Na het succesvolle eerste Remote Sensing-project (ja, het project dat in 2024 een Computable Award won!) start nu het vervolg: Remote Sensing for Floriculture II. In dit project onderzoeken we hoe kunstmatige intelligentie (AI), drones, satellieten en andere sensoren kunnen helpen bij het opsporen van plantenziektes en afwijkingen in gewassen.

Remote Sensing for Floriculture II officieel van start

Het nieuwe duurzaamheidsproject werd op vrijdag 24 januari gelanceerd op Landgoed Tespelduyn, samen met alle betrokken partners. Remote Sensing II bouwt voort op het eerdere succes, waarbij onderzoekers een AI-model ontwikkelden dat met dronebeelden plantenziektes kan opsporen. Dit leverde veelbelovende resultaten op én een Computable Award.

Doel van het nieuwe project

In dit vervolg ligt de lat hoger. Onderzoekers combineren nu meerdere databronnen:

  • dronebeelden
  • satellietinformatie
  • camerabeelden vanaf machines
  • grondsensoren

Door deze technieken samen te gebruiken, kan nog nauwkeuriger worden bepaald welke planten bescherming nodig hebben – en welke niet. Het doel is dat bollentelers deze technologie makkelijk kunnen toepassen, zodat ziektes eerder worden ontdekt en gewasbeschermingsmiddelen gericht, zuinig en duurzaam kunnen worden ingezet.

Focus op botrytis in tulpen

De eerste stap is het verbeteren van de herkenning van botrytis in tulpen. Hiervoor worden tulpenvelden in hoge resolutie gefotografeerd vanuit de lucht. De beelden worden geannoteerd: onderzoekers geven precies aan waar de ziekte zit. Daarmee wordt het AI-model getraind om botrytis automatisch te herkennen.

De uitkomsten kunnen worden omgezet in taakkaarten voor spuitmachines, zodat er alleen gespoten wordt waar het echt nodig is. Dat bespaart middelen en kosten én vermindert de impact op waterkwaliteit en biodiversiteit.

Sneller en slimmer data verzamelen

De huidige drones vliegen nog relatief langzaam en laag om beelden van hoge kwaliteit te maken. In de volgende fase wordt onderzocht hoe dit proces sneller kan, zodat grotere gebieden in minder tijd kunnen worden vastgelegd.

Daarnaast wordt gekeken naar het gebruik van droneboxen: beschermde stations bij de velden waar drones automatisch kunnen opstijgen en landen, zonder dat er een piloot aanwezig hoeft te zijn. Zo kunnen ze op elk moment real-time data verzamelen.

Uitbreiding naar nieuwe technieken en gewassen

Het onderzoek wordt breder dan in de eerste fase. Naast drone- en satellietdata worden ook andere bronnen ingezet, zoals:

  • camera’s op tractoren
  • beelden van landbouwrobots
  • grondsensoren

Door al deze data te combineren, wordt het mogelijk om niet alleen ziektes te herkennen, maar ook om voorspellingen te doen over het ontstaan en verspreiden ervan. De technologie wordt daarnaast getest op andere gewassen en ziektebeelden, zodat zij uiteindelijk breder toepasbaar is binnen én buiten de sierteeltsector.

Hoe eerder we botrytis zien, hoe minder ingrepen er nodig zijn. Precisie begint bij op tijd weten.

De landbouw van de toekomst

Komend jaar worden veel nieuwe beelden en meetgegevens verzameld, vooral zodra de lente begint. Deze data worden gebruikt om het AI-model verder te verbeteren. Tegelijk wordt gewerkt aan een goede vertaalslag naar de praktijk, zodat telers de technologie eenvoudig kunnen gebruiken met hun huidige apparatuur.

Het resultaat? Minder middelen, lagere kosten en een positieve bijdrage aan waterkwaliteit, biodiversiteit en de Europese ambitie om het gebruik van gewasbeschermingsmiddelen te verminderen.

Betrokken partners

Dit project is mogelijk gemaakt door een brede coalitie van regionale partners, initiatiefnemers en financiers. Zij werken samen om de kustveiligheid te verbeteren en innovatie te stimuleren:

Projectpartners