Onze technologie en kennis

Met onze kennis en technologie ontwikkelen we een autonome bladkniprobot voor komkommer planten in de hoge draad teelt. Deze zal ook met beperkte aanpassing geschikt zijn voor de tomaten teelt. Ook het autonoom oogsten zit in onze roadmap, zoals ook automatisering voor andere gewassen of bloemen.

De end-effector (patent pending) voor bladknippen is intrinsiek tolerant in het positioneren en knippen, wat hem robust maakt voor het autonoom knippen. In de toekomst zal er op de interface ook andere end-effectors worden geplaatst. Denk dan aan bijvoorbeeld oogsten, precisie spuiten, insect detectie en elimineren. Er is een enorm perspectief voor meer met het CropTeq platform.

Daarnaast hebben we ervoor gekozen het systeem standaard te voorzien van een mogelijkheid voor datacollectie, ook voor andere leveranciers, met bijvoorbeeld een perspectief op voorspellen van groei en daarmee oogstprognose.
Data is een veel besproken thema. Wij meten en verzamelen. Op basis daarvan kan de teler zelf zijn interpretaties maken.

Onze Artificial Intelligence

Een robot die autonoom moet bladknippen, oogsten en zich dus continu moet aanpassen heeft instructies nodig. Met een vision systeem herkennen van een object en zijn positie is met een neural network en juiste camera mogelijk. Met aanvullende technieken kan een plantmodel worden gemaakt en zo een bewegings- en end-effectorstrategie.

Met voldoende beelden kun je algoritme trainen zodat het systeem de juiste dingen herkent. Trainen is een nieuw woord voor programeren. Je hoeft daar echter geen software specialist voor te zijn. De algoritmes verfijnen, herkennen van de plant, vergt wel kennis en inzicht. Als je ze eenmaal hebt is het steeds verbeteren iets wat de teler ook zou kunnen.

Kunstmatige intelligentie maakt dus de herkenningssoftware zelf en niet een mens. AI software is daarmee nooit 100% betrouwbaar, dus je kunt er ook geen 100% van het blad mee knippen of vrucht mee oogsten. Wel bijvoorbeeld 95%, maar dat kan wegzakken door andere lichtinval, etc. 

Ondanks die beperking is het de AI die de automatisering in de kas mogelijk maakt.

Data

Een robot genereert veel data. Geheugen is geen probleem dus je kunt erg veel opslaan. Je hebt 2 soorten data, machine data en applicatie data.

Machine data is interessant om je systeem te monitoren, te analyseren en te verbeteren. Bijvoorbeeld het energiemanagement. Je kunt wel uitrekenen hoe het verbruik van energie is, maar de praktijk is vaak anders en ook niet bij iedereen hetzelfde. Wat is dan je oplaad strategie of de benodigde capaciteit, je levensduur. Met machine data kun je dus uiteindelijk nieuwe keuzes maken en de prestatie verbeteren. Dat doen we zeker.

Applicatie data is voor de teler interessant. Temperatuur, licht, vocht, CO2 je zou ze allemaal continu kunnen meten en monitoren. Ook daar geldt dat je met analyse ook conclusies kunt trekken en je teeltproces gaat aanpassen. Die data meten we niet default, maar het kan wel toegevoegd worden. Die ruwe data is uiteraard eigendom van de teler, maar hij heeft wel hulp nodig van een specialist die de data kan analyseren en de waarde kan verhogen.  

 

Robot pad planning.

Een robot arm die van A naar B beweegt is niets nieuws. Een arm die continu zijn beweging aan moet passen en botsingen moet voorkomen is de innovatie. En dat ook nog reel time op maximale snelheden. Daar zit de intelligentie van ons systeem. 
Uiteindelijk wil niemand dat een robot continu de plant raakt, dus ga je er omheen.

End effector: nauwkeurig, snel en economisch haalbaar. 

Nauwkeurigheid is voor een robot in het algemeen geen probleem. In de kas is de kalibratie bepalend en het systeem van de end effector. Belangrijk is om de plant zo min mogelijk te stressen. Dat is met ons knipsysteem gerealiseerd (patent pending).

Een robot kan heel snel zijn. De veiligheidseisen beperken enerzijds de bewegingssnelheid van de cobotarmen, anderzijds beperkt het voorzichtig omgaan met de plant ook de snelheid. Onder aan de streep is voornamelijk de beweging van blad naar blad bepalend en de EOAT cyclustijd. Het visionsysteem, de beeldbewerking zitten niet in het kritische pad van de bewegingsplanning.

Economisch haalbaar, omdat de variabele kosten van het systeem erg laag zijn. De variable kosten en de afschrijving van de investering geeft een robot uurtarief die substantieel lager is dan de loonkosten. De snelheid van het systeem is daarin essentieel en die gaat alleen maar toenemen. De software domineert wat betekent dat een belangrijk deel van de variabele kosten zit in de onderhouds en licentiekosten van de software.