Voor dit project hebben is er samengewerkt met Unmanned Valley, NL Space Campus, Gemeente Katwijk en Holland Rijnland. De eerste paar wintermaanden zijn voornamelijk achter een computerscherm geweest en werd er veel gesproken met telers en andere vakmensen. In deze periode zijn ook de concepten, software, hardware en alles wat nodig is, ontwikkeld om klaar te zijn voor de lente.
Verzamelen gegevens en labelen
De tweede sprint van het project draaide om het verzamelen van gegevens. Het droneteam heeft talloze testvluchten uitgevoerd om veel te leren over voornamelijk botrytis bij tulpen en hyacinten. De telers bekijken de verzamelde data (hoge resolutie afbeeldingen van de planten) en geven aan wat het AI-model (artificial intelligence systeem) hier ziet. Dit heet labelen en op deze manier wordt het systeem getraind, waardoor het ‘slimmer’ wordt en zelf kan gaan herkennen. De volgende stap is om dit in de praktijk uit te testen. Later kan dit gebruikt worden om er ook andere data aan te koppelen en voorspellingen te doen. Zo zijn er gedetailleerde kaarten gemaakt van de percelen met behulp van de multispectrale camera op de drone en kan er een vertaalslag gemaakt worden met satellietbeelden die meer kunnen vertellen over de algemene omstandigheden van het perceel vanwaar mogelijke risicogebieden aangewezen kunnen worden.
Na de zomer wordt deze fase van het project afgerond en komen er aanbevelingen voor een nieuwe fase. Het leerrendement is nu al ontzettend hoog en is duidelijk dat één teeltseizoen lang niet voldoende is om een doeltreffende toepassingen te ontwikkelen.
Project ‘Remote Sensing voor Sierteelt’
Meer over het project lees je hier op onze website.
