{"id":93278,"date":"2025-04-22T07:30:00","date_gmt":"2025-04-22T05:30:00","guid":{"rendered":"https:\/\/www.mechaman.nl\/landbouwmechanisatie\/?p=93278"},"modified":"2025-04-17T12:01:47","modified_gmt":"2025-04-17T10:01:47","slug":"uitleg-over-visiontechniek-in-de-landbouw","status":"publish","type":"post","link":"https:\/\/www.mechaman.nl\/landbouwmechanisatie\/artikel\/20250422\/uitleg-over-visiontechniek-in-de-landbouw\/","title":{"rendered":"Uitleg over visiontechniek in de landbouw"},"content":{"rendered":"

Visiontechniek heeft in de landbouw flink vooruitgang geboekt. Daardoor is onkruid eenvoudiger te bestrijden, zijn gewassen beter te monitoren en ziekten eerder op te sporen. Leuk hoor. Maar hoe werkt het? <\/p><\/div>\n\n\n

Bij visiontechniek worden camerabeelden van drones of camera\u2019s op de trekker ingezet om gewassen te herkennen en te analyseren. De technologie helpt bij het (vroegtijdig) detecteren van ziekten, plagen of mogelijke tekorten aan voedingsstoffen. Visiontechniek is niet nieuw, maar wordt wel steeds beter en preciezer en dat is cruciaal voor landbouwrobots die op basis van die beelden autonoom gewassen kunnen planten, monitoren, behandelen en oogsten. Zonder visiontechniek kunnen landbouwrobots wel inpakken.<\/p>\n\n\n\n

Een voorbeeld is de onkruidbestrijding op een schoffelmachine in de rij of op een spotsprayer. Deze techniek is gebaseerd op algoritmen, oftewel vaste stappen die bestaan uit een set van regels op basis waarvan de techniek een cultuurplant \u2018herkent\u2019. Een set van regels kan bijvoorbeeld leiden tot de volgende actie: alles wat de computer niet als plant herkent, is onkruid en moet dus verwijderd danwel bespoten worden. Dit is een voorbeeld van traditionele beeldverwerking.<\/p>\n\n\n\n

Een volgende stap in visiontechniek is die waarbij de \u2018machine\u2019 zelf leert, ofwel machinelearning. Door bijvoorbeeld in te zoomen op een blad van een zieke plant ontstaat een clustering van pixels die voor het oog kenmerkend zijn voor een bepaalde ziekte. Het AI-model herkent dit ook, maar dan op pixelniveau en gaat daarmee zelf aan de slag. Door het AI-model te voeden met beelden van een gewasopnamen kan het AI-model heel snel planten herkennen met dezelfde ziekte. Dit noemt men deeplearning.<\/p>\n\n\n\n

Het is zelfs mogelijk dat het AI-model zelf aan het werk gaat. In dat geval is vaak niet duidelijk waarop de beslissingen zijn gebaseerd. Er is dan sprake van een echte \u2018blackbox\u2019 of selfsupervised learning. Een trend die momenteel wordt waargenomen is \u2018explainable AI\u2019. Het model geeft dan (in grote lijnen aan) wat het heeft geconstateerd en waarom het een plant al dan niet als ziek beoordeelt. Bij explainable AI kan de programmeur beter dan bij selfsupervised learning meekijken naar de stappen die het model neemt. Deze aanpak geeft de programmeur meer inzicht in de beslissingen die het model neemt.<\/p>\n\n\n\n

Slimme spotsprayer<\/h2>\n\n\n\n

In de cameratechniek zelf vindt een ontwikkeling plaats van RGB-camera\u2019s (rood, groen, blauw) naar grijs-groencamera\u2019s. Dit heeft te maken met de kleuren die de camera detecteert. Denk alleen maar aan niet beteelde (grijze) grond en een (groen) gewas dat juist ontkiemt. Met een slimme spotsprayer kan zo een flinke besparing worden behaald in de gewasbescherming. Alleen het kiemplantje wordt bespoten en niet het hele perceel. Op dezelfde manier zou je planten heel gericht kunnen bemesten.<\/p>\n\n\n\n

Een andere ontwikkeling is de inzet van hyperspectrale camera\u2019s. Deze camera\u2019s \u2018zien\u2019 een heel breed kleurenspectrum. Door te kijken in de gebieden die niet zichtbaar zijn voor het menselijk oog, zijn beter voorspellingen te doen als het gaat om de activiteit van het gewas, stress en ziekten die het gewas onder de leden heeft (maar met het menselijk oog nog niet zichtbaar zijn). Door vroegtijdig ingrijpen kan de teler grote ziekteuitbraken voorkomen of beperken en zo de schade beperken. Een bijkomend voordeel is dat de ziekte met beperkte inzet van chemie kan worden aangepakt. Dat voorkomt overmatig gebruik van middelen, ontziet het milieu en spaart kosten. <\/p>\n\n\n\n

<\/div>

Personeelstekort<\/h3>

Vooral door een tekort aan (deskundig) personeel staat AI ook in de landbouw volop in de schijnwerpers. Slimme automatisering met visiontechniek en AI kan heel goed repeterend handwerk vervangen. Bovendien blijkt in de praktijk dat het scherpe cameraoog meer ziet en beter kijkt dan het menselijk oog.<\/p><\/div><\/div><\/section>\n\n\n\n

<\/div>
Veiligheidsmarge rondom bietenplanten<\/div>

Bij de Ara-spotsprayer kun je op een tablet zien welke gebieden (de groene vlakken met bietenplanten) niet worden bespoten.\u00a0<\/p><\/div><\/div><\/section>\n\n\n\n

<\/div>
Lichtspectrum<\/div>

Een multispectrale camera ziet meer dan het menselijk oog. Met infraroodstralen kun je bijvoorbeeld de activiteit van een gewas aflezen. Op basis daarvan kun je \u00e9\u00e9n tot twee weken voordat de ziekte zich openbaart al een behandeling uitvoeren.<\/p><\/div><\/div><\/section>\n","protected":false},"excerpt":{"rendered":"

Visiontechniek heeft in de landbouw flink vooruitgang geboekt. Daardoor is onkruid eenvoudiger te bestrijden, zijn gewassen beter te monitoren en ziekten eerder op te sporen. Leuk hoor. Maar hoe werkt het?<\/p>\n","protected":false},"author":3076,"featured_media":93279,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"wds_primary_category":106,"wds_primary_post_tag":0,"wds_primary_dossier":0,"wds_primary_artikel_type":0,"footnotes":""},"categories":[698,106],"tags":[],"dossier":[],"artikel_type":[27],"class_list":["post-93278","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-achtergrond","category-akkerbouw","artikel_type-artikelen"],"acf":[],"_links":{"self":[{"href":"https:\/\/www.mechaman.nl\/landbouwmechanisatie\/wp-json\/wp\/v2\/posts\/93278","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.mechaman.nl\/landbouwmechanisatie\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.mechaman.nl\/landbouwmechanisatie\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.mechaman.nl\/landbouwmechanisatie\/wp-json\/wp\/v2\/users\/3076"}],"replies":[{"embeddable":true,"href":"https:\/\/www.mechaman.nl\/landbouwmechanisatie\/wp-json\/wp\/v2\/comments?post=93278"}],"version-history":[{"count":1,"href":"https:\/\/www.mechaman.nl\/landbouwmechanisatie\/wp-json\/wp\/v2\/posts\/93278\/revisions"}],"predecessor-version":[{"id":93281,"href":"https:\/\/www.mechaman.nl\/landbouwmechanisatie\/wp-json\/wp\/v2\/posts\/93278\/revisions\/93281"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.mechaman.nl\/landbouwmechanisatie\/wp-json\/wp\/v2\/media\/93279"}],"wp:attachment":[{"href":"https:\/\/www.mechaman.nl\/landbouwmechanisatie\/wp-json\/wp\/v2\/media?parent=93278"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.mechaman.nl\/landbouwmechanisatie\/wp-json\/wp\/v2\/categories?post=93278"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.mechaman.nl\/landbouwmechanisatie\/wp-json\/wp\/v2\/tags?post=93278"},{"taxonomy":"dossier","embeddable":true,"href":"https:\/\/www.mechaman.nl\/landbouwmechanisatie\/wp-json\/wp\/v2\/dossier?post=93278"},{"taxonomy":"artikel_type","embeddable":true,"href":"https:\/\/www.mechaman.nl\/landbouwmechanisatie\/wp-json\/wp\/v2\/artikel_type?post=93278"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}