Focus

Op dit moment ligt de focus op het knippen van blad van de komkommer planten in de hoge draad teelt.Het is duidelijk dat het toepassen van deze oplossing in andere hoge draad teelt, zoals tomaten daarna volgt.
Ook zijn we gestart met de door ontwikkeling voor het oogsten. Met hetzelfde CropTeq robot platform voegen we nieuwe functionaliteit toe om te oogsten. Concreet betekent dit een extra oogst end-effector en de logistieke voorzieningen voor het afvoeren van product. De bladknip robot kan daarmee dus opgewaardeerd worden naar een bladknip & oogstrobot.

Voordelen CropTeq platform t.o.v. een mens. 

  • Knipt met voorspelbare betrouwbaarheid, je weet wat je krijgt. 
  • Knipt met constante kwaliteit, altijd netjes langs de stam. 
  • Heeft geen opleiding of instructie nodig, je hele vloot robots is even goed. 
  • Doet graag je laagwaardige werk, heeft geen hoofdpijn of heeft huisvesting nodig. 
  • Knipt met een constante snelheid, met een scherp uurtarief. 
  • Je krijgt meer grip op mogelijk virusverspreiding

En

  • Op termijn kan één robot steeds meer, denk aan oogsten, sorteren, etc.
  • Met artificial intelligence (AI) gaan er nog meer nieuwe mogelijkheden komen
  • Ontsluit je data per stam; licht, vocht, temperatuur, CO2, vorm, gewicht, etc
  • Steeds meer innovatieve end-effectors. 

 

 

Hoe gaat de CropTeq te werk?

De robot heeft samen met de end-effector 6 vrijheidsgraden. Je kunt dus overal bij. Ook een blad achter de stam kun je verwijderen. Je kunt dus 360 graden rondom de stam bladknippen. 

We kunnen het blad verwijderen op meerdere methoden, dus snijden, knippen, breken. Dat zijn dus configuratie keuzes. Snijden langs de stam geeft een hele mooie snede, een "clean cut". Knippen laat iets meer steel staan dan snijden.

Om de virusdruk te verlagen hebben we het knipunit voorzien van een inrichting die continue de delen die contact maken met de plant ontsmet. Dit is een groot voordeel, je bent niet afhankelijk van het gedrag van een mens.

De robot is feitelijk een cobot. Een collaberative Robot, die zonder afscherming veilig kan werken met mensen. Bij onverwacht contact met bijvoorbeeld een mens stopt het systeem, zonder letsel aan te brengen. Wij gebruiken de maximale snelheden die zijn toegestaan met een cobot en halen daarmee goede prestaties. Inclusief het zorgvuldig ontwijken van vrucht, blad, stam maakt dat we zeker 1000 blad per uur kunnen knippen. Dat is een toprestatie. Met slechts een verdubbelling van de bedrijfsuren zijn we al sneller als een mens. Je hoeft dus niet naar 24/7, de robot is al rendabel bij 12/7

De CropTeq robot is feitelijk een software platform. 

De CropTeq-robot is geen gewone machine maar een echte mix tussen een hardware- en softwareplatform. Zonder een gedegen Kunstmatige Intelligentie en robotpadplanning is de robot niet in staat om een blad te vinden of te bereiken. Maar zonder onze slimme eindeffectoren kan de robot geen bladeren snijden of komkommers oogsten.

Naast de primaire functie van de robot zijn er nog veel meer softwaretoepassingen te bedenken die in een kas van pas komen. Dit kan in een statische positie, maar in het geval van precisielandbouw zal iets of iemand de applicatietools door de kas moeten verplaatsen. De robots van CropTeq zijn zo'n platform waarop ook derde partijen - andere partijen - hun applicaties kunnen integreren. 

Is de Cropteq een gamechanger?

Het meest simpele antwoord hiervoor is; Ja. De VDL-technologie heeft een aantal hoofdkenmerken die het een gamechanger maakt. Het is meer dan alleen het vervangen van arbeid.

Voor een teler is de terugverdientijd en het probleem wat je ermee oplost cruciaal. Wij geloven dat robotisering alleen haalbaar is als de business case goed is. Goed kiezen, wat je gaat robotiseren is essentieel.

Onze platform gedachte is in de basis een modulaire gedachte met interfaces. Er wordt gebruik gemaakt van standaard componenten en functionaliteiten met een roadmap naar meer.

Artificial Intelligence (AI) is een technologie die de afgelopen jaren is, uitgegroeid tot een disruptieve technologie. Doorbraken in een techniek genaamd deep learning zorgen voor nieuwe prestatieniveaus, voor verschillende AI-toepassingen, waaronder computer vision.

AI en deep learning heeft een eerste golf van succesvolle consumententoepassingen mogelijk gemaakt, aangedreven door de toonaangevende bedrijven, zoals Google, Uber, Tesla, Facebook en Netflix.

Nu is een tweede AI-golf van industriële toepassingen bereikbaar, plus het voorspellen van kwaliteitscontroles en slimme automatisering.

Slimme automatisering in de tuinbouw is voor ons het volgende. Door autonome robitica, het integreren van Vision en AI. Met behulp van de kennis van de teler. 

Voor software programmeurs is machine learning een andere manier van programmeren.

Traditioneel schrijft een software programmeur, vaak een expert, in zijn programma de regels en voorwaarden, die input vertaalt naar een gedefinieerde output.

Bij machine learning gaat dat echt anders. Door het een dataset te geven met de gewenste output, leert de machine (learning-algoritme) zelf hoe het een output kan genereren voor nieuwe data.

Je traint (modificeert) als engineer je deep learning algoritme (ontwikkelomgeving) met je dataset, waarmee je vervolgens je applicatiesoftware genereert.

Je industrieel product kan met die gegenereerde software, autonoom nieuwe data associëren aan de getrainde output.

Machine learning is voor bijna alle industriesegmenten toepasbaar, van financiën tot productie. Voorspellende modellen helpen de kosten te verlagen, de kwaliteit te verbeteren en nieuwe toepassingen mogelijk te maken.

Deze technologie heeft ook zijn beperkingen, maar implementatie in een breed spectrum aan industriële toepassingen, zal erg gaan toenemen. 

Deep Learning is techniek die door een google team in 2012 is geïntroduceerd, steeds meer wordt toegepast en geoptimaliseerd is voor specifieke toepassingen. Wij gebruiken daarvan uiteraard de beschikbare technologie, waarop we onze applicatie hebben gebouwd.

Convolutionele neurale netwerken - AI-algoritmen die gespecialiseerd zijn in het leren van beeldgegevens, gebruikt o.a. voor het detecteren van objecten en mensen, foto's en het analyseren van medische of wetenschappelijke afbeeldingen.

Reinforcement learning - AI-algoritmen die gespecialiseerd zijn in het leren, om optimale reeksen van acties te ondernemen. Meestal gebruikt voor procesoptimalisatietaken en (robot) automatisering.

Segmentatie netwerken om met punten wolken nog betere sturing te geven aan onze robot bewegingen.

 

De kracht van een robot wordt vaak bepaald door de prestatie van de End-Effector. Creativiteit en slimme mechatronische constructies, zijn in een omgeving met levend product cruciaal.