Van sensoren naar slimme oogstvoorspellingen
De Digital Twin-technologie creëert een digitale kopie van de kasomgeving waarin gegevens uit sensoren, klimaatregeling en robots worden samengebracht. Door deze data te combineren, kunnen gewasgroei en oogstmomenten nauwkeurig worden voorspeld en geoptimaliseerd. Dit zorgt voor efficiënter gebruik van middelen en hogere opbrengsten.
Achtergrond Use Case 11
Een digitale kasomgeving voor betere inzichten
De Digital Twin maakt het mogelijk om verschillende datastromen – zoals temperatuur, luchtvochtigheid, gewasgezondheid en bodemkwaliteit – te integreren in één platform. Door het combineren van deze gegevens met geavanceerde fysiologische modellen en besluitvormingsalgoritmen, voorspelt het systeem hoe gewassen zich onder bepaalde omstandigheden zullen ontwikkelen. Dit biedt telers real-time inzicht in het groeiproces en maakt gerichte aanpassingen mogelijk.
Sinds de start van NXTGEN heeft Plantfellow een MVP (Minimal Viable Product) van een Digital Twin ontwikkeld, waarin unieke oplossingen van de samenwerkende partners zijn geïntegreerd. Wageningen University & Research levert fysiologische modellen die inzicht geven in de optimale groeiomstandigheden, terwijl Hoogendoorn | Letsgrow klimaatbeheersingsalgoritmes toevoegt om het energie- en waterverbruik te minimaliseren. Door gebruik te maken van sensoren en AI-modellen kan het systeem automatisch irrigatiestrategieën bepalen en de klimaatomstandigheden in de kas aanpassen voor maximale efficiëntie.
"Met de Digital Twin kunnen we gewasgroei nauwkeurig voorspellen en middelen efficiënter inzetten."
Publieke samenvattingen Use Case 11
Data naar Robocrops datahub
Bijdrage aan ecosysteem en sector
Betere opbrengsten door datagedreven sturing
De Digital Twin versterkt de glastuinbouwsector door telers beter inzicht te geven in het groeiproces van gewassen. Hierdoor worden middelen als water, energie en gewasbeschermingsmiddelen efficiënter ingezet. De technologie maakt het mogelijk om sneller te reageren op veranderende omstandigheden in de kas, waardoor oogstverliezen worden verminderd en de productiekosten dalen. Door het combineren van klimaatgegevens en plantmodellen wordt de samenwerking tussen verschillende systemen verbeterd, wat leidt tot een efficiënter productieproces.
Deliverables Use Case 11
Nauwkeurige groeiprognoses en efficiënter gebruik van hulpbronnen
Ontwikkeling van een digitale kasomgeving voor real-time monitoring
Integratie van sensoren en klimaatdata in één platform
Betere voorspellingen van gewasgroei en oogstmomenten
Optimalisatie van middelen zoals water, mest en energie
Automatische aanpassing van klimaatomstandigheden op basis van AI-gestuurde modellen
Meerwaarde voor Human Capital
Nieuwe vaardigheden in dataverwerking en AI-toepassingen
De implementatie van Digital Twin-technologie vraagt om nieuwe vaardigheden op het gebied van dataverwerking, systeembeheer en AI-modellen. Telers en technologiebedrijven zullen zich moeten bijscholen in het interpreteren van complexe data en het instellen van geautomatiseerde processen. Extra expertise in machine learning en sensorbeheer is noodzakelijk om de Digital Twin optimaal te laten functioneren en telers in staat te stellen zelfstandig aanpassingen te maken.
Daarnaast vereist het gebruik van fysiologische modellen en klimaatalgoritmes nieuwe inzichten in plantgroei en energiebeheer. Het systeem vraagt om training in het werken met datagedreven modellen en het kalibreren van sensoren om nauwkeurige resultaten te behalen. Dit project stimuleert de ontwikkeling van technische kennis en verhoogt het innovatievermogen van de sector.
Neem contact met ons op
Meer weten over dit project? Neem contact met ons op via onderstaand contactformulier en we praten je graag bij.