�ݺ�ߣ

Fruit 4.0: Naar een
datagedreven fruitteelt
Cor Verdouw, Peter Frans de Jong, Jan van de Zande
Tuinbouw Digitaal Community Meeting, Greenport Digital - What’s next?
19 oktober 2017, World Horti Center, Naaldwijk

Aanleiding: ontwikkeling naar Industrie 4.0
Fruitsector:
behoefte aan
betrouwbare en
actuele
informatie

Doel en focus van de PPS
 Doel:
● Hogere kwaliteit, duurzaamheid en efficiëntie
fruitteeltketen door betere teelt- en
managementinformatie
● Dit moet leiden tot een beter rendement
 Focus:
● Hardfruit NL
● Sensing & Data Management (bloesem, vruchtgroei en
kwaliteit volgen, terugkoppeling sorteerinformatie)
● Hardware beschikbaar of ‘near-to-market’
 Looptijd: 2017-2020
4

smart analysis
& planning
smart
control
smart
sensing &
monitoring
(big) data
management
Naar data-gedreven fruitteelt
Met foto’s van: Vision Robotics Corporation, USU Extension, www.onemandrone.com

Onderdeel van Programma PrecisieTuinbouw
 WP1 Fenotypering
 WP2 Fruit 4.0
 WP3 Smart Glastuinbouw
 WP4 Plantgezondheid
 WP5 Disseminatie
www.precisietuinbouw.nl
7

Aanpak
Centrale rol voor cases (laaghangend fruit)
● Gebruik sensoren bloesem- en vruchtdetectie
● Ontwikkeling algoritmen
● Validatie met tellingen die gedaan zijn gedurende het
seizoen
Vanuit visie lange termijn en gezamenlijk
data management platform (boomgaard van
de toekomst)
8

WP2.1 Sensing Cases
Case 1 Bloesemdetectie en monitoring gewas
● Betere inschatting dunbehoefte en benodigde groeibeheersing
Case 2 Monitoring vruchtgroei, aantallen en –kwaliteit
● Betere inschatting oogsttijdstip, oogst, sortering, benodigde
plukarbeid, verbeterde afzetinformatie met een betere
matching tussen vraag en aanbod
Case 3 Terugkoppeling sorteerinformatie naar perceel
9

Gebruikte sensoren boomgaard Case 1 en
2 (1)
10
Rometron chlorofyl sensor
– Bepaling bladmassa
– Bladvitaliteit
Hokuyo Laser scanner
– Gewasgroei/boomvolume bepaling
– Scheutlengte bepaling top van de boom

Gebruikte sensoren boomgaard Case 1 en
2 (1)
11
Kinect 2 van Microsoft
– RGB camera met
dieptebepaling
– Bepaling aantal bloemclusters,
vruchtaantal en -grootte

Monitoring bloesem Proeftuin Randwijk
Case 1
12

Voorbeelden van sensorbeelden
13
Kinect 2 van Microsoft
– RGB beeld (L)
– Dieptebeeld (R)
Hokuyo Laser scanner
– Laser scanner beeld

Case 3 Terugkoppeling sorteerinformatie naar
perceel
 Sorteermachine detecteert met
Rfid-chip de voorraadbak
 Sorteerrapport met de
sorteerinformatie wordt
gekoppeld aan de voorraadbak
 Informatie wordt geprojecteerd
over het perceel
● Teler kan bijvoorbeeld haarden
met vruchtrot lokaliseren
14

Case 3 Terugkoppeling sorteerinformatie
naar perceel
 Plukplatform (Pluk o Trak) met GPS
registreert in het perceel waar een
volle voorraadbak geplukt is
15

Opbrengsten pluk 1 en 2 proefperceel
16

Data management fruit 4.0
Ondersteuning
besluitvorming
Operationeel
Management
Waarneming & detectie
Hightech boomgaard & keten
Sensing & Control Platform
Bespuitingsadvies-
diensten
Weer-
app
Applicatie
Oogstprognose
Ketenmanagement-
systemen
......
Bedrijfsmanagement
Bureauprocessen
Machine Breakdown
Service
Bedrijfsmanagement-
systeem teelt
......

Doel en aanpak data management
 Data management platform voor:
● opslag van sensormetingen tijdens de teeltcyclus
● combineren daarvan met andere data, bijvoorbeeld sorteerdata,
weersinformatie en middelengebruik
● verwerken tot voor bedrijfs- en ketenmanagement bruikbare
informatie
 Aanpak
● Programma van eisen
● Analyse bestaande dataplatformen, bedrijfs- &
ketenmanagementsystemen en standaarden
● Definitie pilots data management
● Vanaf 2018: uitvoeren pilots
18

19
Fruit 4.0: Naar een
datagedreven fruitteelt
Cor.Verdouw@wur.nl
PeterFrans.deJong@wur.nl
Jan.vandeZande@wur.nl

�ݺ�ߣ

Fruit 4.0: Naar een datagedreven fruitteelt

More Related Content

Fruit 4.0: Naar een datagedreven fruitteelt

Editor's Notes