Autonome voertuigen die automatisch hun weg vinden, zijn een voorwaarde voor robotisering in de kas. Ze kunnen het platform vormen voor tal van functies: oogstvoorspelling, spuiten, uitzetten van biologische bestrijders, ziekteherkenning en oogsten. Verschillende fabrikanten werken hard aan indoor-navigatie.
[wcm_nonmember]
Voor het bekijken van deze content heeft u een lidmaatschap nodig, of log in als u al een lidmaatschap heeft.
[/wcm_nonmember]
[wcm_restrict]
Navigatie in de kas is een vak apart. In de buitenlucht gebruik je gps, maar in een kas is dat signaal onvoldoende nauwkeurig. Je moet dus andere technieken ontwikkelen zodat een voertuig zijn weg kan vinden. Dat is dé bottleneck bij robotisering in de kas. Dat voertuig dient namelijk als ‘onderstel’ voor alle activiteiten die je daarmee zou willen uitvoeren.
Niet live terug te vinden
De officiële naam van de voertuigen is AGV’s: automatische geleide voertuigen. Die bestaan nu al, met name voor intern transport, maar er ontbreekt één zeer essentieel element. “Nu kunnen zulke AGV’s vanaf het hoofdpad over een inductielijn naar de schuur rijden; en er zijn ook al modellen zonder zo’n lijn. Wat ze niet kunnen, is zelf van het pad de buisrail oprijden. Maar veel belangrijker: ze weten niet precies waar ze zijn en ze zijn niet live terug te vinden in een managementsysteem. Dat is cruciaal: als dat niet is opgelost, kun je niet per vierkante meter data verzamelen en op grond daarvan beslissingen nemen”, zegt Erik Pekkeriet, business developer robotics bij Wageningen University & Research.
Hij verbaast zich erover dat dit navigatieprobleem nog niet is opgelost. “Nu worden data op padniveau verzameld. Dat kan wel 100 meter lang zijn. Je weet niet per vierkante meter wat je doet. Op dit vlak loopt de tuinbouwsector echt achter bij andere landbouwsectoren”, zegt hij.
Indoor navigatie
Maar er wordt hard aan gewerkt, door bedrijven als Berg Hortimotive, Bogaerts en Metazet. Een methode is laserscanning. De robot brengt met laser alles om zich heen in beeld en leert zo zijn omgeving kennen. “Daarmee kan hij om obstakels heen manoeuvreren, maar de techniek is lastig robuust te krijgen”, ziet Pekkeriet. Bovendien is de navigatie dan beperkt tot autonome voertuigen.
“Ideaal zou zijn als je alles in de kas zou kunnen tracken: sensoren, klimaatboxen, maar ook mensen. Er bestaan indoor navigatiesystemen op basis van bakens en transponders. Je rust alles en iedereen uit met een baken dat signalen uitzendt. De transponders pikken de signalen op en weten zo waar alles zich bevindt. Je krijgt zo een systeem waarin alles is afgestemd en rekening met elkaar kan houden. De robots botsen dan zeker niet meer met de mensen”, vertelt hij.
Twee soorten
Robots zijn grofweg te verdelen in twee soorten. De manipulator voert ter plekke taken uit, zoals stekken, verpakken, oogsten. De veldrobot kan autonoom navigeren en is uitgerust met een veelheid aan sensoren. De AGV is dus zo’n apparaat.
“Ze worden nu ingezet voor transport, maar ze kunnen in de toekomst veel meer: autonoom spuiten, uitzetten van biologische bestrijders, oogsten of gewasonderhoud. In die volgorde verwacht ik toepassingen. Maar je ziet ook een andere route: de ontwikkeling van aparte oogstrobots. Eigenlijk is dat dus de combinatie van twee soorten in één: een veldrobot en een manipulator. En daarmee ingewikkelder.”
Er zijn al voorbeelden van autonome AGV’s met extra functies. De Plantalyzer van HortiKey telt en beoordeelt tomaten om tot een oogstprognose te komen. Deze werkt binnenkort in de praktijk. Op termijn zijn er meer functies aan toe te voegen, bijvoorbeeld beoordeling van ziekten.
De GerberaScout telt bloemen en knoppen ten behoeve van oogstprognoses en detecteert meeldauw. Deze is nog niet praktijkklaar. Hij wordt ontwikkeld door WUR, ondersteund door de Club van 100.
Tekst: Tijs Kierkels.
[/wcm_restrict]