Een consortium van het TU Delft AgTech Institute, Delphy, Improvement Center en Birds.ai onderzoekt hoe verspilling in de zachtfruit-keten verminderd kan worden met hulp van kunstmatige intelligentie. Daarvoor kijken de onderzoekers naar een betere ‘supply chain’ voor aardbeien, zoals het beter kunnen voorspellen van de optimale oogstdatum. Reden voor de samenwerking is dat met name in zachtfruit de voedselverspilling hoog is, doordat de producten kwetsbaar zijn en een korte houdbaarheid hebben.

Wereldwijd bedraagt de verspilling van voedsel voor menselijke consumptie een derde van al het verbouwde voedsel. Dat percentage ligt bij zachtfruit aanzienlijk hoger. Bij bijvoorbeeld aardbeien is vooral het moment van oogsten bepalend. Als de aardbeien eenmaal zijn geplukt, is het een race tegen de klok om ze zo vers mogelijk te houden. Het bepalen of een aardbei geschikt is om te oogsten is mensenwerk: die beslissing moet bovendien razendsnel genomen worden.

Telers maken hoge kosten als het fruit niet voldoet aan de eisen van de klant. Door objectieve metingen te gebruiken tijdens de teelt, de oogst en door de hele keten heen, kunnen zachtfruittelers en leveranciers de consument beter bedienen en verspilling minimaliseren.  Voor telers is het van groot belang dat risico’s als te korte houdbaarheid, overschotten, tekorten en slechte kwaliteit goed worden aangepakt. Juist deze risico’s creëren verspilling en leiden tot negatieve percepties bij klanten. Het TU Delft AgTech Institute, Delphy, Improvement Center, Birds.ai en het Innovatiepact van Greenport West-Holland sloegen hiervoor de handen ineen.

Camera’s brengen aardbeien in beeld

Het onderzoek richt zich op het ontwikkelen van een model dat telers en hun medewerkers helpt met het maken van betere en meer betrouwbare voorspellingen voor het optimale oogstmoment. Met deze informatie kan ook voorspeld worden voor welk distributiekanaal een specifieke aardbei geschikt is. Zo zijn te rijpe vruchten niet geschikt voor de vershandel, maar wel voor bijvoorbeeld het maken van taarten. Het project combineert de wetenschappelijke kennis van de TU Delft en Delphy’s praktische kennis van teelt en toepassing.

In de kassen van Delphy in Bleiswijk staan rondom enkele teeltbakken verschillende camera’s opgesteld. De camera’s brengen alle aardbeien van één kant van de twee teeltbakken in beeld. Data van eenmaal geoogste aardbeien worden samen met de camerabeelden door TU Delft gebruikt voor analyse en voor de ontwikkeling van een oogstmodel. Onderzoekster Junhan Wen (TU Delft): “Doel van het model is te voorspellen hoeveel dagen het nog duurt voordat een aardbei oogstrijp is. Dat gebeurt door middel van computer vision, deep learning en andere speciaal ontwikkelde algoritmes. Als deze praktische obstakels overwonnen zijn, verwachten we begin 2022 al een goede voorspelling van het beste oogstmoment en mogelijk ook de kwaliteit van het product te kunnen doen. In de tweede helft van het jaar werken we dan aan de afstemming op de rest van de keten.”

Augmented reality

Met een dergelijk model is het in de toekomst mogelijk dat medewerkers van aardbeienkwekerijen worden uitgerust met een augmented reality-bril: die laat dan zien welke aardbeien geoogst kunnen worden voor welk distributiekanaal. Voor het zo ver is, moeten nog enkele praktische zaken worden opgelost. Onderzoeker Stijn Jochems (Delphy): “Elke aardbei krijgt een eigen naam of code. Doordat de aardbeien en trossen bewegen (bijvoorbeeld tijdens het oogsten) kan de camera de aardbei tijdelijk kwijtraken. Dan moet de juiste code weer bij de juiste aardbei gezet worden om hem weer te blijven volgen. Daarnaast werken we aan de manier om informatie te krijgen over alle aardbeien in een kas, bijvoorbeeld door de camera te laten bewegen door de kas. Zo zetten we dus techniek in om de voedselverspilling in de keten te verminderen.”

Partners

De partijen die steun verlenen aan dit onderzoek zijn: Hagelunie, Achmea Agro, LTO Glastuinbouw, Hunsballe Grønt, Fruitmasters, Octinion, Greenport West-Holland en de Topsector Tuinbouw en Uitgangsmaterialen.