maken waar we trots op zijn”.

Crux Agribotics ontwikkelt groente-sorteer- en verpakkingslijnen. De grote uitdaging daarbij is dat ze met unieke producten werken. “Geen komkommer is hetzelfde”, legt Ferry uit. “Het is enorm ingewikkeld om een sorteermachine te leren herkennen wat een goede komkommer is.” Hij brengt direct het onderscheid ter sprake over het verschil tussen Machine Learning (ML) en AI. “AI is tegenwoordig een containerbegrip. Alles is AI.” Hij wijst er terecht op dat sorteermachines meestal geen gebruik maken van AI maar van ML.

Het grote verschil? “AI wordt getraind door bijvoorbeeld een neuraal-netwerk waar de producten worden gedefinieerd in de trainingsfase en zichzelf vervolgens leert wat goed en fout is. Terwijl ML juist sterk afhankelijk is van grote data sets, kwalitatieve data, waaruit men de wiskundige gegevens kan vergelijken en aanpassingen doen indien nodig.” De komkommer sorteermachine leert aan de hand van enorme hoeveelheden data wat een komkommer is, hoe hij die moet kwalificeren en hoe hij deze vervolgens moet verpakken.

AI vs ML

Crux Agribotics werkt intensief samen met de glastuinbouw en heeft daardoor uniek zicht op de praktische inzetbaarheid van ML en AI. Een voorbeeld van een toepassing van AI is de detectie van het steeltje aan een komkommer. Het algoritme leert zelf het steeltje te herkennen en hoe de machine daar tijdens het verpakken het beste mee om kan gaan.

Ferry gebruikt een tomatenmachine als voorbeeld van ML. “Met behulp van visiontechnologie kijken we naar tomaten en schatten we het gewicht. Dat hangt af van de samenstelling van zo’n vleestomaat. Achteraf wegen we de totale verpakking en met die data voeden we de machine weer. Met die terugkoppeling hebben we een ML-lus ontwikkelt.”

“Elk dertig minuten krijgt de machine nieuwe data. In dat halfuur is de positie van de zon veranderd en daarmee ook de gewichtsverhouding van de vleestomaat.” Elk halfuur passen ze de algoritmes aan om zo nauwkeurig mogelijk het gewicht van de vleestomaten in te schatten. “Dat heeft alles te maken met de minimale producteisen. Een krat moet altijd minstens het vereiste gewicht halen. Alle extra kilo’s geeft de producent voor niets weg.” Een nauwkeurige voorspelling loont dus. “Dit is dus geen AI. Maar een wiskundig model”, benadrukt Ferry.

Toekomst

De ontwikkeling van AI gaat snel. Ferry wil in de toekomst AI inzetten om de receptuur van de machines automatisch te kunnen aanpassen en daarmee de efficiëntie te verhogen. Hij geeft een voorbeeld: “Machines werken met een recept, een bepaalde invoer. Geen enkel product is het zelfde. Als een klant vraagt de komkommers alleen dwars, in de korte kant, van het krat gelegd moeten worden, dan moet dat worden ingevoerd in de machine – de receptuur.” Met behulp van AI wil Ferry in de toekomst de klant kunnen adviseren om het receptuur aan te passen. Bijvoorbeeld wanneer er op dat moment alleen lange komkommers beschikbaar zijn, die niet dwars in het krat passen.

Productie Proces Automatisering event

Ferry geeft de presentatie Slim sorteren met AI: nauwkeurigheid onder wisselende kasomstandigheden tijdens Productie Proces Automatisering event (PPA). Bekijk het volledige programma op de website en ontdek waar innovatie de productievloer ontmoet.