Betrouwbaar aaltjes onderscheiden met AI snel praktijkrijp

‘We zijn nu de modellen aan het trainen met praktijkmonsters’, vertelt algemeen directeur Pieter Vos van HLB in het Drentse Wijster. Hij verwacht dat het snel zal gaan met deze techniek, die onderscheid kan maken tussen verschillende aaltjessoorten. ‘Het gaat zowel om cystenaaltjes als om andere soorten. De techniek kan aardappelcysteaaltjes en bietencysteaaltjes onderscheiden en ook vrijlevende aaltjes.’

Globodera rostochiensis en Globodera pallida zijn de twee soorten aaltjes die aardappelmoeheid veroorzaken. Ze waren indertijd aanleiding voor het oprichten van het Hilbrandslaboratorium voor Bodemziekten, zoals HLB ooit begon. Om de bodemparasieten onder controle te houden, kunnen telers variëren in hun bouwplan met aardappelrassen en andere gewassen in de rotatie. HLB geeft daar advies over en aan de basis daarvan staat een gedegen analyse, want de aanwezige soorten bepalen sterk welke opties een akkerbouwer of bollenteler heeft.

Onderscheid maken

‘Testen en valideren’, noemt Vos de fase van de ontwikkeling van het AI-systeem. ‘Het bleek dat de methode een goed onderscheid kan maken tussen Globodera pallida en Globodera rostochiensis. Met het geautomatiseerde systeem dat we nu ontwikkelen, kun je straks 600 tot 1.200 monsters onderzoeken op schadelijke aaltjes. De teler kan daarmee controleren of hij een schoon veld heeft, of hij veilig kan telen of resistenties moet inzetten.’

De verwerking van de grondmonsters in het laboratorium gaat deels zoals het altijd ging: de aaltjes worden op ‘traditionele wijze’ geëxtraheerd. Het verschil zit in de volgende stap. Het systeem herkent de aaltjes die door een capillair, een smalle vloeistofstroom, gaan. Het maakt daar heel veel foto’s van en analyseert de beelden. Waar nu nog een PCR-test en meer personeel nodig is, kan dit systeem zelf een snelle en betrouwbare uitkomst leveren.

Thema ‘AI in de open teelten’
Van satellietbeelden en slimme sorteerders tot aaltjesherkenning en oogstvoorspellingen: AI verovert in hoog tempo de landbouw. Toch werkt het pas echt als de modellen gewassen, bodem, weer en bedrijfsvoering goed begrijpen. Nieuwe Europese basismodellen, praktijkapps en cameratechniek moeten telers meer grip geven op teelt, kwaliteit en risico’s. De belofte is groot, maar de praktijk blijft leidend, benadrukken de experts die aan het woord komen in dit themanummer: AI ondersteunt de boer, maar vervangt zijn vakmanschap en veldkennis niet. Lees alle artikelen uit dit thema die online zijn verschenen.

De aaltjesherkenning is al verder dan een eerste test. Met zorgvuldige validatie verwacht Vos volgend seizoen beschikbaarheid voor de praktijk te hebben. Het past bij de filosofie van HLB om praktijkoplossingen voor telers te hebben, zegt hij. Behalve voor de aardappelteelt is de werkwijze geschikt voor alle open teelten waarin aaltjes invloed hebben op resultaat en kwaliteit. Bijvoorbeeld bollentelers en bietentelers kunnen het in de praktijk gebruiken.

Een aardige extra is dat de analyse ook kijkt naar jonge en oude cysten. ‘Daarmee kun je zien of het een recente besmetting is of een oudere. De AI herkent aan de levende larven en eitjes de stadia van de cysten’, aldus Vos. Het totaal van deze gegevens leert de teler meer over de oorzaak en dus over het beter beheersen van aaltjes op percelen. ‘Het is ontzettend goed dat we hierin voorop lopen. De ontwikkeling kunnen we gebruiken voor de sector, zodat we tot de top van de wereld blijven behoren. Op de lange termijn is dit daarom belangrijk.’

Automatische microscopie

Het bedrijf Antonie is een relatief jonge onderneming dat AI gebruikt voor bodemanalyse en teeltadvies. Antonie werkt samen met partijen uit onderzoek en bedrijfsleven. In het geval van de samenwerking met HLB gaat het om automatische microscopie, waarbij de techniek nematoden kan zien, fotograferen en classificeren naar soort. Andere technieken van Antonie richten zich op bodembiodiversiteit en gewasmonitoring.

Antonie is een start-up binnen Soil Valley. Met behulp van AI wil het bedrijf dieper inzicht in de bodemgezondheid bieden. Daarmee wil Antonie kennis inzetten om duurzame landbouwpraktijken als regeneratieve landbouw, bedekte teelten, minimale grondbewerking, gerichte inzet van bestrijdingsmiddelen en microbiële inoculatie te ondersteunen.

Lees ook: ‘Een vitaal gewas is minder gevoelig voor ziekten en plagen’

Een volledig overzicht van de nematodenpopulatie in de bodem zegt veel over de balans in de bodem, stelt Ruud Kaitjily van Soil Valley. De technologie maakt onderscheid tussen gunstige en schadelijke nematoden en vertaalt die informatie naar handelingsperspectieven voor een gezondere bodem.

Gebruik van data

Tijdens telersbijeenkomsten deze zomer gaf het bedrijf meer uitleg over hun aanpak. De analysemethoden maken gebruik van grote hoeveelheden data, vaak beelden. Bij een bijeenkomst in Nieuw-Vennep liet Kaitjily de aanwezigen wat meer zien van de aanpak. ‘We kijken wat er in de bodem gebeurt. Daarbij gaat het erom wat daar actief is. Uit 75.000 tot 125.000 foto’s blijft na analyse een overzicht over van wat er leeft.’

Data kan in de toekomst steeds gerichter worden gebruikt. Gegevens van bodem, gewas, natuurlijke vijanden en bedreigingen voor de teelt vormen samen de basis voor de acties die een boer kan ondernemen. Daarbij valt te denken aan de detectie van parasitaire aaltjes, zwakke planten of roofinsecten die juist een plaag kunnen onderdrukken.

Kennis kan daarmee plaatsspecifiek worden benut per perceel of zelfs binnen een perceel. Je zou de natuurlijke bestrijders kunnen loslaten op de plek waar ze het hardst nodig zijn en op het moment dat dit van belang is. Ook gerichte bestrijding met een Spotsprayer kan gebruikmaken van plaatsspecifieke data.