AI is snel, maar niet intelligent: praktijkkennis agrariër blijft onmisbaar

'Kunstmatige intelligentie heeft een ongekende rekenkracht en kan patronen herkennen die mensen niet zien', zegt directeur Joëlle van den Brand van Agurotech. Dit technologiebedrijf gebruikt geavanceerde sensoren en zelflerende algoritmen om telers te helpen hun middelen efficiënter in te zetten en hun opbrengsten te verhogen.

'Onze modules verwerken razendsnel enorm veel data en ontdekken trends in bodemvocht, groei en opbrengst. Maar de boer blijft de regisseur: AI ondersteunt, maar beslist niet', benadrukt Van den Brand. Agurotech werkt samen met zeven agrariërs, ZLTO, Agrifirm en Gelre IJsselstreek aan Agriscope.

Dit innovatieproject combineert sensortechnologie, satellietbeelden, weerdata en AI tot één geïntegreerd systeem. De software voorspelt onder meer het bodemvocht tot tien dagen vooruit en maakt oogstverwachtingen op basis van biomassa en groeicurves.

'Veel boeren beregenen nog op gevoel', zegt Van den Brand. 'Met AI kunnen we veel preciezer voorspellen wat een gewas nodig heeft. Door historische data te combineren met actuele metingen, herkennen we verbanden die we voorheen niet begrepen.' Agriscope start binnenkort met workshops waarin telers hun wensen delen en volgend jaar volgen er praktijktesten. Het doel is dat het platform in 2027 breed beschikbaar is.

In de wetenschap groeit de rol van AI ook. Wageningen University & Research (WUR) richtte een speciale leerstoelgroep op. Hoogleraar Ioannis Athanasiadis ziet vooral kansen in de combinatie met robotisering.

'AI helpt boeren risico's te managen en beslissingen te verbeteren. Het geeft ondernemers een 360-graden-inzicht in hun bedrijf', aldus Athanasiadis. Toch zijn er volgens hem belemmeringen. 'Er ontbreken standaarden voor dataverzameling en er is te weinig geld.'

Tom Heskes, hoogleraar AI aan de Radboud Universiteit, ziet vooral potentie in beeldanalyse. 'AI kan via camera's en satellieten gewassen en ziektes herkennen en de oogstkwaliteit voorspellen. Robots die dat uitvoeren, moeten nog wel goedkoper worden.'

Vooruitgang in veehouderij

In de veehouderij boekt AI ook vooruitgang. De Vlaamse onderzoeker Maarten Perneel gebruikt camera's en 'machinelearning' om koeien te volgen en hun gedrag te analyseren. Zo kunnen problemen als klauwziektes of ketose al vroeg worden opgespoord. 'AI is snel, maar niet intelligent', nuanceert hij. 'Het praktijkgevoel van de ondernemer blijft onmisbaar.'

Om AI te kunnen inzetten voor belangrijke maatschappelijke uitdagingen – zoals voedselzekerheid, klimaatverandering en biodiversiteitsverlies – heeft Wageningen University & Research (WUR) een jaar geleden een speciale AI-leerstoelgroep opgericht. Aan het hoofd staat leerstoelhouder en hoogleraar Athanasiadis.

AI speelt momenteel een rol in diverse onderzoeksgebieden van WUR. 'Denk bijvoorbeeld aan plantfenotypering, waarbij onderzoekers specifieke eigenschappen van planten selecteren om nieuwe, betere variëteiten te ontwikkelen. Dankzij AI kunnen eigenschappen veel sneller en effectiever worden gemeten. Andere voorbeelden zijn AlphaFold, een programma waarmee eiwitstructuren kunnen worden voorspeld, en AI-toepassingen in 'remote sensing' en landbouwrobots.'

Toch is er nog een wereld te winnen als het gaat om de benutting van AI in de onderzoeksgebieden van WUR. 'Tot nu toe worden vooral bestaande AI-tools toegepast in de agrarische sector. Dat omdraaien is de grote uitdaging. Dus AI-applicaties ontwikkelen op basis van de behoeften in de agrarische sector', geeft Athanasiadis aan.

Een andere belangrijke reden waarom de agrarische sector volgens de Wageningse professor een lastige sector is voor de toepassing van AI, is de grote impact van geopolitieke spanningen en klimaatverandering. 'Abrupte ontwikkelingen beïnvloeden de prijzen van voedsel en maken veel beslissingen in de agrisector onzeker.'

De meeste AI-specialisten zijn niet getraind in deze materie, benadrukt Athanasiadis. 'Er zijn nog te weinig talentvolle wetenschappers die zowel de agrarische sector als AI goed begrijpen. Daarom hebben we in Wageningen de nieuwe bacheloropleiding 'data science for global challenges'. Gelukkig zijn er steeds meer jonge wetenschappers die heel bewust en gedreven bezig zijn met AI in relatie tot de genoemde uitdagingen.'

Gigantische rekenkracht

Agurotech-directeur Van den Brand stelt dat AI vooral moet worden benut vanwege de gigantische rekenkracht en het vermogen om complexe patronen te herkennen. 'AI-modules die wij ontwikkelen, kunnen razendsnel grote hoeveelheden data verwerken en trends ontdekken die je zelf niet snel ziet', legt ze uit.

'Bij het gebruik van AI moet een goede kwaliteitscontrole plaatsvinden op trainingsdata. Op die manier zorg je dat de analyses voor telers betrouwbaar en toepasbaar zijn in de praktijk', vervolgt Van den Brand.

Het Noord-Hollandse technologiebedrijf lanceerde onlangs het innovatieproject Agriscope. Daarin werken zeven agrariërs onder begeleiding aan een geïntegreerd systeem dat sensortechnologie, satellietbeelden, weerdata en AI combineert om de landbouw efficiënter te maken. Deze data worden specifiek afgestemd op bodemtypen en weersomstandigheden om het hele perceel in kaart te brengen.

'Daarmee kunnen we voor een compleet perceel tot tien dagen vooruit voorspellingen doen over het bodemvocht', laat Van den Brand weten. 'Daarnaast maken we opbrengstvoorspellingen op basis van biomassa en groeicurves.'

Irrigatiebeslissingen worden door telers nu vaak genomen op basis van ervaring, weet de directeur van Agurotech. En dat kan leiden tot over- of onderberegening. Het is volgens haar dan ook extra sterk dat de AI-modellen binnen Agriscope ook worden ingevoerd met historische data, afkomstig uit satellietbeelden en sensoren.

'AI-technologie kan alle losse puzzelstukjes aan elkaar verbinden en herkent verbanden die we voorheen niet begrepen. Daardoor kan preciezer worden voorspeld wat een gewas aan water nodig heeft', licht de Agurotech-directeur toe.

Wensen van telers

Binnen het project Agriscope wordt binnenkort gestart met een grote workshop met alle deelnemers. Het doel van de workshop is om vooral de wensen van telers te horen, om uiteindelijk de AI-module zo goed mogelijk te laten aansluiten op de praktijk.

Een stap verder in het project zijn de ontwikkeling van een prototype, praktijktesten op de deelnemende bedrijven en evaluatie en optimalisatie. De bedoeling is dat het softwareplatform voor het teeltseizoen van 2027 beschikbaar is voor de sector.

Robot moet rendabel zijn

Door nieuwe ontwikkelingen en toepassingen van AI gaat beeldanalyse volgens hoogleraar Heskes veel beter dan pakweg tien jaar geleden. 'Belangrijk voor de uitrol in de agrarische sector is dat robots beter en goedkoper worden', stelt hij. 'Het is nu nog niet rendabel voor veel bedrijven.'

De hoogleraar AI aan de Radboud Universiteit is betrokken bij een project waarbinnen een elektronische neus wordt ontwikkeld. 'Die hangt in een pluimveestal en signaleert ziektes op basis van stofjes die de dieren uitstoten. De neus analyseert de data en chemische spectra met behulp van AI-technologie. Dat is nog best lastig.'

De Belgische melkveehouder en onderzoeker Perneel heeft al enige jaren ervaring met de toepassing van AI-technologie op zijn bedrijf. Hij studeerde in 2020 af als bio-ingenieur aan de Universiteit Gent. Sindsdien is hij bezig met zijn doctoraat over het gebruik van videomonitoring en 'machinelearning' om het gedrag van melkkoeien te bestuderen.

Camera's in de melkveestal van Perneel leggen de coördinaten van het hoofd, de neus, schoft, staartbasis en heupen van de koeien vast. En de dieren worden geïdentificeerd. Dit alles brengt het gedrag van elk individueel rund in beeld. 'Wat is de positie van de koe, hoe vaak eet ze, hoe vaak ligt ze en op welke zij', somt hij op. 'Hiermee kunnen we bijvoorbeeld klauwproblemen en ketose signaleren.'

De Belgische ondernemer ziet dat de melkveehouderij binnen de veehouderijsectoren vooroploopt als het gaat om het toepassen van AI-technieken. 'Op melkveebedrijven gaat het om een beperkt aantal dieren met een hoge waarde. Dat is een verschil met bijvoorbeeld een commercieel pluimvee- of varkensbedrijf', aldus Perneel.

Wel signaleert Perneel nog hindernissen voor het gebruik van AI in de agrarische sector, zoals energie en spinnenwebben. 'Die laatste zijn moeilijk te verwijderen en horen toch bij de landbouw. Daar hebben we nu eenmaal mee te maken. Datzelfde geldt voor de uitdagingen rond oxiderende omstandigheden en ammoniak.'

Op de Universiteit Gent hebben slechts een handvol mensen zowel voeling met de melkveehouderij als met de wiskunde achter 'machinelearningmodellen'. Perneel: 'Onder de landbouwstudenten zijn wiskunde en programmeren vaak niet de populairste vakken. Daarom studeren in België weinig mensen af op dit gebied.' In Wageningen is dat volgens hem niet anders.

AI-technologie is volgens Perneel geen vervanger van de veehouder. 'Sommige mensen denken dat alles is te automatiseren. Maar als het over het algehele zicht op de bedrijfsvoering gaat, kan momenteel geen enkel AI-model het beslissingsvermogen van de veehouder evenaren. Zeker bij landbouwsystemen met dieren, met een grote biologische variatie in productie en gedrag, is de expertise van de veehouder van onschatbare waarde', besluit de onderzoeker.

'Iedere ondernemer heeft baat bij AI'

De LTO Academie ontwikkelde de AI-training voor bestuurders, omdat de technologie volgens Elsinghorst 'up and running' is. 'We kunnen er niet meer omheen. AI is heel gemakkelijk in te zetten bij herhalende administratieve taken, zoals e-mails sturen en berichten plaatsen op sociale media.'

Elsinghorst ziet daarnaast mogelijkheden voor AI bij het lezen van ingewikkelde brieven van bijvoorbeeld de overheid. 'Veel agrariërs vinden het lastig om stukken van de gemeente of provincie te lezen. Toch hebben ze die informatie nodig, of ze willen op de hoogte blijven van wat er gebeurt.'

Dat was voor de LTO Academie reden haar AI-training voor bestuurders om te bouwen tot een training voor ondernemers. Eentje die zich richt op specifieke praktische toepassingen.

Bij een dagtraining krijgen de deelnemers in de ochtenduren uitleg over de werking van diverse AI-systemen, zoals ChatGPT en Copilot. Ook wordt uitleg gegeven over hoe je goede instructies schrijft om het gewenste resultaat te krijgen.

Eigen assistent bouwen

Later op de dag wordt een verdiepingsslag gemaakt door een eigen 'AI-assistent' te bouwen in bijvoorbeeld ChatGPT. Deze helpt terugkerende taken uit te voeren en 'visuals' te maken; beelden die een boodschap overbrengen.

De houding van boeren tegenover AI is volgens Elsinghorst wisselend. 'Er zijn zeker ondernemers die zeggen: daar wil ik echt iets mee. Of ze willen ermee aan de slag, maar weten niet hoe.'

Volgens Elsinghorst kan de technologie dan ook in vrijwel elk agrarisch bedrijf van waarde zijn. 'Voor 80 procent kan AI het werk lichter maken, maar de laatste 20 procent blijft mensenwerk. Dat is je expertise, je ervaring, je boerenverstand. Die combinatie maakt het krachtig.'