Leren in de kas versnelt adoptie van datagedreven teelt
Data en modellen zijn ruim beschikbaar in de glastuinbouw, toch blijft toepassing achter wanneer de vertaalslag naar de kas ontbreekt. De Human Capital Agenda van NXTGEN Hightech Agrifood zet daarom in op leren in de praktijk. Tijdens de kick-off van de Fontys onderzoeksopdracht kregen studenten Toegepaste Wiskunde een realistisch vraagstuk mee en zagen zij in de kas wat er gemeten wordt en waarom. Zo groeit talent dat niet alleen kan rekenen met data, maar die data ook kan plaatsen in de dagelijkse realiteit van teeltbeslissingen. Precies daar zit de versnelling die de sector zoekt.
Een herkenbare opdracht maakt modellen relevant voor telers
Studenten modelleren waarden tussen sensorlocaties in een kas op basis van datasets uit de Robocrops datahub, het digitale fieldlab met data uit NXTGEN glastuinbouw. De opdracht is herkenbaar voor professionals, want ruimtelijke patronen sturen irrigatie, klimaat en gewasgezondheid. Door vanaf het begin het doel van het model te benoemen, leren studenten wat een uitkomst in de kas moet kunnen verklaren en hoe je onzekerheid verantwoord meeneemt.
Kijken in de kas maakt data begrijpelijk en bruikbaar
Bij Tomatoworld bekeken studenten welke sensoren waar hangen, wat ze meten en met welk doel. Jan Enthoven gaf context bij de metingen en liet zien hoe variatie per rij en hoogte het beeld kleurt. Zo ontstaat besef dat datakwaliteit en meetopstelling het model net zo sterk sturen als de methode. Dat maakt verdiepen vanzelfsprekend en gericht.
Met een consistente data-infrastructuur worden onderbouwde keuzes mogelijk
Lars van der Lely van 30MHz lichtte toe hoe de Robocrops datahub data verzamelt en ontsluit. Een consistente infrastructuur voorkomt ruis en maakt vergelijkingen mogelijk tussen teelten en seizoenen. Juist daardoor wordt data een middel om keuzes te onderbouwen in plaats van een doel op zich.
Heldere criteria zorgen voor beoordeelbare modeluitkomsten
In het World Horti Center gaven Liesbeth Leurs en Daniëlle Jansen voorbeelden van beslissingen die door dit soort modellen worden ondersteund. Studenten bespraken welke foutmarges acceptabel zijn, wanneer je extra metingen toevoegt en hoe je waarde uitlegt aan een teler. Theorie krijgt zo een kader dat professionals herkennen en kunnen beoordelen.
Human capital groeit en de stap naar toepassing wordt kleiner
Onderwijs sluit beter aan op de praktijk en bedrijven zien talent dat hun innovaties kan toepassen. Onderzoeksvragen worden scherper en samenwerking krijgt focus op bruikbaarheid. Zo verbreden we het netwerk en verlagen we de drempel van pilot naar toepassing. Op 11 februari presenteren studenten hun resultaten bij VDL aan een panel met Jan Enthoven, Lars van der Lely en Joeri van der Hoek.
Instellingen die ook een dergelijke samenwerking willen, kunnen contact opnemen met liesbeth.leurs@innovationquarter.nl.