Gegevensoogstfeeds Landbouw 4.0

Boeren verzamelen sensorgegevens om over te schakelen van preventieve naar voorspellende landbouw.

Sinds het begin heeft de industriële revolutie zich gericht op het automatiseren van productieprocessen. Nu we het tijdperk van Industrie 4.0 zijn binnengegaan, zijn de meeste industriële processen datacentrisch geworden, waarbij doorgaans vijf stappen van gegevensmanipulatie zijn betrokken:verzamelen, verzenden, opslaan, analyseren en ten slotte weergeven. Deze laatste stap is om mensen op de hoogte te houden, maar gegevens kunnen ook worden teruggevoerd naar een of ander aandrijfapparaat, waardoor het proces in het rijk van robotica komt.

De landbouw is de afgelopen twee eeuwen niet immuun geweest voor industrialisatie en de afgelopen jaren heeft Landbouw 4.0 aan kracht gewonnen. Net zoals de industriële productie de overstap maakte naar databeheer, volgt de landbouw nu dat pad. Bedrijven die van oudsher industriële segmenten bedienen, bieden nu vergelijkbare datagerichte benaderingen voor de landbouwsector, en we zien zelfs fabrikanten van landbouwapparatuur uitbreiden naar de productie van industriële apparatuur. Hoewel de landbouw vaak wordt gekenmerkt door een ongestructureerde omgeving met betrekking tot traditionele industriële productie-industrieën, helpt de veelzijdigheid van nieuwe datacentrische technologieën de landbouw om een ​​industrie te worden die op dezelfde manier wordt bestuurd als de automobielindustrie of de ruimtevaart. De boer is een ingenieur geworden zoals elke andere ingenieur.

Het begon allemaal in de jaren negentig met de eerste automatiseringsapparatuur voor de hoogwaardige zuivelindustrie – voornamelijk melkmachines van onder meer de Zweedse fabrikant DeLaval en het in Nederland gevestigde Lely. Tegelijkertijd werden optische sorteerders voor granen, met name rijst, ontwikkeld door bedrijven als Satake, met hoofdkantoor in Japan, en Bühler, gevestigd in Zwitserland. Een deel van deze sorteertechnieken kwam weer in het veld terecht voor hoogwaardige landbouwproducten, zoals wijngaarddruiven. Pellenc, in Zuid-Frankrijk, ontwikkelde zo'n robotuitrusting, die boeren veranderde in datawetenschappers.

Toen deze nieuwe generatie boeren eenmaal geautomatiseerd was, kregen ze de kans om een ​​extra stap te zetten, niet alleen passief naar hun opbrengst kijken, maar ook proactief handelen om de kwaliteit en kwantiteit van hun landbouwproducten te verbeteren. Terwijl de kleinschalige landbouwactiviteiten van het verleden konden vertrouwen op de ogen en intuïtie van de boer om de dagelijkse activiteiten te controleren, kunnen de gigantische landbouwactiviteiten van vandaag niet langer vertrouwen op menselijke zintuigen. Datatechnologie is centraal komen te staan ​​om de boerderij in goede banen te leiden. Of het nu gaat om hoeden, gewasproductie of hoogwaardige productie zoals wijn, gegevens zijn de focus van Agriculture 4.0.

Cameragebruik in de landbouw

Een van de beste voorbeelden van agrarisch databeheer is het monitoren van velden met behulp van drones. Het in Parijs gevestigde Parrot is een belangrijke speler op dat gebied, grotendeels dankzij de Amerikaanse dochteronderneming MicaSense. Het Franse bedrijf kondigde in januari echter aan dat het had ingestemd met de verkoop van MicaSense aan AgEagle Aerial, een in de VS gevestigd bedrijf voor gegevensverzameling, analyse, luchtbeelddiensten en drones, voor 23 miljoen dollar. MicaSense heeft een camera ontwikkeld die verschillende golflengten gebruikt om kaarten met genormaliseerde vegetatie-index (NDVI) te berekenen, die de geaccepteerde manier zijn geworden om de groei van gewassen te volgen en probleemgebieden op te sporen. De state-of-the-art methode is nu om de NDVI-kaarten naar tractoren te downloaden en zo de meststoffen die op het veld worden afgeleverd, aan te passen.

De Amerikaanse Federal Aviation Administration (FAA) meldde onlangs dat 7% van de 1,6 miljoen geregistreerde drones in de VS voor landbouwdoeleinden waren. Dit vertegenwoordigt meer dan 100.000 actieve drones voor de landbouw in de Verenigde Staten. Hoewel het slechts een klein deel van de totale commerciële drone-markt voor zijn rekening neemt, is het segment van de agrarische drones een belangrijke inkomstengenererende realiteit geworden. Het verzamelen van data is steeds meer de rol van robots. Of het nu gaat om een ​​geautomatiseerde stal, een landbouwdrone of een autonome tractor, data is niet langer de nieuwe olie; het is de nieuwe oogst.

IMU-gebruik in de landbouw

De robots die in slimme landbouw worden gebruikt, vallen in twee hoofdcategorieën:vanuit de lucht (drones) en op het land (zoals tractoren en oogstmachines). In beide gevallen zijn de functionaliteiten van de robots afhankelijk van verschillende soorten sensoren. Een van die functies is het traagheidssysteem voor navigatie en stabilisatie, dat moet voldoen aan hoge prestaties, betrouwbaarheid en nauwkeurigheid; lage bias drift; lage bias instabiliteit; en stabiele prestaties over temperatuur - en dat alles tegen een betaalbare prijs - om de investering te rechtvaardigen.

klik voor afbeelding op volledige grootte

(Bron:Yole Développement)

klik voor afbeelding op volledige grootte

(Bron:Yole Développement)

Drones maken het mogelijk om de gezondheid en status van akkers te monitoren (via camera's) en worden doorgaans gebruikt voor de bemesting van kleine tot middelgrote velden (<20 hectare) als alternatief voor duurdere bemestingsoplossingen op vliegtuigbasis. Drone-navigatie en stabilisatie zijn erg belangrijk bij het richten van de camera op de grond, omdat het noodzakelijk is om te weten wat de camera vastlegt. Op een hoogte van 10 meter resulteert een fout van 5° in een fout van 80 cm.

Hoewel GPS nauwkeurig genoeg kan zijn voor drone-navigatie, zijn er robuuste inertial Measurement Unit (IMU)-oplossingen nodig voor camerastabilisatie.

Op land gebaseerde robotvoertuigen voor landbouw navigeren door gewassenrijen en hebben precisie op centimeterniveau nodig om beschadiging van de planten te voorkomen. De meeste van deze machines hebben een nauwkeurig GPS-systeem, waardoor de bestuurder de locatie van het voertuig weet en dubbele bemesting of gebrek aan bemesting wordt voorkomen. GPS kan echter beperkend zijn in gevallen waarin de robot bijvoorbeeld onder bomen rijdt, waar het signaal verloren kan gaan. Dat is waar IMU- of attitude-heading-reference system (AHRS)-oplossingen nodig zijn. IMU's op basis van micro-elektromechanische systemen (MEMS) zijn goed uitgerust om te voldoen aan de eisen van landgebaseerde toepassingen voor hoge prestaties en lage afmetingen, gewicht, vermogen en kosten (SWAP-C).